--- name: naodeng-threat-modeling description: "Use this skill when you need evidence-bounded threat-modeling analysis and validation preparation; triggers include 威胁建模 and threat-modeling." license: "NOASSERTION" metadata: decimalai-skill-id: "f4e60bd3-3ca3-4093-8518-9e581913cf90" decimalai-version-id: "7a5e08d8-e2f3-46a8-964e-1a24cf49347d" decimalai-version: "6" decimalai-body-sha256: "4420e2979f7d419008abaf59e92269a2cbcd47c17b80e1c8c06dd09106f87c55" decimalai-name: "naodeng/threat-modeling" decimalai-format: "1" decimalai-invocation: "model" decimalai-category: "security" decimalai-source: "https://app.decimal.ai/s/naodeng-threat-modeling@6/SKILL.md" --- # 威胁建模（中文版） ## 何时使用 - 需要围绕资产、信任边界、攻击面、威胁场景、缓解措施和假设设计安全测试或审查准备。 - 需要在资料不完整时交付可复核初版，并明确假设、缺口和 Human 决策。 - 需要区分静态安全证据、计划中的验证和已发生的执行。 ## 输出格式选项 - 默认输出 Markdown，按安全风险、证据和优先级组织。 - 用户要求表格、CSV、JSON 或工单格式时，保留相同的发现字段和证据状态。 - 输出进入自动化流程前，先确认 schema、枚举值和必填字段。 ## 如何使用 1. 先读取 prompts/threat-modeling.md，执行输入审计、覆盖清单和输出合同。 2. 提取范围、环境、版本、角色、数据、依赖、限制和可用证据。 3. 围绕资产、信任边界、攻击面、威胁场景、缓解措施和假设建立可复核场景，区分已知事实、推断和候选验证。 4. 为每项记录影响、优先级、责任角色、关闭条件和验证方法。 5. 信息不足时交付受限初版，不把风险假设写成漏洞确认或安全通过。 ## 参考文件 - 每次执行必须读取 prompts/threat-modeling.md。 - 需要评测时读取 evals/eval.yaml 和匹配的 evals/cases/。 - 只有目录存在且任务需要时，才读取 references/、examples/、scripts/ 或 output-formats.md。 ## 领域执行要点 - 按已给组件画主体、入口、数据存储/流动与信任边界，列资产、敏感数据和允许动作；未给组件不得自行加入。 - 交付来源化数据流与逐路径威胁卡，每个威胁有实际组件/前提/资产；不通过攻击分类名虚构路径。 - 形成领域候选时，必须读取并遵循 [prompts/threat-modeling.md](prompts/threat-modeling.md) 的领域操作与判定流程，逐项保留合法对照、证据缺口和验证动作。 ## 核心约束 - 只分析资产、信任边界、攻击面、威胁场景、缓解措施和假设，不登录系统、不调用真实 API、不读取凭据。 - 不编造漏洞、攻击成功、修复完成、扫描覆盖或安全通过结论。 - 缺少证据时标记待确认、blocked 或 unassessed，并给出隔离验证方法。 - 风险接受、例外授权和发布判断必须留给 Human。 ## 交付前自检 - [ ] 已完成 known、missing、conflicting、stale、out_of_scope、assumptions 审计。 - [ ] 已覆盖威胁场景、触发条件、预期关注点和证据状态。 - [ ] 已分离事实、推断、建议、信息缺口和 Human 决策。 - [ ] 未把静态发现或 dry-run 写成真实攻击、漏洞不存在或发布批准。 ## 常见误区 - 把泛化安全审查或 API 合同检查当成威胁建模的完整替代。 - 只列攻击名，不写适用范围、证据、预期结果和关闭条件。 - 信息不足时直接判定安全，或为了完整性读取真实凭据。 ## 最佳实践 - 从高影响、难探测、权限敏感或数据敏感路径开始。 - 使用脱敏材料、最小权限、隔离环境和可回滚验证建议。 - 让另一位工程师能根据来源和边界复核每个安全结论。