技能使用指南

threat-model（威胁建模）Skill 是什么？如何下载使用？

威胁建模Skill 内置 STRIDE、DREAD、PASTA 三大方法论，可在架构设计阶段系统识别安全威胁、量化风险并输出缓解计划。覆盖 API、云原生与机器学习场景，零门槛产出可评审威胁模型文档。本文详解安装步骤、使用方法、竞品对比与典型场景，帮你把安全左移到设计期。

威胁建模Skillthreat-model
8 个章节 约 16 分钟阅读 AI 智能生成

威胁建模Skill：把安全设计从“事后补救”变成“架构期防线”

核心结论速览：

  • 它是什么：威胁建模Skill（英文名 threat-model，技能ID 13474）是一个面向系统安全设计的结构化分析技能，帮助团队在写代码之前就把安全威胁找出来。
  • 它的方法论：内置 STRIDE 威胁分类、DREAD 风险评分、PASTA 七阶段流程三套业界通用方法论，不需要自己从零搭建框架。
  • 它的产出物：不是泛泛的安全建议，而是可落地的威胁清单、风险分数、攻击树和按优先级排序的缓解措施表。
  • 它的覆盖面：除通用 Web 系统外，还针对 API、云与容器基础设施、CI/CD 管道、机器学习模型等专项场景给出威胁关注点。
  • 它的适用人群：架构师、后端开发、安全工程师、技术负责人，以及需要通过合规审计、需要留下安全设计证据的团队。

该技能叫什么？如何下载安装 AI 技能提升开发效率？

这个技能的中文名是威胁建模Skill，英文名是 threat-model，技能ID 为 13474。

它要解决的问题非常具体：安全评审总是发生在系统上线前的最后一刻。等到渗透测试报告出来，架构已经定型，改造成本极高。威胁建模Skill 的价值在于把这个动作左移——在需求评审和架构设计阶段，就用结构化方法把「谁能攻击我、从哪里攻击、会造成什么后果、我该怎么防」这四件事梳理清楚，并沉淀成可评审、可追溯的文档。

它适用的触发时机包括：

  • 新系统设计：在动手实现之前识别安全需求；
  • 架构审查：评估现有系统与安全基线之间的差距；
  • 功能添加：评估一个新功能会引入哪些新的攻击面；
  • 第三方集成：评估外部依赖带来的供应链风险；
  • 合规要求：为审计留存安全控制的书面记录。

关于安装：

该技能以 AI 技能（Skill）形式交付，通常在 AI 助手的「技能库 / 技能市场」入口中加载。通用安装思路如下（具体命令、入口地址与账号要求以官方说明为准）：

  1. 确认前提：你的 AI 助手客户端或平台已支持技能（Skill）扩展机制，并已登录可用账号；
  2. 定位技能：在技能检索入口中，用英文名 threat-model 或技能ID 13474 进行搜索；
  3. 加载启用：选择该技能并执行安装 / 添加操作，等待状态变为「已启用」；
  4. 验证生效：新建一个对话，输入类似「请用 STRIDE 方法为一个带 JWT 登录的订单系统做威胁建模」的指令。若返回结果包含 STRIDE 分类表、DREAD 评分或缓解措施表等结构化内容，说明技能已正常生效；
  5. 失败排查：若返回仍是泛泛的安全建议，通常说明技能未被正确挂载，可回到技能列表确认启用状态，或查阅官方文档中的加载说明。

该技能的主要功能和特点

  • STRIDE 威胁分类体系：按欺骗（Spoofing）、篡改（Tampering）、抵赖（Repudiation）、信息泄露（Information Disclosure）、拒绝服务（Denial of Service）、权限提升（Elevation of Privilege）六类逐一排查，每一类都对应一个明确的安全属性（认证、完整性、不可否认性、机密性、可用性、授权），避免"漏掉某一类威胁"。
  • DREAD 量化风险评分：从损害程度、可复现性、可利用性、受影响用户数、可发现性五个维度各打 1-10 分，取平均值作为风险分数，并给出 7-10 分（立即行动）、4-6 分（计划修复）、1-3 分（接受或监控）的分级建议。这让"先修哪个"从拍脑袋变成有依据的排序。
  • PASTA 七阶段流程：从定义业务目标、技术范围，到应用分解、威胁分析、漏洞分析、攻击建模，最后落到风险与影响分析，适合需要与业务方对齐、需要完整分析链路的中大型项目。
  • 数据流图与信任边界建模：引导用户识别外部实体、处理过程、数据存储、数据流和信任边界，并输出带边界标注的字符画数据流图，把抽象的架构变成可视化的分析对象。
  • 攻击树构建：以"攻击者的根目标"为起点向下拆解攻击路径，并对每条叶子路径标注可能性与影响，直观呈现"敌人最可能从哪条路进来"。
  • 文档模板与缓解计划表：直接产出包含执行摘要、系统描述、资产、威胁分析、风险评估、缓解措施、剩余风险、评审计划八大章节的威胁模型文档骨架，缓解措施表还带优先级（P0/P1/P2）与状态列，可直接用于项目跟踪。
  • 领域专项威胁库：针对 API（BOLA/IDOR、JWT 伪造、批量赋值、GraphQL 内省与查询复杂度攻击、限流绕过）、基础设施（S3 桶配置错误、IAM 提权路径、容器逃逸、Kubernetes RBAC 与 etcd 加密、CI/CD 管道注入与依赖混淆）、机器学习（对抗样本、数据投毒、模型窃取、成员推断、差分隐私）分别给出专门的威胁清单与对应缓解措施。

和普通工具比强在哪：普通的安全扫描工具只能发现"已经存在的代码缺陷"，而威胁建模Skill 面向的是"还没有写出来的系统设计"。它不依赖代码，只依赖架构描述，因此能在成本最低的阶段介入，并输出可直接进入评审流程的结构化文档。

如何使用该技能？

下面是推荐的使用步骤，整体沿用了技能内置的威胁建模流程。

第 1 步：定义范围与资产

用自然语言向技能描述系统。可以直接引用它的输入格式：

系统名称：电商订单服务
目的：处理下单、支付、订单查询
数据敏感性：包含 PII 与支付数据
需要保护的资产：用户凭据、支付卡数据、订单记录

输出应当是一张资产表，包含资产名、分类（机密 / PCI-DSS / PII-GDPR）以及泄露后的影响。

第 2 步：生成数据流图

说明系统的组件构成与数据流向，例如"浏览器 → 负载均衡器 → API 网关 → 认证服务 / 应用服务器 → PostgreSQL / Redis"。技能会输出带信任边界标注的数据流图，并明确指出互联网、DMZ、内部三个信任层级的边界位置——这些边界正是攻击者最常尝试跨越的地方。

第 3 步：按组件做 STRIDE 分析

请求技能对每个组件逐一做 STRIDE 分析。典型输出是一张表，每行一个威胁，包含 STRIDE 类别、威胁描述、可能性、影响等级。例如 API 网关可能命中"伪造的 JWT 令牌（S，中可能性/高影响）“和"IDOR 越权访问其他用户（E，中可能性/关键影响）”。

第 4 步：DREAD 打分并排定优先级

对上一步识别出的威胁逐一打分，得出风险分数与风险级别。这样就能明确：SQL 注入和 IDOR 属于 P0 立即处理，详细错误信息泄露属于 P2 可排期。

第 5 步：构建攻击树

以"窃取用户数据"这类根目标出发，让技能向下拆解为危害凭据、利用应用漏洞、社会工程三条主路径，再展开到钓鱼、暴力破解、SQL 注入、IDOR、借口攻击等叶子节点，并标注每条路径的可能性与影响。

第 6 步：输出缓解计划

请求技能生成缓解措施表。输出通常包含威胁、对应缓解措施、优先级、状态四列，可直接贴进项目管理工具。例如 SQL 注入对应"参数化查询 + 输入验证（P0）“，JWT 伪造对应"RS256 签名 + 短有效期 + 密钥轮换（P1）”。

第 7 步：产出完整威胁模型文档

最后让技能按内置模板汇总成一份完整文档，包含执行摘要、系统描述、资产、威胁分析、风险评估、缓解措施、剩余风险和评审计划。这份文档可直接用于安全评审会或合规审计。

常用调用方式示例：

  • 「用 STRIDE 分析这个 API 网关的威胁，并按 DREAD 打分排序」
  • 「给我一个容器化部署到 Kubernetes 的威胁清单，重点是 RBAC 和 Secret 管理」
  • 「我们的推荐模型通过 API 对外服务，帮我做机器学习系统的威胁建模」

同类型竞品对比分析

方案名称 定位 核心功能 安装/使用门槛 适用场景 优势与不足
威胁建模Skill（threat-model） 对话式、方法论驱动的威胁建模助手 STRIDE 分类、DREAD 评分、PASTA 流程、数据流图、攻击树、文档模板、API/基础设施/ML 专项威胁库 低：在 AI 助手中加载技能后用自然语言描述系统即可；具体入口以官方说明为准 架构设计评审、新功能安全评估、第三方集成风险评估、合规文档准备 优势：零门槛起步、覆盖多套方法论与多个专项领域、直接产出可评审文档；不足：分析质量依赖用户对系统的描述完整度，不替代自动化扫描与渗透测试
传统威胁建模图表工具 图形化的数据流图与威胁登记工具 拖拽绘制数据流图、威胁条目登记、与缺陷系统联动 中：需要学习工具操作，通常需团队统一采购与培训 有专职安全团队、需要长期维护统一威胁模型库的组织 优势：图形规范、便于团队协作与版本管理；不足：方法论需要自己掌握，初学者容易画出图但列不全威胁
静态应用安全测试（SAST）工具 代码层自动化漏洞扫描 源码规则匹配、数据流污点分析、缺陷报告 中高：需接入代码仓库、配置规则集，存在误报调优成本 已有代码的存量系统、CI 流水线中的自动化卡点 优势：自动化程度高、可规模化；不足：只能发现已写出的代码问题，无法在架构阶段介入，误报率较高
通用大模型对话（无专用技能） 直接用通用 AI 助手提问安全设计问题 依赖提示词自由生成安全建议 低：直接提问即可 快速获得安全思路的初步启发 优势：上手最快；不足：输出结构不稳定、方法论覆盖不系统、易遗漏威胁类别，缺少固定的文档模板与评分框架

该技能的典型应用场景与实际体验情况

场景一：新业务系统的架构评审

  • 角色与痛点：后端架构师在评审一个即将上线的订单系统，团队里没有专职安全人员，安全评审会往往变成"大家凭经验提几句"。
  • 使用方式：把系统的组件、数据流、资产分类描述给技能，依次执行 STRIDE 分析和 DREAD 打分，产出威胁模型文档提交评审会。
  • 实际体验：上手几乎零门槛，只要能把架构说清楚，就能拿到一份结构完整的威胁清单。需要注意的是，描述越粗略，威胁识别越容易停留在通用层面；建议把每个组件的技术选型（例如"JWT 认证"“PostgreSQL”“Redis 缓存”）都明确写出，识别精度会明显提升。

场景二：API 对外开放前的安全自查

  • 角色与痛点：负责开放平台的开发者在把内部接口暴露给第三方之前，担心越权、限流和批量赋值这类 API 特有问题。
  • 使用方式：直接请求技能针对 REST / GraphQL API 做威胁建模，重点覆盖认证授权、数据暴露、限流与滥用、输入验证四个维度。
  • 实际体验：技能内置的 API 专项威胁清单命中率较高，BOLA/IDOR、GraphQL 内省未关闭、分页漏洞这类容易忽略的点都会被主动提出，并配套给出字段级授权、查询深度限制、请求签名等缓解措施。这类输出非常适合直接转成开发任务单。

场景三：云原生迁移前的风险评估

  • 角色与痛点：运维团队准备把服务迁移到 Kubernetes，对 RBAC 配置、Secret 管理、镜像安全心里没底。
  • 使用方式：请求技能按基础设施维度建模，重点分析云服务配置、容器安全、编排平台、CI/CD 管道四个方向。
  • 实际体验：技能会覆盖到"特权容器"“未认证的 kubelet”“构建代理被入侵”"依赖混淆"这类具体攻击面，并给出不可变基础设施、最小权限 IAM、网络分段、镜像签名等缓解方向。注意这部分输出偏方向和清单性质，具体配置项的落地仍需结合官方文档逐项核对。

场景四：机器学习模型上线前的合规评估

  • 角色与痛点：算法团队要把推荐模型通过预测 API 对外提供服务，法务关注训练数据中的个人信息是否可能通过模型输出泄露。
  • 使用方式：请求技能对 ML 系统建模，聚焦对抗性攻击、模型窃取、数据隐私、部署风险四类问题。
  • 实际体验：成员推断攻击、模型反演、差分隐私、模型水印这些容易被工程团队忽略的威胁会被系统性提出，为跨部门沟通提供了共同语言。这类分析偏方法论层面，具体技术方案的选型仍需要算法与安全团队进一步评估。

该技能能为用户带来的价值

第一，把安全工作的介入点提前，直接降低修复成本。 在设计阶段发现一个权限模型缺陷，改动的是几张架构图；在上线后才发现，改动的可能是已经写好的几十个接口。威胁建模Skill 让这个"提前"变得可执行——不需要额外的工具培训，用自然语言描述系统就能获得结构化分析。

第二，把模糊的安全讨论变成可排序的工程决策。 有了 DREAD 五维评分和 P0/P1/P2 优先级，安全议题不再停留在"这个风险好像挺严重"，而是可以进入迭代排期表，与业务需求一起被管理。

第三，降低安全方法论的学习门槛。 STRIDE、DREAD、PASTA 这套体系在安全行业里属于基本功，但对大多数开发团队来说，完整掌握它们需要相当的时间投入。技能把这些方法论固化成可复用的流程，使用者只需要提供系统信息，就能获得符合方法论规范的分析结果。

第四，沉淀可复用的组织资产。 技能输出的威胁模型文档模板包含执行摘要、资产清单、威胁分析、风险评估、缓解措施、剩余风险、评审计划八个部分，天然适合作为团队的标准交付物。随着项目积累，这些文档会成为组织内部的安全知识库，新项目可以直接借鉴同类系统的历史威胁清单。

第五，支撑合规与审计要求。 对需要应对安全审计、等级保护或客户安全问卷的团队来说，一份结构完整的威胁模型文档就是最直接的证据材料，省去了临时补材料的成本。

常见问题 FAQ

Q1：这个技能怎么安装？需要付费吗？

A：它通过 AI 助手的技能（Skill）机制加载，通常在技能库或技能市场中搜索英文名 threat-model 或技能ID 13474 即可找到。具体安装入口、是否需要订阅或付费，以官方说明为准。安装完成后，用一条包含 STRIDE 或威胁建模字样的指令测试，能返回结构化分析结果即表示生效。

Q2：我不是安全工程师，能用好吗？

A：可以。技能内置了完整的方法论流程，你只需要把系统的组件、数据流向和需要保护的资产描述清楚，剩下的分类、评分、排序由技能完成。当然，描述得越具体（技术栈、认证方式、部署形态），输出质量越高。建议第一次使用时先从单个模块入手，熟悉输出结构后再扩展到整体架构。

Q3：它和漏洞扫描工具是替代关系吗？

A：不是，两者互补。威胁建模面向的是"尚未实现的系统设计"，回答"可能有哪些威胁、该怎么防"；漏洞扫描和渗透测试面向的是"已经存在的代码和运行环境"，回答"实际存在哪些缺陷"。正确做法是先用威胁建模确定防护重点，再用扫描和测试去验证缓解措施是否真的生效。

Q4：多久需要重新做一次威胁建模？

A：技能的最佳实践中明确建议「迭代」——随着系统发展更新威胁模型。实践中，触发重新建模的典型节点包括：新增重要功能、引入新的第三方集成、架构发生重大调整、数据分类升级（例如开始处理支付数据）。文档模板里也专门留了「评审计划」章节用于记录复评时机。

Q5：它支持哪些类型的系统？

A：从技能详情看，除通用 Web 应用外，还覆盖 API（REST / GraphQL / gRPC）、基础设施（云服务、容器、Kubernetes 编排、CI/CD 管道）以及机器学习系统四大专项领域，并针对每类场景提供了对应的常见威胁清单与缓解措施。此外，Web 应用、数据库、认证、文件上传、第三方集成也都有快速参考清单可供查阅。