Stats
Actions
Tags
From ghsa-skill-builder
Builds and updates vulnerability pattern skills from GHSA, HackerOne Hacktivity, and NVD by pulling high-severity vulns in Python/PIP, Go, NPM ecosystems, analyzing patterns, and generating audit/pentest skills.
How this skill is triggered — by the user, by Claude, or both
Slash command
/ghsa-skill-builder:ghsa-skill-builderThe summary Claude sees in its skill listing — used to decide when to auto-load this skill
从多个数据源拉取高危漏洞，分析模式，自动生成/更新审计 Skills：
从多个数据源拉取高危漏洞，分析模式，自动生成/更新审计 Skills：
vuln-patterns-*, go-vuln-*）pentest-*）开始工作前，检查以下依赖：
ls ~/.claude/plugins/cache/*/superpowers/*/skills/writing-skills/SKILL.md 2>/dev/null
如果不存在，提示用户安装：
superpowers 插件未安装。建议先执行
/plugin install superpowers@superpowers-marketplace安装，其中的 writing-skills 技能可确保生成的 Skills 符合质量规范。也可以跳过，但生成的 Skill 质量可能不稳定。
如果已安装，在 Step 3 生成 Skill 文件时，同时参考 writing-skills 的规范（frontmatter 格式、Progressive Disclosure、CSO 关键词优化、目录结构）。
| 用户说 | 操作模式 |
|---|---|
| "拉取最近三年 Python 高危漏洞，生成审计 skills" | 模式 A：GHSA 全量构建 |
| "帮我更新一下漏洞 skills" / "看看有没有新漏洞" | 模式 B：增量检查 |
| "分析 GHSA-xxxx-yyyy-zzzz 加到 skills 里" | 模式 C：单条分析 |
| "拉取 Go 生态的注入类漏洞做成 skill" | 模式 A：按条件构建 |
| "从 HackerOne 拉取 SSRF 报告做 skill" | 模式 D：H1 Hacktivity 构建 |
| "用 H1 bug bounty 报告生成渗透测试 skills" | 模式 D：H1 Hacktivity 构建 |
| "更新 pentest skills" / "补充 H1 数据" | 模式 D：H1 增量更新 |
阶段 1 — 批量拉取索引（快速，几分钟）：
python3 scripts/fetch_ghsa.py PIP --since 3y
python3 scripts/fetch_ghsa.py GO --since 3y
python3 scripts/fetch_ghsa.py NPM --since 3y
保存到 data/{ecosystem}.json（索引级：GHSA ID、CVSS、CWE、summary）。参数：--min-cvss(默认8), --severity(默认CRITICAL,HIGH), --since(如3y/1y/6m/30d)。
阶段 2 — 按 CWE 拉取完整详情（逐条 REST API）：
# 注入类全量详情
python3 scripts/fetch_details.py data/pip.json --cwe "77|78|89|94"
# 路径遍历类
python3 scripts/fetch_details.py data/pip.json --cwe "22|23|73"
# 反序列化类
python3 scripts/fetch_details.py data/pip.json --cwe "502"
# 认证绕过类
python3 scripts/fetch_details.py data/pip.json --cwe "287|288|306"
# 不过滤 CWE，全量拉取所有详情
python3 scripts/fetch_details.py data/pip.json
# 只想快速测试可以加 --top 限制
python3 scripts/fetch_details.py data/pip.json --cwe "77|78|89|94" --top 10
保存到 data/{ecosystem}_details_{cwe}.json（含完整 description、patch commit URL）。
读取 data/*_details_*.json，对每个候选：
description 提取漏洞根因和攻击路径patch_urls，用 gh api repos/{owner}/{repo}/commits/{sha} -H "Accept: application/vnd.github.diff" 获取 diff筛选标准：
跳过： 纯 DoS (CWE-400)、内存损坏无代码模式、description 为空或过短。
CWE 到 Skill 映射：
| CWE | Target Skill |
|---|---|
| CWE-77, 78, 89, 94 | vuln-patterns-injection |
| CWE-22, 23, 73 | vuln-patterns-path-traversal |
| CWE-287, 288, 306 | vuln-patterns-auth-bypass |
| CWE-502 | vuln-patterns-deserialization |
| CWE-918 | vuln-patterns-ssrf |
| CWE-79, 116 | vuln-patterns-xss |
| CWE-327, 328, 330 | vuln-patterns-crypto |
对每个 CWE 分组生成 vuln-skills/skills/vuln-patterns-{category}/SKILL.md + vuln-skills/skills/vuln-patterns-{category}/references/cases.md。
生成顺序——先写组级策略，再填 Case：
第一步：Detection Strategy（组级通用检测模型）
从该组所有候选中归纳通用的 Sources、Sinks、Sanitization 列表和检测路径。这是 Skill 的核心——Agent 审计时首先依据此策略定位候选漏洞点。
第二步：3-8 个 Case 写入 references/cases.md
每个 Case 代表一种独特的漏洞变体模式。选择标准：
**Similar Vulnerabilities** 聚合第三步：Detection Checklist + False Positive Exclusion Guide
从 Cases 中提炼可操作的检查项和误报排除条件。
遵循 references/skill-structure.md 和 references/case-template.md。
约束：
# GHSA ID 去重 + Case 数量检查
python3 scripts/check_existing_skills.py --skills-dir .
# vuln-patterns-* skills 静态测试（frontmatter、结构）
python3 scripts/test_vuln_patterns_skills.py
# go-vuln-* skills 静态测试 + 场景定义
python3 scripts/test_go_vuln_skills.py
详见下方「测试脚本说明」章节。
# 对比已有数据，检查新增漏洞
python3 scripts/fetch_ghsa.py PIP --diff
python3 scripts/fetch_ghsa.py GO --diff
如果有新增：
python3 scripts/fetch_details.py data/pip.json --cwe "..." --top 10python3 scripts/fetch_ghsa.py PIPgh api /advisories/{GHSA_ID} --jq '.'
分析后按 CWE 归入对应 Skill，按 Step 2-3 处理。
gh api repos/{owner}/{repo}/security-advisories \
--jq '.[] | "\(.ghsa_id) | \(.severity) | \(.cvss.score) | \(.summary)"'
从 HackerOne 公开的 Bug Bounty 报告中提取漏洞模式，生成渗透测试 Skills（pentest-*）。
# 拉取全部 critical/high 公开报告（默认最近 3 年，最多 3000 条）
python3 scripts/fetch_h1_hacktivity.py
# 按严重度过滤
python3 scripts/fetch_h1_hacktivity.py --severity critical
# 按 CWE/漏洞类型关键词过滤
python3 scripts/fetch_h1_hacktivity.py --cwe "SQL Injection"
python3 scripts/fetch_h1_hacktivity.py --cwe "SSRF"
# 按时间范围
python3 scripts/fetch_h1_hacktivity.py --since 1y
# 组合过滤
python3 scripts/fetch_h1_hacktivity.py --severity critical --cwe "XSS" --max 200
保存到 data/h1_hacktivity.json（索引级：标题、CWE、严重度、CVE ID、bounty、报告 URL）。无需认证，使用 HackerOne 公开 GraphQL API。
# 按 CWE 过滤并从 NVD 获取 CVE 描述
python3 scripts/fetch_h1_details.py data/h1_hacktivity.json --cwe "79|89|94"
# 只取前 N 条（按 bounty 降序）
python3 scripts/fetch_h1_details.py data/h1_hacktivity.json --top 30
# 可选：启用 Playwright 抓取报告全文（需要 pip install playwright）
python3 scripts/fetch_h1_details.py data/h1_hacktivity.json --cwe "918" --scrape
保存到 data/h1_hacktivity_details_{cwe}.json。有 CVE ID 的报告会从 NVD 补充漏洞描述和参考链接。
将详情数据按漏洞类型归入分类文件：
ls data/h1_by_category/
# access-control.json auth-bypass.json business-logic.json
# command-injection.json deserialization-xxe.json idor.json
# info-disclosure.json memory-corruption.json path-traversal.json
# request-forgery.json sqli.json ssrf.json xss.json
H1 分类到 Skill 映射：
| H1 分类文件 | Target Skill |
|---|---|
sqli.json | pentest-sqli |
xss.json | pentest-xss |
ssrf.json | pentest-ssrf |
command-injection.json | pentest-command-injection |
path-traversal.json | pentest-path-traversal |
auth-bypass.json | pentest-auth-bypass |
idor.json | pentest-idor |
info-disclosure.json | pentest-info-disclosure |
access-control.json | pentest-access-control |
business-logic.json | pentest-business-logic |
deserialization-xxe.json | pentest-deserialization-xxe |
request-forgery.json | pentest-request-forgery |
memory-corruption.json | pentest-memory-corruption |
对每个分类的数据，按模式 A 的 Step 2-3 相同流程处理：
hacktivity_summary + nvd_description 提取漏洞根因和攻击路径vuln-skills/skills/pentest-{category}/SKILL.md + references/cases.mdH1 数据特点（与 GHSA 的区别）：
hacktivity_summary 是 AI 生成的摘要，可能不完整，需结合 NVD 描述python3 scripts/test_pentest_skills.py
详见下方「测试脚本说明」章节。
生成 Skill 后需要运行测试确保质量。测试分两层：
python3 直接运行）：frontmatter 合规、章节结构完整性| 脚本 | 测试对象 | 静态测试 | 场景测试 |
|---|---|---|---|
scripts/test_vuln_patterns_skills.py | vuln-skills/skills/vuln-patterns-*/SKILL.md（6 个 Python 审计 skills） | frontmatter + 结构 | 18 个子代理场景定义 |
scripts/test_go_vuln_skills.py | vuln-skills/skills/go-vuln-*/SKILL.md（7 个 Go 审计 skills） | frontmatter + 结构 | 21 个子代理场景定义 |
scripts/test_pentest_skills.py | vuln-skills/skills/pentest-*/SKILL.md（13 个渗透测试 skills） | frontmatter + 结构 | 39 个子代理场景定义 |
# 运行静态测试（全部可直接执行）
python3 scripts/test_vuln_patterns_skills.py
python3 scripts/test_go_vuln_skills.py
python3 scripts/test_pentest_skills.py
# 查看 go-vuln 子代理场景定义（人类可读）
python3 scripts/test_go_vuln_skills.py --scenes
# 导出场景定义为 JSON（供程序消费）
python3 scripts/test_go_vuln_skills.py --json-scenes
test_go_vuln_skills.py 的 SCENARIOS 列表定义了 21 个场景（每 skill 3 个：retrieval + application + gap）。每个场景包含：
skill: 对应的 skill 名称type: 测试类型（retrieval / application / gap）scenario: 给子代理的场景描述（含 Go 代码片段）expected: 子代理输出应包含的关键点列表执行方式：在主对话中读取 skill 内容 + 场景定义，通过 Agent 工具启动子代理，将 skill 内容注入 prompt，让子代理产出审计分析，然后评估输出是否满足 expected 中的各期望点。
所有三套脚本的静态测试均检查：
npx claudepluginhub yhy0/ghsa-skill-builder --plugin ghsa-skill-builderPerforms read-only static security audits of Claude Code skills, commands, and plugins. Analyzes SKILL.md frontmatter, scripts, and hooks for risks before enabling.
Provides web vulnerability testing methodology from 88,636 WooYun cases for penetration testing, security audits, code reviews, and research. Covers SQLi, XSS, RCE, file upload, path traversal, unauthorized access.
Finds similar vulnerabilities and bugs across codebases using pattern-based analysis. Use for hunting bug variants, building CodeQL/Semgrep queries, security vulnerability analysis, and code audits after initial issues.