implementing-network-traffic-baselining
Ajuda seu agente a entender o tráfego normal da rede. Ele cria um perfil do tráfego usual e alerta sobre qualquer atividade incomum ou perigosa.
O que ela faz
Esta ferramenta analisa o tráfego de rede para entender como ele se comporta normalmente. Ela identifica atividades incomuns, como picos de envio de dados ou padrões de comunicação suspeitos, comparando o tráfego atual com o histórico.
Quando usar
- ✓Quando você quer saber como é o tráfego normal da sua rede.
- ✓Para detectar atividades estranhas que podem indicar um problema de segurança.
- ✓Ao configurar sistemas de segurança para monitorar a rede.
Exemplo do que pedir para a IA
“Analise os dados de tráfego da minha rede dos últimos 7 dias e me diga se há algo fora do comum.”
Quer saber mais? Abra as seções abaixo.
Como usar
O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.
Link da skill
Mensagem pronta para colar
Como funciona
A ferramenta lê os dados de tráfego da rede (em formato CSV ou JSON) e usa matemática para calcular o que é 'normal'. Em seguida, ela compara o tráfego atual com essa normalidade e alerta sobre qualquer coisa que pareça muito diferente.
Instalação
Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.
No terminal (Claude Code, Codex, Cursor), na pasta do projeto:
npx skills add mukul975/Anthropic-Cybersecurity-Skills --skill implementing-network-traffic-baseliningOu baixe só o arquivo:
curl -L https://raw.githubusercontent.com/mukul975/Anthropic-Cybersecurity-Skills/main/skills/implementing-network-traffic-baselining/SKILL.md -o SKILL.mdConteúdo técnico (SKILL.md)
Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.
Implementando Linhas de Base de Tráfego de Rede
Visão Geral
A criação de linhas de base de tráfego de rede estabelece padrões de comunicação normais, analisando dados históricos de NetFlow/IPFIX para criar perfis estatísticos do comportamento esperado. Essa habilidade utiliza o pandas do Python para calcular distribuições de tráfego horárias e diárias, contagens de bytes/pacotes por host, proporções de protocolos e perfis dos principais N emissores. Anomalias são detectadas usando limites de z-score e métodos de detecção de outliers por IQR (intervalo interquartil), permitindo que analistas de SOC identifiquem desvios como picos de exfiltração de dados, padrões de beaconing e uso incomum de portas.
Quando Usar
- Ao implantar ou configurar capacidades de criação de linhas de base de tráfego de rede em seu ambiente
- Ao estabelecer controles de segurança alinhados a requisitos de conformidade
- Ao construir ou aprimorar a arquitetura de segurança para este domínio
- Ao realizar avaliações de segurança que exigem esta implementação
Pré-requisitos
- Dados de fluxo NetFlow v5/v9 ou IPFIX exportados como CSV ou JSON
- Python 3.8+ com as bibliotecas pandas e numpy
- Dados de fluxo históricos (mínimo de 7 dias recomendado para a linha de base)
Passos
- Ingerir registros NetFlow/IPFIX de exportações CSV ou JSON
- Calcular distribuições de volume de tráfego horárias e diárias (bytes, pacotes, fluxos)
- Construir perfis de linha de base por IP de origem com média, mediana, desvio padrão
- Calcular linhas de base de distribuição de protocolos e portas
- Aplicar detecção de anomalias por z-score para identificar outliers estatísticos
- Sinalizar fluxos que excedem limites baseados em IQR como anomalias potenciais
- Gerar relatório de linha de base com alertas de anomalias
Saída Esperada
Relatório JSON contendo linhas de base de tráfego (perfis horários/diários), estatísticas por host, anomalias detectadas com z-scores e classificações dos principais emissores com indicadores de desvio.
Perguntas frequentes
Que tipo de dados de tráfego a ferramenta usa?
Ela usa dados de NetFlow (v5/v9) ou IPFIX, que podem ser exportados como arquivos CSV ou JSON.
Quanto tempo de dados históricos são necessários?
Recomenda-se pelo menos 7 dias de dados para criar uma boa base de comparação.
O que são 'anomalias'?
Anomalias são atividades de tráfego que se desviam significativamente do padrão normal, podendo indicar um problema de segurança.
Detalhes
Descrição original do autor
Builds network traffic baselines from NetFlow/IPFIX CSV or JSON exports using Python pandas, computing hourly/daily volume distributions, per-host and protocol/port statistics, and top-talker profiles, then flags outliers via z-score and IQR anomaly detection. Use when a SOC analyst needs to establish normal traffic patterns and surface deviations such as data exfiltration spikes, beaconing, or un
Popularidade
- Estrelas no GitHub
- 35 mil
- Posição no ranking
- #5923
- Licença
- Apache-2.0
- Atualizada em
- 31/08/2026
Comentários
- …
Mais skills deste repositório
abusing-dpapi-for-credential-access
Dá ao seu agente de IA instruções prontas para uma tarefa específica, para ele fazer melhor e mais rápido.
mukul975/Anthropic-Cybersecurity-Skills
abusing-shadow-credentials-for-privesc
Ensina seu agente de IA a escrever textos claros e bem estruturados.
mukul975/Anthropic-Cybersecurity-Skills
achieving-cmmc-level-2-compliance
Ajuda seu agente a preparar um ambiente para conformidade com CMMC Nível 2. Ele implementa requisitos de segurança e gerencia a documentação necessária.
mukul975/Anthropic-Cybersecurity-Skills
acquiring-disk-image-with-dd-and-dcfldd
Ajuda seu agente a criar cópias exatas de discos rígidos. Isso é útil para garantir que nenhuma informação seja perdida ou alterada durante investigações.
mukul975/Anthropic-Cybersecurity-Skills
Skills parecidas
django-security
Ajuda seu agente a implementar práticas de segurança em aplicações Django. Ele foca em autenticação, autorização e prevenção contra ataques comuns, garantindo um código mais seguro.
affaan-m/ECC
laravel-security
Ajuda seu agente a proteger aplicações Laravel contra ameaças. Implementa práticas de segurança para autenticação, autorização e prevenção de ataques comuns.
affaan-m/ECC
module-regression
Ajuda seu agente a gerenciar mudanças em projetos grandes. Garante que alterações em uma parte do código não quebrem outras partes.
affaan-m/ECC