15 промтов для кибербезопасности и DevSecOps: автоматизация аудита, пентеста и защиты облаков

В 2026 году специалисты по безопасности тратят до 40% времени на рутинные задачи: анализ логов, проверку конфигураций, написание правил. AI-ассистенты уже умеют генерировать YARA-правила, находить уязвимости в Terraform и разбирать инциденты. Но чтобы получить точный результат, нужны правильные промты.

Я собрал 15 проверенных шаблонов, которые использую сам. Каждый — с примером и пояснением. Они не заменят эксперта, но ускорят работу в разы.

1. Аудит AWS S3 на публичный доступ

Задача: быстро проверить бакеты на misconfiguration.

Промт:

Ты — AWS Security Auditor. Проанализируй JSON-политику бакета и найди риски: публичный доступ, отсутствие шифрования, слабые ACL. Выведи таблицу с критичностью и рекомендацией.

Пример: подаёте вывод aws s3api get-bucket-policy — AI находит "Principal": "*" и советует включить Block Public Access.

2. Генерация Sigma-правила для SIEM

Промт:

Напиши Sigma-правило для обнаружения подозрительного процесса powershell.exe с флагом -EncodedCommand. Укажи logsource, detection, falsepositives.

Пример: получаете YAML, который сразу загружается в Splunk или Elastic.

3. Разбор логов веб-сервера на атаки

Промт:

Проанализируй access.log Nginx. Найди попытки SQLi, LFI, XSS. Выведи IP, время, payload и рекомендацию по блокировке.

Пример: AI находит UNION SELECT в параметре id и предлагает правило ModSecurity.

4. Проверка Terraform на уязвимости

Промт:

Проверь Terraform-код на CIS Benchmark для AWS: открытые security group, незашифрованные EBS, публичные RDS. Дай исправленный код.

Пример: AI заменяет cidr_blocks = ["0.0.0.0/0"] на конкретный IP.

5. Написание YARA-правила

Промт:

Создай YARA-правило для обнаружения вредоносного PDF с JavaScript, вызывающим shellcode. Укажи strings и condition.

Пример: правило ловит /JavaScript и unescape( в одном файле.

6. Анализ инцидента по логам EDR

Промт:

Ты — Incident Responder. Вот лог CrowdStrike Falcon. Определи этапы атаки (MITRE ATT&CK), укажи IOC и следующие шаги.

Пример: AI сопоставляет rundll32.exe с T1218.011 и советует изолировать хост.

7. Генерация тестов на проникновение

Промт:

Составь план пентеста для веб-приложения на Django. Включи этапы: recon, exploitation, post-exploitation. Используй OWASP Testing Guide.

Пример: получаете чек-лист из 20 пунктов с командами для Burp Suite и sqlmap.

8. Проверка GCP IAM на избыточные права

Промт:

Проанализируй IAM-политику GCP. Найди роли с правами owner/editor, которые не используются. Предложи least privilege.

Пример: AI находит сервисный аккаунт с roles/editor и советует roles/storage.objectViewer.

9. Соответствие требованиям PCI DSS

Промт:

Проверь конфигурацию Kubernetes на соответствие PCI DSS 4.0. Укажи несоответствия и как исправить.

Пример: AI находит отсутствие NetworkPolicy и советует включить.

10. Автоматизация ответа на фишинг

Промт:

Напиши Python-скрипт для извлечения URL из письма .eml, проверки через VirusTotal API и блокировки в firewall.

Пример: скрипт использует requests и vt-py.

11. Анализ Docker-образа на уязвимости

Промт:

Проанализируй вывод Trivy для образа nginx:latest. Отсортируй уязвимости по CVSS, предложи обновление базового образа.

Пример: AI указывает на CVE-2026-1234 в openssl и советует nginx:1.27-alpine.

12. Написание правил для WAF

Промт:

Сгенерируй правило ModSecurity для блокировки XSS в параметрах GET. Учти обходы через кодирование.

Пример: правило с SecRule ARGS "@rx <script>".

13. Проверка Kubernetes RBAC

Промт:

Проверь RBAC-манифест. Найди роли с wildcard в resources/verbs. Предложи минимальные права.

Пример: AI заменяет * на конкретные get, list.

14. Генерация отчёта по пентесту

Промт:

Составь отчёт о пентесте на основе найденных уязвимостей: описание, риск, доказательство, рекомендация. Формат — для руководства.

Пример: AI создаёт структуру с Executive Summary и техническими деталями.

15. Автоматизация сбора IOC

Промт:

Напиши скрипт на Python для сбора IOC из Twitter API по хэштегу #malware и сохранения в MISP.

Пример: использует tweepy и pymisp.

Эти промты — не догма. Адаптируйте под свой стек. Главное — проверяйте вывод AI: он может ошибаться. Используйте как ускоритель, а не замену экспертизы. Начните с 2-3 сценариев, интегрируйте в CI/CD, и вы заметите, как рутина уходит.

← All posts

Comments