数据库安全审计

数据库安全审计，支持SQL注入检测、敏感数据扫描、权限审计、登录安全监控、审计日志分析、密码策略检查、配置安全审计。 使用场景： - 用户说"安全检查" -> 执行 audit - 用户说"检测注入" -> 执行 sql-injection - 用户说"扫描敏感数据" -> 执行 sensitive-data -...

Security Scan

技能目的与功能描述相符，但 SKILL.md 假定存在未申明的 CLI 工具和数据库凭据／配置，存在信息缺失和潜在滥用风险，需谨慎验证来源及凭据处理方式后再使用。

Purpose & Capability

技能名和说明描述的是数据库安全审计，SKILL.md 的命令调用了名为 `dbskiter` 的 CLI，这与技能目的相符；但元数据没有声明需要该二进制或其来源，也未说明如何提供数据库连接信息（主机/端口/用户/密码/连接字符串）。要求运行外部 CLI 且未声明是一个不一致点。

Instruction Scope

运行步骤直接教代理执行 `dbskiter --output-mode=ai --database=<name> ...` 等命令，隐含会访问目标数据库并读取敏感数据或审计日志，但 SKILL.md 没有说明凭据来源、是否会把扫描结果发到远端、以及在何处存储中间数据。特别是 `--output-mode=ai` 提示与 AI 的交互格式，但不清楚是否会把敏感内容传出，这使得执行范围与数据流不明确。

Install Mechanism

这是一个 instruction-only 的 skill（没有 install spec、没有代码文件），因此不会在安装时写入或下载二进制，安装面向风险较低。但运行时仍依赖系统中已有的 `dbskiter` 可执行文件。

Credentials

元数据声明没有需要的环境变量或配置路径，但命令显然需要数据库连接凭据（或配置文件）。这种不声明凭据需求的情况会导致代理采用不安全的默认行为（例如在环境变量、已登录会话、或系统配置文件中查找凭据），或需要用户在运行时以不安全方式提供密码。缺乏对凭据输入方式的说明是不成比例且令人担忧的。

Persistence & Privilege

技能没有设置 always:true，也没有安装脚本或写入磁盘的指示；默认的自治调用权限保持不变。技能本身不要求在系统中长期驻留或修改其他技能配置。

What to consider before installing

在安装或运行前请确认以下几点： 1) 验证 dbskiter 二进制的来源与版本：此 SKILL 假定系统上存在 `dbskiter`，但元数据未声明其来源。仅在能核实二进制来自受信任渠道（官方发行页、公司内部制品库）时才运行。 2) 明确凭据提供方式：不要将生产数据库凭据直接粘贴给不明技能。要求技能作者在文档中明确支持哪种认证方式（显式参数、连接字符串、受限只读账户或临时凭证），并优先使用最小权限或只读测试库。 3) 检查数据去向与隐私：询问或审查 dbskiter 是否会把扫描结果发送到外部服务（网络上报、云 API）。特别注意 `--output-mode=ai` 是否会把原始敏感字段传到第三方 AI 服务。 4) 在受控环境中先测试：先在隔离的、含有非真实数据的测试数据库上运行，确认输出行为和所需权限，再决定是否对生产数据库使用。 5) 要求作者/发布者补充元数据：请求补充需要的二进制声明、安装来源、需要的环境变量或配置路径，以及对凭据和网络通信的明确说明。若作者无法提供可信来源或明确说明，建议不要在敏感环境中启用此技能。

数据库安全 Skill

何时使用

当用户提到以下关键词时，使用此skill：

用户说法	执行命令	说明
"安全检查"	dbskiter --output-mode=ai --database=<name> security audit	完整安全审计
"有注入风险吗"	dbskiter --output-mode=ai --database=<name> security sql-injection "<SQL>"	SQL注入检测
"有敏感数据吗"	dbskiter --output-mode=ai --database=<name> security sensitive-data	敏感数据扫描
"安全评分多少"	dbskiter --output-mode=ai --database=<name> security score	安全评分
"检查权限"	dbskiter --output-mode=ai --database=<name> security permissions	权限审计
"登录安全"	dbskiter --output-mode=ai --database=<name> security login-security	登录安全监控
"审计日志"	dbskiter --output-mode=ai --database=<name> security audit-log	审计日志分析
"高危操作"	dbskiter --output-mode=ai --database=<name> security high-risk	高危操作检测
"密码策略"	dbskiter --output-mode=ai --database=<name> security password-policy	密码策略检查
"弱密码"	dbskiter --output-mode=ai --database=<name> security weak-passwords	弱密码检查
"配置安全"	dbskiter --output-mode=ai --database=<name> security config	配置安全审计

核心命令（11个）

1. 完整安全审计

dbskiter --output-mode=ai --database=<数据库名> security audit

输出：安全评分 + 所有风险项 + 修复建议

2. SQL注入检测

dbskiter --output-mode=ai --database=<数据库名> security sql-injection "SELECT * FROM users WHERE id = %s" --params='{"id": "1 OR 1=1"}'

输出：风险评分、注入类型、修复建议

3. 敏感数据扫描

dbskiter --output-mode=ai --database=<数据库名> security sensitive-data

默认行为：扫描所有表，识别身份证、手机号、邮箱等

可选参数：

• --tables=users,orders：只扫描指定表
• --sample-size=100：每表采样100行（默认100）

4. 安全评分

dbskiter --output-mode=ai --database=<数据库名> security score

输出：总体评分、各维度得分、扣分项

5. 权限审计

dbskiter --output-mode=ai --database=<数据库名> security permissions

输出：用户权限列表、过度授权警告

6. 登录安全监控

dbskiter --output-mode=ai --database=<数据库名> security login-security --hours=24

输出：登录失败统计、异常登录IP、暴力破解检测

可选参数：

• --hours=24：检查最近多少小时（默认24）

7. 审计日志分析

dbskiter --output-mode=ai --database=<数据库名> security audit-log --hours=24 --users=admin,root

输出：用户操作记录、DDL变更、权限变更

可选参数：

• --hours=24：分析最近多少小时（默认24）
• --users=admin,root：指定用户（逗号分隔）

8. 高危操作检测

dbskiter --output-mode=ai --database=<数据库名> security high-risk --hours=24

输出：DROP/DELETE/TRUNCATE等高危操作记录

可选参数：

• --hours=24：检查最近多少小时（默认24）

9. 密码策略检查

dbskiter --output-mode=ai --database=<数据库名> security password-policy

输出：当前密码策略、合规性检查、改进建议

10. 弱密码检查

dbskiter --output-mode=ai --database=<数据库名> security weak-passwords

输出：弱密码用户列表、空密码用户、风险等级

11. 配置安全审计

dbskiter --output-mode=ai --database=<数据库名> security config

输出：配置安全问题、推荐值、风险等级

AI决策流程

场景1：用户说"做安全检查"

步骤1：执行 dbskiter --output-mode=ai --database=<name> security audit
步骤2：解读AI返回的结构化数据（raw_metrics/rule_flags/context/reference_values/ai_hints）
步骤3：按严重程度列出需要修复的问题
步骤4：提供修复命令或建议

场景2：用户说"这个SQL有注入风险吗"

步骤1：执行 dbskiter --output-mode=ai --database=<name> security sql-injection "<SQL>" --params='...'
步骤2：解读AI返回的rule_flags和raw_metrics中的风险信息
步骤3：如果风险评分>70，详细说明风险点
步骤4：提供安全的写法（参数化查询）

场景3：用户说"有敏感数据暴露吗"

步骤1：执行 dbskiter --output-mode=ai --database=<name> security sensitive-data
步骤2：解读AI返回的raw_metrics中的敏感字段列表
步骤3：列出发现的敏感字段
步骤4：建议加密或脱敏方案

输出解读

安全审计输出

{
  "summary": "安全评分72分，发现5个风险项",
  "score": 72,
  "level": "C",
  "risk_count": 5,
  "risks": [
    {
      "severity": "CRITICAL",
      "category": "sensitive_data",
      "message": "users.phone包含手机号，未加密",
      "suggestion": "对手机号字段加密存储"
    },
    {
      "severity": "HIGH",
      "category": "permissions",
      "message": "用户app_user拥有SUPER权限",
      "suggestion": "移除SUPER权限，只授予必要权限"
    }
  ]
}

AI应该关注：

• score：安全评分（<80需要关注）
• level：安全等级（A/B/C/D）
• risks中severity为"CRITICAL"或"HIGH"的项

SQL注入检测输出

{
  "summary": "风险评分85分，检测到永真条件注入",
  "risk_score": 85,
  "level": "HIGH",
  "injection_types": ["tautology"],
  "suggestions": [
    "使用参数化查询替代字符串拼接",
    "对用户输入进行严格验证"
  ]
}

AI应该关注：

• risk_score：风险评分（>70为高风险）
• injection_types：注入类型
• suggestions：修复建议