# analyzing-campaign-attribution-evidence

Скилл для разбора киберкампаний: раскладывает улики по гипотезам и выдаёт уровень уверенности в атрибуции. Нужен, когда по инциденту надо защитить вывод о заказчике.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 464 установки · ★ 35034
- Автор: mahipal
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/HEAD/skills/analyzing-campaign-attribution-evidence/SKILL.md
- Обновлён: 2026-08-31
- HTML: https://affpapa.org/nevibecode/skills/analyzing-campaign-attribution-evidence

## Что делает

Скилл ведёт аналитика по структурированному процессу. Сначала собираются улики по категориям: пересечения инфраструктуры, совпадения TTP, схожесть кода малвари, операционные паттерны, языковые артефакты и виктимология. Каждая улика получает вес уверенности.

Дальше работает метод ACH — анализ конкурирующих гипотез. Улика оценивается как согласующаяся, противоречащая или нейтральная по отношению к каждому подозреваемому актору. Согласующаяся добавляет баллы, противоречащая отнимает вдвое больше. Побеждает гипотеза с наименьшим числом противоречий, а не с наибольшим числом совпадений. Итоговый балл переводится в уровень HIGH, MODERATE или LOW.

Внутри есть готовые Python-функции: класс `AttributionAnalyzer` для учёта улик и ранжирования гипотез, сравнение инфраструктуры двух кампаний по IP, доменам, ASN и регистраторам, сопоставление техник через `attackcti`. Для работы нужен Python 3.9+ с библиотеками `attackcti`, `stix2` и `networkx`, а также доступ к MISP или OpenCTI. Без подключённой ти-платформы половина шагов провисает, потому что сравнивать не с чем.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-campaign-attribution-evidence -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/analyzing-campaign-attribution-evidence/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/analyzing-campaign-attribution-evidence/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-campaign-attribution-evidence -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/analyzing-campaign-attribution-evidence/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-campaign-attribution-evidence -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/analyzing-campaign-attribution-evidence/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install mukul975/Anthropic-Cybersecurity-Skills analyzing-campaign-attribution-evidence
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/analyzing-campaign-attribution-evidence/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-campaign-attribution-evidence -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/mukul975/Anthropic-Cybersecurity-Skills --path skills/analyzing-campaign-attribution-evidence
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/analyzing-campaign-attribution-evidence/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill analyzing-campaign-attribution-evidence -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/HEAD/skills/analyzing-campaign-attribution-evidence/SKILL.md

## Когда брать
- свести разрозненные улики по инциденту в одну картину
- оценить, насколько уверенно можно назвать актора
- сравнить инфраструктуру двух кампаний на пересечения
- проверить гипотезу об акторе на противоречащие факты
- обосновать уровень уверенности в отчёте для заказчика

## Примеры запросов агенту
- разбери улики по этой кампании и оцени уверенность атрибуции
- сравни инфраструктуру двух кампаний: IP, домены, ASN
- прогони ACH по трём гипотезам об акторе и покажи, где противоречия

## Похожие
- [threat-detection](https://affpapa.org/nevibecode/skills/threat-detection.md) — скилл · 637 установок
- [attribution-setup](https://affpapa.org/nevibecode/skills/attribution-setup.md) — скилл · 1800 установок
- [attribution](https://affpapa.org/nevibecode/skills/attribution.md) — скилл · 38500 установок
- [ad-attribution-gap](https://affpapa.org/nevibecode/skills/ad-attribution-gap.md) — скилл · 20500 установок
- [ads-attribution](https://affpapa.org/nevibecode/skills/ads-attribution.md) — скилл · 3400 установок
- [attribution-reconciler](https://affpapa.org/nevibecode/skills/attribution-reconciler.md) — скилл · 1000 установок

Из того же набора: [mukul975/anthropic-cybersecurity-skills](https://affpapa.org/nevibecode/by/mukul975/anthropic-cybersecurity-skills.md) — 89 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md