GHSA Skill Builder
让 Claude 自动将 GitHub 公开漏洞数据库和 HackerOne Bug Bounty 报告转化为代码审计/渗透测试专用的结构化安全技能（Skills）
起因
我前段时间做了一个叫纯钧（ChunJun）的 AI 代码审计系统。系统架构上做了不少工作——预扫描、CodeQL、Agent 多阶段验证、对抗反思——但审计效果始终不够理想。
反思了一下，猜测一个可能的原因：我给 Agent 的只是通用的代码审计思路，它可能还需要一份更具体的漏洞模式知识作为技能。
比如 SQL 注入，Agent 能依赖的大概就是通用认知——「cursor.execute() 使用 f-string 拼接用户输入」。但翻一翻 GitHub Advisory Database 就会发现，真实世界中开发者踩的坑远比这复杂得多：
这些是开发者真实会犯的错误，也是安全研究人员发现的巧妙绕过思路。它们被记录在 GitHub Advisory Database 和 HackerOne Hacktivity 里，大部分都包含了根因分析、修复 commit、CWE 分类等完整信息。
光 Python 生态，CRITICAL + HIGH 级别就有 3,777 条，其中 CVSS >= 8.0 的有 946 条。HackerOne 公开报告中 critical/high 级别有数千条。
让人一条条去看、分析、提炼？不现实。
所以想法很简单：让 Claude 来干这件事——自动拉取、分析、结构化，生成 Agent 能用的安全技能。
这个 repo 包含什么
本 repo 是一个 Claude Code Marketplace，包含两个可独立安装的 plugin：
| Plugin | 说明 | 适用人群 |
|---|
| vuln-skills | 26 个安全漏洞审计/渗透测试 Skills | 直接用来做代码审计或渗透测试的人 |
| ghsa-skill-builder | Skill 生成器（从 GHSA/H1 拉取数据生成 skills） | 想自己拉数据、定制生成 skills 的人 |
26 个 Skills 覆盖范围
Python 代码审计（6 个）：injection、path-traversal、auth-bypass、deserialization、ssrf、xss
Go 代码审计（7 个）：auth-bypass、path-traversal、injection、dos、info-disclosure、crypto-tls、ssrf-requestforgery
Web 渗透测试（13 个，基于 HackerOne 真实报告）：sqli、xss、ssrf、idor、access-control、path-traversal、command-injection、auth-bypass、info-disclosure、memory-corruption、request-forgery、business-logic、deserialization-xxe
安装
方式 1：安装审计 Skills（推荐大多数用户）
/plugin install vuln-skills@yhy0/ghsa-skill-builder
安装后 Claude 会自动获得 26 个安全审计 Skills，在代码审计或渗透测试时自动触发。
方式 2：安装 Skill 生成器
/plugin install ghsa-skill-builder@yhy0/ghsa-skill-builder
安装后可以让 Claude 从 GHSA/HackerOne 拉取最新漏洞数据，自动生成或更新 Skills。
方式 3：两个都装
/plugin install vuln-skills@yhy0/ghsa-skill-builder
/plugin install ghsa-skill-builder@yhy0/ghsa-skill-builder
前置条件
生成的 Skill 长什么样
每个 Skill 分两层，渐进式加载：
第一层：Detection Strategy（检测策略）——Agent 审计时首先加载，定义这类漏洞的通用检测模型。
## Detection Strategy
Sources（用户输入入口）：
- request.args, request.json, request.form
- tool_call.arguments（MCP/Agent 场景）
- 配置文件中用户可控的字段
Sinks（危险函数）：
- cursor.execute(), engine.execute()
- Model.objects.extra(where=...), Model.objects.raw()
- asyncmy/PyMySQL 的 dict 参数传递
Sanitization（安全屏障）：
- 参数化查询 (cursor.execute(sql, params))
- ORM 标准查询方法（filter/exclude/get）
检测路径：
1. 搜索 sink 调用
2. 回溯数据流，检查参数是否来自 source
3. 验证路径上是否存在有效 sanitization
4. 无 sanitization → 标记为候选漏洞
第二层：Real-World Cases（真实案例）——Agent 需要深入验证时按需加载。每个 Case 从真实 GHSA/CVE 或 HackerOne 报告中提炼，包含完整的攻击链分析：
### Case N: [package] — [漏洞模式] (CVE-xxxx-yyyy, CVSS x.x)
Root Cause: [一句话根因]
Source → Sink 路径:
- Source: request.form["package"]
- Sink: os.path.join() + open()
- Sanitization Gap: replace() 不处理 ".." 序列
Vulnerable Code Pattern (affected-file.py):
# 5-15 行真实漏洞代码
Attack Path:
1. 攻击者通过 [source] 注入 [payload]
2. 数据经过 [中间处理]
3. 到达 [sink]，触发 [危害]
Why Standard Scanners Miss It:
- CodeQL: [具体原因]
- Bandit: [具体原因]
这种两层结构让 Agent 审计时先用轻量的检测策略快速扫一遍，发现可疑点再加载具体案例深入确认——而不是把几千条漏洞全塞进上下文。
使用
直接审计（安装 vuln-skills 后）
Skills 会根据上下文自动触发，也可以用 slash command 手动调用：
审计这段代码有没有注入漏洞
检查这个 Go 项目的认证绕过风险
对这个 Web 应用做一次 SSRF 渗透测试
生成/更新 Skills（安装 ghsa-skill-builder 后）
拉取最近三年 Python 高危漏洞，生成代码审计 skills
拉取 Go 生态 CVSS >= 9 的漏洞，生成审计 skills
从 HackerOne 拉取 SSRF 报告做渗透测试 skill
帮我检查一下漏洞 skills 是否需要更新
分析 GHSA-qhqw-rrw9-25rm 并加到对应的 skill 中
生成器支持两个数据源：
| 数据源 | 生成的 Skill 类型 | 特点 |
|---|
| GHSA（GitHub Advisory Database） | vuln-patterns-*, go-vuln-* 代码审计 | 有 patch diff，可提取精确的漏洞代码模式 |
| HackerOne Hacktivity | pentest-* 渗透测试 | 有攻击步骤和 PoC，侧重实战渗透手法 |
脚本也可以独立使用：
# GHSA: 全量拉取 Python 生态索引
python3 scripts/fetch_ghsa.py PIP --since 3y
# GHSA: 拉取注入类漏洞的完整详情
python3 scripts/fetch_details.py data/pip.json --cwe "77|78|89|94"
# GHSA: 增量检查
python3 scripts/fetch_ghsa.py PIP --diff
# HackerOne: 拉取公开 Hacktivity 报告
python3 scripts/fetch_h1_hacktivity.py --severity critical
# HackerOne: 按 CWE 过滤并补充 NVD 描述
python3 scripts/fetch_h1_details.py data/h1_hacktivity.json --cwe "79|89|94"
# 支持 7 种生态: PIP | GO | NPM | MAVEN | NUGET | RUBYGEMS | RUST
项目结构