HN 日本語サマリー

← 一覧へ戻る
セキュリティ

Show HN: AnalystAIPack – マルウェア解析とリバースエンジニアリングのための118の実行可能なエージェントスキル

Show HN: AnalystAIPack – 118 runnable agent skills for malware analysis and RE (meltedinhex.com)

3 pointsby sdkhere0 コメント

要約

AnalystAIPackは、マルウェア解析、リバースエンジニアリング、脅威ハンティングのための118の実行可能なエージェントスキルを提供するオープンソースライブラリです。従来のAIエージェントが苦手とする、アナリストの実践的な知識のギャップを埋めることを目的としており、GitHub Copilotなどの互換性のあるエージェントに直接組み込むことができます。各スキルはテスト済みのスクリプトを含み、静的で読み取り専用の解析を実行することで安全性を確保し、MITRE ATT&CKなどのフレームワークにマッピングされています。

全文翻訳

AnalystAIPack: AIエージェントにマルウェアアナリストの知識を与える

汎用AIエージェントに不審な実行ファイルを分析させても、自信に満ちた曖昧な回答しか得られません。「ファイルに悪意のあるものがないか確認する」と嬉々として述べたり、存在しないプラグインを提案したり、実際に重要なステップをスキップしたりします。モデルはマルウェア分析について多くのことを知っていますが、アナリストの持つ実務知識が不足しています。例えば、メモリイメージに対してどのVolatility 3プラグインを実行するか、パッカーの元のエントリーポイントにどう到達するか、回収したC2設定をSigmaルールにどう変換するか、そして同様に重要なこととして、いつ結果を信頼しないか、といった知識です。

そのギャップを埋めるために私が構築したのが AnalystAIPack です。これは、マルウェア分析、リバースエンジニアリング、脅威ハンティングのための118のエージェントスキルからなるオープンなApache-2.0ライブラリで、GitHubで公開されました。

AnalystAIPackとは

AnalystAIPackは、agentskills.io の SKILL.md フォーマットで提供される、すぐにロードできるスキルのライブラリです。そのため、GitHub Copilot、Claude Code、Cursor、Codex CLI、Gemini CLI、またはその他の互換性のあるエージェントに直接組み込むことができます。意図的に深掘り型になっています。広範囲に浅く触れるだけのカタログではなく、アナリストが実際に作業する方法に対応する、4つの厳密にスコープされたサブドメインをカバーしています。

[画像: 4つのサブドメイン: lab-foundations (12スキル)、malware-analysis (38)、reverse-engineering (35)、threat-hunting (33)。それぞれに焦点分野を示すカードとして表示]

ライブラリは、実際のアナリストのワークフローを中心に配置された、厳密にスコープされた4つのサブドメインに分割されており、合計118のキュレーションされたスキルが含まれています。

サブドメインカバー範囲
lab-foundations安全な取り扱い、ラボセットアップ、トリアージ、ハッシュ、ファイルID、IOCフォーマット、レポート作成
malware-analysis静的、動的、振る舞い、メモリ分析; ドキュメントおよびスクリプトマルウェア; ファミリー
reverse-engineering逆アセンブルと逆コンパイル、アンパッキング、難読化解除、アンチ分析の回避、言語固有のRE
threat-hunting仮説駆動型ハント、エンドポイント、ネットワークおよびIDテレメトリ、検出エンジニアリング

フォルダいっぱいのプロンプトと異なる点は3つあります。

すべてのスキルは実行可能です。118のスキルすべてに、単なる説明ではなく分析を実行するテスト済みの scripts/analyst.py が付属しています。これらはPython標準ライブラリに依存し、オプションの依存関係が欠落している場合は優雅に低下し、リポジトリ全体の簡単なテストハーネスとCIゲートでカバーされています。ツールは実際に機能し、読みやすいだけではありません。

構築による安全性。スクリプトは静的で読み取り専用の分析を実行し、サンプルを絶対に実行しません。IOCは無害化されて提供されます(hxxp://、1[.]2[.]3[.]4)。サンプル処理スキルには、分離されたラボを想定した明示的な「安全性と取り扱い」セクションが付属しています。リポジトリにはライブマルウェアは含まれていません。

防御者のフレームワークレンズ。スキルはMITRE ATT&CK、MITRE D3FEND、およびハントの場合はMITRE CARにマッピングされます。これらは、コンプライアンスチェックリストよりもリバースエンジニアリング、マルウェア分析、脅威ハンティングに適合するため選択されました。このマッピングにより、エージェントはカバレッジを報告し、検出エンジニアリングに調査結果を組み込むことができます。

すべてのスキルは同じボディ契約に従います。「使用時期」(明示的な使用しないを含む)、「ワークフロー」、「検証」、「落とし穴」があるため、エージェントは技術を盲目的に適用するのではなく、常にその技術の境界を把握しています。

[画像: スキルの構造: frontmatter、MITREマッピング、使用時期、ワークフロー、検証、落とし穴をリストしたSKILL.mdカード。隣には、defanged JSONを出力し、READ-ONLY、NEVER EXECUTES、IOCs DEFANGED、NO LIVE SAMPLESのバッジが付いたanalyst.pyを実行しているターミナルが表示される]

各スキルは、意見の分かれる SKILL.md 手順と、構造化されたdefanged JSONを出力するテスト済みの読み取り専用 analyst.py を組み合わせています。

実例: サンプルから検出まで

深掘り型ライブラリのポイントは、スキルが連鎖することです。各スキルはステップであり、それらを繋げることでアナリストのループ全体をカバーします。不審な実行ファイルのトリアージがエンドツーエンドでどのように行われるかの例を以下に示します。

[画像: 8ステップのスキルノードパイプラインとしての分析ループ: トリアージ、静的PE、エントロピー、アンパック、設定、defang、ハント、検出。不審な.exeから耐久性のある検出へと流れる]

8つのスキルを連鎖: 未知の suspicious.exe から耐久性のある検出まで、各スクリプトのJSONが次のステップに渡される

#ステージスキル
1未知のファイルのトリアージtriaging-an-unknown-sample
2静的PE検査performing-static-pe-analysis
3エントロピー測定によるパッキングの検出measuring-section-entropy-to-detect-packing
4OEPへのアンパックmanually-unpacking-a-packed-binary
5C2設定の回収extracting-cobalt-strike-beacon-config
6IOCの無害化とパッケージ化defanging-and-sharing-iocs
7トラフィック内のIOCのハントhunting-cobalt-strike-traffic
8耐久性のある検出ルールの作成writing-sigma-detection-rules

CLIから実行する場合、機械的な手順は以下のようになります。

# 1. トリアージ、次に5.ビーコン設定の回収 (読み取り専用、サンプルは実行しない)
python tools/analyst-pack.py run triaging-an-unknown-sample -- triage suspicious.exe
python tools/analyst-pack.py run extracting-cobalt-strike-beacon-config -- parse beacon.bin

# 7. 回収したインジケータをプロキシ/Zeekログでハント、8. Sigmaルールを出力
python tools/analyst-pack.py run hunting-cobalt-strike-traffic -- hunt http.csv

すべてのスクリプトは構造化されたdefanged JSONを出力するため、あるステップの出力は次のステップ、レポート、またはSIEMに直接入力されます。調査は実際の調査と同じように進みます: トリアージ、静的分析、アンパックとリバース、設定とIOCの抽出、無害化、テレメトリ全体でのハント、そして検出ルールの作成です。

使用方法

ライブラリ全体は、単一のフロントドアである analyst-pack CLIの背後にあります。

python tools/analyst-pack.py list --subdomain threat-hunting   # スキルを閲覧
python tools/analyst-pack.py search kerberos                   # 全文検索
python tools/analyst-pack.py show hunting-lolbin-abuse-on-windows
python tools/analyst-pack.py run identifying-cryptographic-routines-in-binaries -- scan a.bin

GitHub Copilot を使用すると、さらに簡単になります。VS Codeでリポジトリを開くと、Copilot Chatはバンドルされた copilot-instructions.md を自動的に読み取るため、スキルの存在と安全な実行方法をすでに把握しています。エージェントモードでは、平易な言葉で質問するだけです。

  • “イベント.csvでLOLBinの悪用をハントして” は hunting-lolbin-abuse-on-windows に連鎖します。
  • “この未知のファイルをトリアージしてIOCを抽出して” はトリアージをIOC抽出に連鎖させます。

または、特定のス​​キルを指定して、それを駆動させます。

#file:skills/extracting-cobalt-strike-beacon-config/SKILL.md
このスキルを使用して beacon.bin を分析してください。

スクリプトはプレーンなPythonなので、既存のエージェント以外に必要なものはありません。最初から始めるには、リポジトリをクローンしてエージェントをそれに向けます。

git clone https://github.com/meltedinhex/analyst-ai-pack.git
cd analyst-ai-pack

AIエージェントはまず AGENTS.md を読むべきです。これは、スキルの検索、実行、安全な連鎖方法を説明しています。

安全性に関する注意

これらのスキルは実際の悪意のあるコード技術を説明しているため、安全性は後付けではなく、組み込まれています。サンプル処理スキルは、分離された分析ラボを想定し、安全な取り扱い、暗号化されたストレージ、IOCの無害化を文書化しています。スクリプトは静的で読み取り専用のままであり、プロジェクトにはライブマルウェアサンプルは含まれていません。目標は、エージェントにアナリストの判断力を与えることです。これには、何をしてはいけないかという規律も含まれます。

試してみてください

AnalystAIPackはApache-2.0ライセンスの下でオープンソースであり、現在公開されています。

もし時間の節約になったら、スターを付けていただけると、他の人が見つけやすくなります。しかし、最も良いのは、実際のサンプルで試してみて、どこが壊れているかを教えてくれることです。それがライブラリを改善するフィードバックになります。もしスキルが現場で遭遇したケースを見逃していたら、イシューまたはプルリクエストを開いてください。コントリビューティングガイド には、作成チェックリストとコンテンツが独自のものであることを保証するオリジナリティルールが記載されています。

これは個人的な独立プロジェクトであり、個人的な能力で維持されており、いかなる雇用主とも提携または承認されていません。