🔒스킬
Cloudflare의 AI 에이전트 보안 감사 스킬
AI 코딩 에이전트를 보안 감사관으로 변환하는 6단계 구조화된 취약점 탐지 시스템
↗ 원본 링크#보안감사#취약점탐지#AI에이전트#Cloudflare
소개
Cloudflare가 공개한 security-audit-skill은 AI 코딩 에이전트를 자동 보안 감사관으로 만들어주는 오픈소스 스킬입니다. Cloudflare의 취약점 발견 하네스 구축 가이드에서 소개된 시스템의 출발점이 된 프로젝트입니다.
핵심 기능
이 스킬은 6단계 구조화된 감사 프로세스를 통해 작동합니다:
1️⃣ 정찰 (Reconnaissance)
▸아키텍처, 신뢰 경계, 입력 표면 매핑
▸`architecture.md`와 `coverage-ledger.json` 생성
2️⃣ 커버리지 기반 헌팅
▸독립된 헌터 에이전트 할당
▸검사 내용 기록 및 커버리지 갭 분석
3️⃣ 후보 검증
▸모든 고유 후보에 대해 새로운 검증자 배정
▸반증 시도를 통한 검증
4️⃣ 구조화된 출력
▸`findings.json`에 결과 기록
▸`confirmed`, `needs_validation`, `rejected` 분류
▸`report-schema.json` 기반 검증
5️⃣ 독립 기록 검증
▸새로운 에이전트가 최종 소스 주장 검증
▸중요 변경사항에 대한 추가 검증
6️⃣ 중립적 리포팅
▸`REPORT.md`, `FINDINGS-DETAIL.md` 등 생성
▸검증된 기록과 커버리지 원장 기반
주요 특징
🔄 누적 실행 방식
동일 저장소에 대한 여러 번의 실행이 누적됩니다. 이전 원장과 발견사항을 활용하여:
▸커버리지 갭 타겟팅
▸변경된 소스 재검증
▸오래된 작업을 커버된 것으로 처리하지 않음
📊 명확한 판정 기준
▸
confirmed: 완전한 소스 추적과 결과 확인
▸
needs_validation: 미해결 사실, 심각도 없음
▸
rejected: 반증된 후보
파일 구조
| 파일 | 목적 |
|---|---|
| `SKILL.md` | 설정, 핵심 원칙, 워크플로우 개요 |
| `RECONNAISSANCE.md` | 1단계 정찰 프롬프트 및 지침 |
| `HUNTING.md` | 2단계 오케스트레이션 및 헌팅 방법론 |
| `ATTACK-CLASSES.md` | 공격 클래스 프롬프트 |
| `MEMORY-SAFETY-AND-BINARY.md` | 메모리 안전성 및 바이너리 헌팅 클래스 |
활용 가치
이 스킬은 AI 에이전트를 활용한 자동화된 보안 감사 시스템을 구축하려는 팀에게 실용적인 출발점을 제공합니다. Cloudflare의 실전 경험을 바탕으로 개발되어 신뢰성과 확장성이 검증된 접근 방식입니다.