Модель угроз репозитория

Делает модель угроз по коду репозитория: границы доверия, активы, возможности атакующего и ранжированные сценарии атак с мерами защиты, а перед итоговым файлом уточняет ключевые допущения. Для случаев, когда явно нужна модель угроз кодовой базы.

БезопасностьПак: Скиллы OpenAI81 строкаsecurity-threat-model
Автор
Источник
openai/skills/skills/.curated/security-threat-model @ 49f948f
Лицензия
Apache-2.0

Об этом скилле

Что делает

Скилл составляет модель угроз репозитория или отдельного пути в нём — по коду, а не по типовому чек-листу. Агент находит компоненты, хранилища, интеграции и точки входа и отделяет код, который работает в проде, от CI, сборки и тестов. Границы доверия он описывает как конкретные связи между компонентами — с протоколом, аутентификацией, валидацией и лимитами. Затем перечисляет активы, от которых зависит риск, и описывает, что реальный атакующий может и чего не может, чтобы не завышать серьёзность. Угрозы записываются как небольшое число сценариев злоупотребления, привязанных к активам, и ранжируются по вероятности и ущербу — низкие, средние, высокие — с коротким обоснованием.

Перед итоговым отчётом агент останавливается, перечисляет допущения, которые сильнее всего влияют на ранжирование, и задаёт от одного до трёх вопросов: о развёртывании, доступности из интернета, аутентификации, чувствительности данных, мультитенантности. Меры защиты привязаны к компоненту, границе или точке входа, причём существующие (с доказательствами) отделены от рекомендуемых. Результат пишется в <repo-or-dir-name>-threat-model.md.

В references/prompt-template.md — всё, что задаёт результат: системный промпт, промпт для сводки по репозиторию и точная структура отчёта. В отчёте — диаграмма потоков данных на Mermaid, таблицы активов и поверхностей атаки, таблица угроз с идентификаторами TM-001, TM-002 и тринадцатью колонками от предусловий до идей обнаружения, а также список путей для последующего ревью. references/security-controls-and-assets.md — перечень категорий активов и мер защиты.

Когда включать и когда не надо

Перед ревью безопасности незнакомого сервиса, перед тем как открыть систему в интернет или новым клиентам, или чтобы решить, куда направить силы на ревью.

Описание ограничивает его явными просьбами о моделировании угроз или сценариях злоупотребления. Обзор архитектуры, ревью кода и проектирование, не связанное с безопасностью, — не его задачи. Сам он ничего не исправляет.

Как поставить и вызвать

Команда установки ниже скачивает SKILL.md, оба справочника, agents/openai.yaml и лицензию. Будьте готовы, что до появления файла агент дождётся ваших ответов. Вызвать:

  • Claude Code: /security-threat-model или попросить скилл по имени.
  • Codex: $security-threat-model.
  • Cursor: наберите / в чате Agent и выберите security-threat-model.

Пример: /security-threat-model Построй модель угроз для services/api. Сервис открыт в интернет и обслуживает несколько клиентов.

OpenAI пометила репозиторий openai/skills устаревшим; наша копия зафиксирована на одном из его коммитов, а новой версии этого скилла в openai/plugins на ноябрь 2026 года нет. В плагине Codex Security есть скилл threat-model, но это другой скилл — один из этапов его сканирования безопасности.

Чем отличается от похожих

SECURITY_MODEL.md для инструментов ревью пишет правила для автоматических сканеров — инварианты, классы находок, исключения с подтверждением владельца; этот скилл пишет отчёт для людей. Ревью безопасности по стеку сверяет код с правилами фреймворков, а Ревью безопасности проверяет дифф; оба могут начать с путей, которые перечислит этот скилл. В скилле Защита кода от уязвимостей есть пятиминутный проход по STRIDE прямо во время написания кода — куда легче, чем здесь. Аудит безопасности кода и сервисов и Плагин Claude Security начинают с похожего шага — карты границ доверия или модели угроз репозитория, — а потом сами ищут уязвимости и перепроверяют каждую находку; этот скилл останавливается на модели.

Установка

Выполните одну команду — она сохранит SKILL.md и файлы, которые он использует, в папку скиллов агента. Claude Code и Codex подхватывают новый скилл без перезапуска; если скилл не появился, перезапустите агента.

Скилл написан на английском — агент поймёт его и ответит вам по-русски.

Claude Code — macOS, Linux
curl -fsSL --create-dirs -o ~/.claude/skills/security-threat-model/SKILL.md https://anymodel.org/en/skills/openai/security-threat-model/SKILL.md -o ~/.claude/skills/security-threat-model/LICENSE.txt https://anymodel.org/en/skills/openai/security-threat-model/LICENSE.txt -o ~/.claude/skills/security-threat-model/agents/openai.yaml https://anymodel.org/en/skills/openai/security-threat-model/agents/openai.yaml -o ~/.claude/skills/security-threat-model/references/prompt-template.md https://anymodel.org/en/skills/openai/security-threat-model/references/prompt-template.md -o ~/.claude/skills/security-threat-model/references/security-controls-and-assets.md https://anymodel.org/en/skills/openai/security-threat-model/references/security-controls-and-assets.md
Codex, Cursor — macOS, Linux
curl -fsSL --create-dirs -o ~/.agents/skills/security-threat-model/SKILL.md https://anymodel.org/en/skills/openai/security-threat-model/SKILL.md -o ~/.agents/skills/security-threat-model/LICENSE.txt https://anymodel.org/en/skills/openai/security-threat-model/LICENSE.txt -o ~/.agents/skills/security-threat-model/agents/openai.yaml https://anymodel.org/en/skills/openai/security-threat-model/agents/openai.yaml -o ~/.agents/skills/security-threat-model/references/prompt-template.md https://anymodel.org/en/skills/openai/security-threat-model/references/prompt-template.md -o ~/.agents/skills/security-threat-model/references/security-controls-and-assets.md https://anymodel.org/en/skills/openai/security-threat-model/references/security-controls-and-assets.md
Claude Code — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','references/prompt-template.md','references/security-controls-and-assets.md') { $p = Join-Path "$HOME\.claude\skills\security-threat-model" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/security-threat-model/$f" -UseBasicParsing -OutFile $p }
Codex, Cursor — Windows PowerShell
foreach ($f in 'SKILL.md','LICENSE.txt','agents/openai.yaml','references/prompt-template.md','references/security-controls-and-assets.md') { $p = Join-Path "$HOME\.agents\skills\security-threat-model" $f; New-Item -ItemType Directory -Force (Split-Path $p) | Out-Null; Invoke-WebRequest "https://anymodel.org/en/skills/openai/security-threat-model/$f" -UseBasicParsing -OutFile $p }

Другой агент: сохраните файл в его папку скиллов или дайте ему ссылку на файл: https://anymodel.org/en/skills/openai/security-threat-model/SKILL.md

SKILL.md

Исходник

Threat Model Source Code Repo

Deliver an actionable AppSec-grade threat model that is specific to the repository or a project path, not a generic checklist. Anchor every architectural claim to evidence in the repo and keep assumptions explicit. Prioritizing realistic attacker goals and concrete impacts over generic checklists.

Quick start

  1. Collect (or infer) inputs:
  • Repo root path and any in-scope paths.
  • Intended usage, deployment model, internet exposure, and auth expectations (if known).
  • Any existing repository summary or architecture spec.
  • Use prompts in references/prompt-template.md to generate a repository summary.
  • Follow the required output contract in references/prompt-template.md. Use it verbatim when possible.

Workflow

1) Scope and extract the system model

  • Identify primary components, data stores, and external integrations from the repo summary.
  • Identify how the system runs (server, CLI, library, worker) and its entrypoints.
  • Separate runtime behavior from CI/build/dev tooling and from tests/examples.
  • Map the in-scope locations to those components and exclude out-of-scope items explicitly.
  • Do not claim components, flows, or controls without evidence.

2) Derive boundaries, assets, and entry points

  • Enumerate trust boundaries as concrete edges between components, noting protocol, auth, encryption, validation, and rate limiting.
  • List assets that drive risk (data, credentials, models, config, compute resources, audit logs).
  • Identify entry points (endpoints, upload surfaces, parsers/decoders, job triggers, admin tooling, logging/error sinks).

3) Calibrate assets and attacker capabilities

  • List the assets that drive risk (credentials, PII, integrity-critical state, availability-critical components, build artifacts).
  • Describe realistic attacker capabilities based on exposure and intended usage.
  • Explicitly note non-capabilities to avoid inflated severity.

4) Enumerate threats as abuse paths

  • Prefer attacker goals that map to assets and boundaries (exfiltration, privilege escalation, integrity compromise, denial of service).
  • Classify each threat and tie it to impacted assets.
  • Keep the number of threats small but high quality.

5) Prioritize with explicit likelihood and impact reasoning

  • Use qualitative likelihood and impact (low/medium/high) with short justifications.
  • Set overall priority (critical/high/medium/low) using likelihood x impact, adjusted for existing controls.
  • State which assumptions most influence the ranking.

6) Validate service context and assumptions with the user

  • Summarize key assumptions that materially affect threat ranking or scope, then ask the user to confirm or correct them.
  • Ask 1–3 targeted questions to resolve missing context (service owner and environment, scale/users, deployment model, authn/authz, internet exposure, data sensitivity, multi-tenancy).
  • Pause and wait for user feedback before producing the final report.
  • If the user declines or can’t answer, state which assumptions remain and how they influence priority.

7) Recommend mitigations and focus paths

  • Distinguish existing mitigations (with evidence) from recommended mitigations.
  • Tie mitigations to concrete locations (component, boundary, or entry point) and control types (authZ checks, input validation, schema enforcement, sandboxing, rate limits, secrets isolation, audit logging).
  • Prefer specific implementation hints over generic advice (e.g., "enforce schema at gateway for upload payloads" vs "validate inputs").
  • Base recommendations on validated user context; if assumptions remain unresolved, mark recommendations as conditional.

8) Run a quality check before finalizing

  • Confirm all discovered entrypoints are covered.
  • Confirm each trust boundary is represented in threats.
  • Confirm runtime vs CI/dev separation.
  • Confirm user clarifications (or explicit non-responses) are reflected.
  • Confirm assumptions and open questions are explicit.
  • Confirm that the format of the report matches closely the required output format defined in prompt template: references/prompt-template.md
  • Write the final Markdown to a file named <repo-or-dir-name>-threat-model.md (use the basename of the repo root, or the in-scope directory if you were asked to model a subpath).

Risk prioritization guidance (illustrative, not exhaustive)

  • High: pre-auth RCE, auth bypass, cross-tenant access, sensitive data exfiltration, key or token theft, model or config integrity compromise, sandbox escape.
  • Medium: targeted DoS of critical components, partial data exposure, rate-limit bypass with measurable impact, log/metrics poisoning that affects detection.
  • Low: low-sensitivity info leaks, noisy DoS with easy mitigation, issues requiring unlikely preconditions.

References

  • Output contract and full prompt template: references/prompt-template.md
  • Optional controls/asset list: references/security-controls-and-assets.md

Only load the reference files you need. Keep the final result concise, grounded, and reviewable.

Подключить через AnyModel API

Скилл работает на той модели, которую использует агент. Подключите Claude Code, Codex или Cursor к AnyModel и запускайте его на Claude, GPT, Gemini и других моделях по одному ключу — оплата за токены, без подписки.

Ещё из пака Скиллы OpenAI

Приложения на ASP.NET Core

Делает работу с ASP.NET Core по актуальным правилам: выбор между Blazor, Razor Pages, MVC и Minimal APIs, Program.cs и порядок middleware, авторизация, EF Core, тесты, переход на .NET 10. Для случаев, когда вы создаёте, ревьюите или обновляете приложение.

Приложения для ChatGPT на Apps SDK

Делает приложения для ChatGPT на Apps SDK: сначала читает документацию OpenAI, выбирает тип приложения, планирует MCP-инструменты, берёт официальный пример или заготовку на Node, проверяет в режиме разработчика. Для случаев, когда приложение живёт в ChatGPT.

CLI по документации API

Делает постоянный CLI по документации API, OpenAPI, curl-запросам или скрипту: JSON на выходе, doctor и dry-run, безопасная авторизация, установка в PATH и скилл-компаньон. Для случаев, когда агент раз за разом ходит в один сервис самодельными запросами.

Измеримая цель до начала работы

Делает из расплывчатого намерения одну измеримую цель с проверкой, границами и условием остановки и заводит её через get_goal и create_goal. Для случаев, когда перед долгой работой агента надо договориться, что считать «готово».

Разбор комментариев к PR на GitHub

Делает пронумерованный список всех комментариев, ревью и построчных тредов PR текущей ветки через GraphQL-скрипт на gh и правит только выбранные вами. Для случаев, когда в PR накопились замечания и вы хотите сами решить, что исправлять.

Починка упавших проверок GitHub Actions

Делает разбор упавших проверок GitHub Actions в PR: через gh скачивает логи, вырезает кусок с ошибкой и составляет план исправления, а код меняет только после одобрения. Для случаев, когда CI в PR красный и сначала нужна причина.

Ноутбуки Jupyter

Делает ноутбуки Jupyter для экспериментов и учебных разборов из готовых шаблонов через скрипт на стандартной библиотеке, с правилами структуры и чек-листом прогона. Для случаев, когда нужен новый ноутбук или старый надо сделать понятным и перезапускаемым.

Задачи и проекты в Linear

Делает работу с задачами, проектами и циклами Linear через его MCP-сервер в строгом порядке: настройка, рамки, чтение, потом запись, с примерами сценариев для триажа, спринтов и релизов. Для случаев, когда агент должен читать или менять Linear по ходу задачи.

Деплой на Netlify

Делает деплой проекта на Netlify через `npx netlify`: проверяет вход, привязывает папку к сайту по Git-remote или создаёт новый, собирает локально и отдаёт адрес превью или прода. Для случаев, когда сайт нужно выложить на Netlify со своей машины.

Управление браузером через Playwright CLI

Делает действия в настоящем браузере из терминала через playwright-cli: снапшоты дают ссылки на элементы для кликов и ввода, плюс скриншоты, консоль, сеть и трейсы, без файлов тестов. Для случаев, когда браузер нужно пройти по шагам.

Деплой на Render

Делает деплой приложения на Render из Git: пишет и проверяет Blueprint render.yaml с сервисами, базами и секретами или создаёт один сервис через MCP-сервер Render, затем смотрит статус и логи. Для случаев, когда приложению нужен хостинг на Render.

Ревью безопасности по стеку

Делает ревью безопасности кода на Python, JavaScript/TypeScript и Go по встроенным спецификациям для десяти фреймворков, пишет отчёт по серьёзности с номерами строк и чинит по одной находке. Для случаев, когда явно нужно ревью по практикам безопасности.

Ошибки и события в Sentry

Делает выборку issues и событий из Sentry через CLI sentry, ничего не меняя: свежие ошибки прода, детали issue и события, ИИ-разбор причины, с маскировкой персональных данных. Для случаев, когда нужно понять по Sentry, что ломается на проде.

Деплой на Vercel

Делает деплой на Vercel, по умолчанию превью: через Vercel CLI или, без аккаунта, скриптом, который загружает папку и отдаёт ссылку на превью и ссылку для переноса деплоя в свой аккаунт. Для случаев, когда быстро нужна ссылка на работающий проект.

Контекст дизайна из Figma MCP

Делает код из фрейма Figma через MCP-сервер: контекст дизайна, метаданные, скриншот, затем перевод на компоненты и токены проекта; описывает настройку сервера в Codex. Для случаев, когда нужно подключить Figma MCP или сверстать фрейм по ссылке.

Работа с Figma через use_figma

Делает обязательную подготовку перед каждым вызовом use_figma: правила Plugin API о return, страницах, цветах, шрифтах, ID узлов и работе малыми проверяемыми шагами. Для случаев, когда агент создаёт или правит что-то внутри файла Figma.

Вёрстка по макету Figma

Делает вёрстку по фрейму или компоненту Figma один в один: берёт контекст и скриншот, переводит на токены и компоненты проекта, проходит чек-лист сверки. Для случаев, когда по ссылке на Figma нужен готовый интерфейс в коде.

Макет в Figma из приложения

Делает экран в Figma по коду или описанию — по секциям, из опубликованных компонентов, переменных и стилей файла, без захардкоженных значений. Для случаев, когда страницу приложения нужно перенести в Figma или обновить там.

Дизайн-система в Figma из кода

Делает библиотеку дизайн-системы в Figma по коду за пять фаз с согласованием: разведка, переменные и стили, структура страниц, компоненты по одному, проверка. Для случаев, когда библиотека в Figma должна совпадать с токенами и компонентами кода.

Связка компонентов Figma с кодом

Делает связи Code Connect между опубликованными компонентами Figma и их реализацией в коде: находит несвязанные, подбирает пары в репозитории, связывает одобренные. Для случаев, когда библиотека в Figma и компоненты в коде уже есть, а связи нет.

Правила дизайн-системы для Figma

Делает файл правил для вёрстки по Figma — в CLAUDE.md, AGENTS.md или правила Cursor — по шаблону Figma и разбору кодовой базы. Для случаев, когда агента нужно один раз настроить на регулярную работу с макетами в этом репозитории.

Новый файл в Figma

Делает пустой файл Figma или доску FigJam в черновиках, выбирая тарифный план через whoami, и возвращает ключ и ссылку. Для случаев, когда следующему шагу с Figma нужен новый файл для записи.