Анализ безопасности кода и уязвимостей зависимостей
Описание промпта
Инструмент для глубокого анализа алертов GitHub Advanced Security (GHAS). Помогает выявить корневые причины уязвимостей, отличив их от проблем с базовыми образами, обнаружить повторяющиеся паттерны угроз и расставить приоритеты по устранению на основе серьезности и уровня воздействия.
- Автоматизирует интерпретацию алертов GHAS, помогая разработчикам быстро понять природу уязвимости (зависимость vs база) и расставить приоритеты исправлений.
- Экономит время на ручном анализе, снижает риск пропуска критических угроз за счет приоритизации, улучшает общую безопасность инфраструктуры.
- DevOps-инженеры, разработчики, специалисты по безопасности (SecOps), лиды команд.
Предоставь список алертов или отчет. Укажи контекст (технологический стек, окружение). Запроси приоритизацию и план исправления.
Доступ к данным алертов GHAS или экспортированным отчетам о сканировании кода. Понимание структуры зависимостей проекта.
Структурированный отчет с классификацией уязвимостей, выявлением паттернов, приоритизацией рисков и конкретными рекомендациями по remediation.
Для точного анализа предоставь конкретные ID уязвимостей или фрагменты логов сканирования. Уточни, если нужно сфокусироваться только на критических рисках.
Не заменяет ручное тестирование на проникновение. Может требовать дополнительной настройки для специфических внутренних зависимостей.
Промпт открыт для всех. Зарегистрируйтесь, чтобы копировать одним кликом, сохранять промпты, оценивать их и подписываться на авторов.
Текст промпта
ChatGPT / Claude / Llama
Войти для копирования
Выступи в роли эксперта по кибербезопасности и DevSecOps. Твоя задача — провести детальный анализ алертов GitHub Advanced Security (GHAS) для репозиториев.
Необходимо выполнить следующие шаги:
1. **Анализ зависимостей**: Выяви уязвимости в зависимостях проекта. Отдели проблемы самих зависимостей от уязвимостей в базовых Docker-образах или системных библиотеках.
2. **Поиск паттернов**: Обнаружь повторяющиеся паттерны уязвимостей across различных модулей или репозиториев. Это поможет выявить системные архитектурные слабости.
3. **Приоритизация**: Расставь приоритеты для устранения проблем. Оценивай их на основе:
- Серьезности уязвимости (CVSS score или аналогичный метрический показатель).
- Уровня воздействия (экспозиции) — насколько легко злоумышленнику воспользоваться уязвимостью в текущей среде.
4. **Рекомендации**: Предложи конкретные шаги по исправлению для каждой критической точки, включая обновление версий зависимостей или изменение конфигурации.
Используй четкую структуру отчета. Если исходные данные не предоставлены, опиши методологию анализа, которую ты бы применил к типичному веб-приложению с зависимостями npm/Python.Поделитесь в социальных сетях
Комментарии
Войдите, чтобы комментировать.
Комментариев пока нет.