סקיל Security Threat Model
security-threat-model הוא סקיל רשמי של OpenAI שמייצר מודל איומים מבוסס-מאגר: לא צ'קליסט גנרי, אלא מודל ספציפי לקוד שלכם. הוא ממפה גבולות אמון, נכסים, יכולות תוקף, נתיבי ניצול ומיטיגציות, וכותב מודל איומים תמציתי ב-Markdown. כל טענה ארכיטקטונית מעוגנת בראיות מהקוד, וההנחות נשארות מפורשות. הוא מתעדף לפי סבירות והשפעה, מבדיל בין מיטיגציות קיימות למומלצות, ומאמת הנחות מולכם לפני הדוח הסופי. בפרויקטי הפיתוח שאני מוביל, הבנת התוקף וגבולות האמון לפני ההשקה מונעת פרצות יקרות. במדריך תקבלו את כל ההנחיות, ארבעה תרחישי שימוש, וצ'קליסט איכות.

פקודת התקנה
npx skills add openai/skills@security-threat-model -g -y
ההתקנה מתבצעת דרך מנהל החבילות הרשמי של הסקילים בפקודה אחת. זהו סקיל רשמי של OpenAI, קובץ Markdown פתוח מהמאגר שלהם, ומופעל כשמבקשים מודל איומים למאגר. אפשר להוריד ולבדוק את הקוד דרך הכפתורים שבראש העמוד.
מה הסקיל כולל?
הסקיל מתעד מודל איומים מבוסס-מאגר: מיפוי גבולות אמון ונכסים, יכולות תוקף, נתיבי ניצול כאיומים, תעדוף לפי סבירות והשפעה, ומיטיגציות מעוגנות במיקומים קונקרטיים.
קוד הסקיל המלא
---
name: "security-threat-model"
description: "Repository-grounded threat modeling that enumerates trust boundaries, assets, attacker capabilities, abuse paths, and mitigations, and writes a concise Markdown threat model. Trigger only when the user explicitly asks to threat model a codebase or path, enumerate threats/abuse paths, or perform AppSec threat modeling. Do not trigger for general architecture summaries, code review, or non-security design work."
---
# Threat Model Source Code Repo
Deliver an actionable AppSec-grade threat model that is specific to the repository or a project path, not a generic checklist. Anchor every architectural claim to evidence in the repo and keep assumptions explicit. Prioritizing realistic attacker goals and concrete impacts over generic checklists.
## Quick start
1) Collect (or infer) inputs:
- Repo root path and any in-scope paths.
- Intended usage, deployment model, internet exposure, and auth expectations (if known).
- Any existing repository summary or architecture spec.
- Use prompts in `references/prompt-template.md` to generate a repository summary.
- Follow the required output contract in `references/prompt-template.md`. Use it verbatim when possible.
## Workflow
### 1) Scope and extract the system model
- Identify primary components, data stores, and external integrations from the repo summary.
- Identify how the system runs (server, CLI, library, worker) and its entrypoints.
- Separate runtime behavior from CI/build/dev tooling and from tests/examples.
- Map the in-scope locations to those components and exclude out-of-scope items explicitly.
- Do not claim components, flows, or controls without evidence.
### 2) Derive boundaries, assets, and entry points
- Enumerate trust boundaries as concrete edges between components, noting protocol, auth, encryption, validation, and rate limiting.
- List assets that drive risk (data, credentials, models, config, compute resources, audit logs).
- Identify entry points (endpoints, upload surfaces, parsers/decoders, job triggers, admin tooling, logging/error sinks).
### 3) Calibrate assets and attacker capabilities
- List the assets that drive risk (credentials, PII, integrity-critical state, availability-critical components, build artifacts).
- Describe realistic attacker capabilities based on exposure and intended usage.
- Explicitly note non-capabilities to avoid inflated severity.
### 4) Enumerate threats as abuse paths
- Prefer attacker goals that map to assets and boundaries (exfiltration, privilege escalation, integrity compromise, denial of service).
- Classify each threat and tie it to impacted assets.
- Keep the number of threats small but high quality.
### 5) Prioritize with explicit likelihood and impact reasoning
- Use qualitative likelihood and impact (low/medium/high) with short justifications.
- Set overall priority (critical/high/medium/low) using likelihood x impact, adjusted for existing controls.
- State which assumptions most influence the ranking.
### 6) Validate service context and assumptions with the user
- Summarize key assumptions that materially affect threat ranking or scope, then ask the user to confirm or correct them.
- Ask 1–3 targeted questions to resolve missing context (service owner and environment, scale/users, deployment model, authn/authz, internet exposure, data sensitivity, multi-tenancy).
- Pause and wait for user feedback before producing the final report.
- If the user declines or can’t answer, state which assumptions remain and how they influence priority.
### 7) Recommend mitigations and focus paths
- Distinguish existing mitigations (with evidence) from recommended mitigations.
- Tie mitigations to concrete locations (component, boundary, or entry point) and control types (authZ checks, input validation, schema enforcement, sandboxing, rate limits, secrets isolation, audit logging).
- Prefer specific implementation hints over generic advice (e.g., "enforce schema at gateway for upload payloads" vs "validate inputs").
- Base recommendations on validated user context; if assumptions remain unresolved, mark recommendations as conditional.
### 8) Run a quality check before finalizing
- Confirm all discovered entrypoints are covered.
- Confirm each trust boundary is represented in threats.
- Confirm runtime vs CI/dev separation.
- Confirm user clarifications (or explicit non-responses) are reflected.
- Confirm assumptions and open questions are explicit.
- Confirm that the format of the report matches closely the required output format defined in prompt template: `references/prompt-template.md`
- Write the final Markdown to a file named `<repo-or-dir-name>-threat-model.md` (use the basename of the repo root, or the in-scope directory if you were asked to model a subpath).
## Risk prioritization guidance (illustrative, not exhaustive)
- High: pre-auth RCE, auth bypass, cross-tenant access, sensitive data exfiltration, key or token theft, model or config integrity compromise, sandbox escape.
- Medium: targeted DoS of critical components, partial data exposure, rate-limit bypass with measurable impact, log/metrics poisoning that affects detection.
- Low: low-sensitivity info leaks, noisy DoS with easy mitigation, issues requiring unlikely preconditions.
## References
- Output contract and full prompt template: `references/prompt-template.md`
- Optional controls/asset list: `references/security-controls-and-assets.md`
Only load the reference files you need. Keep the final result concise, grounded, and reviewable.
מה זה security-threat-model ולמה הסקיל הזה שונה?
security-threat-model פותר חולשה במידול איומים: רוב המודלים הם צ'קליסטים גנריים שלא קשורים למערכת האמיתית. הם מנפחים חומרה, מפספסים נתיבי תקיפה ספציפיים, ולא עוזרים להחליט מה לתקן. הסקיל מעגן כל טענה בראיות מהקוד, ומתמקד במטרות תוקף ריאליות עם השפעה קונקרטית.
מה שמייחד אותו הוא העיגון במאגר. הסקיל מחלץ את מודל המערכת מהקוד, ממפה גבולות אמון כקצוות קונקרטיים בין רכיבים, מזהה נכסים ונקודות כניסה, ומתאר יכולות תוקף ריאליות לצד אי-יכולות כדי לא לנפח חומרה. הוא מנסח איומים כנתיבי ניצול הקשורים לנכסים, מתעדף לפי סבירות מול השפעה, ומאמת את ההנחות הקריטיות מולכם לפני הדוח הסופי. כך מקבלים מודל איומים מדויק וניתן-לפעולה.
ההבדל מורגש בערך המעשי. במקום צ'קליסט שמתויק ונשכח, מקבלים מפה של נתיבי תקיפה אמיתיים עם מיטיגציות. בשילוב עם סקיל codebase-design להבנת המבנה, אפשר לתכנן ארכיטקטורה בטוחה יותר, וזה צירוף חזק לעבודה מאובטחת.
מה security-threat-model נותן לקלוד קוד?
הסקיל מוסיף לקלוד יכולת מידול איומים מעוגן-מאגר: מיפוי גבולות ונכסים, איומים כנתיבי ניצול, תעדוף מנומק, ומיטיגציות קונקרטיות.
מיפוי גבולות אמון ונכסים
הסקיל מחלץ את מודל המערכת מהקוד: רכיבים, מאגרי נתונים ואינטגרציות חיצוניות. הוא ממפה גבולות אמון כקצוות בין רכיבים, ומזהה את הנכסים שמובילים סיכון, כמו אישורים, מידע אישי ומשאבי מחשוב. כך התמונה מבוססת על המערכת האמיתית.
איומים כנתיבי ניצול
במקום רשימת סיכונים מופשטת, הסקיל מנסח איומים כמטרות תוקף ריאליות שקשורות לנכסים ולגבולות: דליפת מידע, הסלמת הרשאות, פגיעה בשלמות ומניעת שירות. כל איום מסווג ומקושר לנכסים המושפעים, כך שברור מה באמת מסכן את המערכת.
תעדוף מנומק
הסקיל מדרג כל איום לפי סבירות והשפעה, עם נימוק קצר, ומגדיר עדיפות כוללת מותאמת למיטיגציות קיימות. הוא גם מציין אילו הנחות משפיעות הכי הרבה על הדירוג. כך התעדוף שקוף וניתן לערער עליו, ולא מספר שרירותי.
מיטיגציות קונקרטיות
הסקיל מבדיל בין מיטיגציות קיימות, עם ראיות, לבין מומלצות. הוא קושר כל המלצה למיקום קונקרטי, רכיב, גבול או נקודת כניסה, ומעדיף רמז מימוש ספציפי על פני עצה גנרית. כך הדוח לא רק מזהה בעיות, אלא מראה בדיוק היכן ואיך לתקן.
ארבע היכולות הופכות את קלוד לאנליסט אבטחה שממדל איומים אמיתיים. בעבודות שלי, מודל איומים מעוגן-קוד הראה בדיוק אילו נתיבי תקיפה דורשים הגנה, במקום רשימה גנרית שלא עוזרת להחליט.
למי הסקיל הזה מתאים?
צוותי פיתוח לפני השקה: זה הקהל המובהק. לפני שמערכת עולה לאוויר, מודל איומים מעוגן-קוד מראה אילו נתיבי תקיפה מסכנים את הנכסים. כך אפשר להגן על מה שחשוב באמת לפני שתוקף מנצל אותו.
אדריכלי מערכת: החלטות ארכיטקטורה משפיעות על משטח התקיפה. הסקיל ממפה גבולות אמון ונתיבי ניצול, כך שאפשר לתכנן מערכת בטוחה יותר ולזהות חולשות מבניות מוקדם.
מי שמתחזק מערכת רגישה: מערכת שנוגעת במידע רגיש דורשת הבנה ברורה של האיומים. בשילוב עם סקיל diagnosing-bugs, אפשר גם למפות איומים וגם לאתר את הבאגים שמאפשרים אותם.
בוני מערכות מרובות-דיירים: גישה חוצת-דיירים היא סיכון קריטי. גם בעבודות אוטומציה שלי, מיפוי גבולות אמון מבטיח שכל לקוח רואה רק את הנתונים שלו, בלי דליפה בין דיירים.
אחראי אבטחת אפליקציות: מי שאחראי על AppSec מקבל מודל איומים ברמה מקצועית, מעוגן בראיות ומתועדף, שאפשר לעבוד לפיו. הדוח התמציתי משמש בסיס להחלטות הגנה מבוססות.
מי שפחות יתאים: מי שמחפש סיכום ארכיטקטורה כללי או סקירת קוד רגילה ימצא את הסקיל ממוקד מדי באבטחה. הוא מבריק דווקא במידול איומים מכוון, לא בתיעוד או בעיצוב כללי.
איך security-threat-model עזר לי בפרויקטים אמיתיים
מודל איומים ספציפי למערכת
רציתי מודל איומים אמיתי, לא צ'קליסט. הסקיל חילץ את מודל המערכת מהקוד, מיפה גבולות אמון, ונתיבי ניצול ריאליים. כל טענה הייתה מעוגנת בראיות. קיבלתי תמונה מדויקת של איך תוקף עלול לפגוע במערכת שלי, ולא רשימה גנרית.
תעדוף שהבהיר מה דחוף
היו הרבה סיכונים פוטנציאליים ולא ידעתי במה להתמקד. הסקיל דירג כל איום לפי סבירות והשפעה, עם נימוק, והתאים לעדיפות הקיימות. ידעתי בדיוק אילו נתיבי תקיפה לסגור קודם, והשקעתי את המאמץ במקומות בעלי ההשפעה הגבוהה.
מיטיגציות עם מיקום מדויק
רציתי לדעת לא רק מה הסיכון אלא איך לתקן. הסקיל קישר כל מיטיגציה למיקום קונקרטי בקוד ולסוג בקרה, עם רמז מימוש ספציפי. במקום עצה כללית כמו אמת קלט, קיבלתי הנחיה מדויקת היכן ואיך, וזה הפך את התיקון לישים.
הנחות שאומתו לפני הדוח
לפני הדוח הסופי, הסקיל סיכם את ההנחות הקריטיות ושאל אותי לאמת אותן: חשיפה לאינטרנט, רגישות נתונים ומודל הרשאות. אחרי שתיקנתי כמה, הדירוג השתנה והפך מדויק. הדוח שיקף את המציאות של המערכת, לא ניחושים.
ארבעת המקרים מראים שמודל איומים מעוגן-קוד משנה את ההגנה. כשהאיומים ספציפיים, מתועדפים, ומקושרים למיטיגציות קונקרטיות, אפשר להגן על מה שחשוב באמת לפני שתוקף מנצל אותו.
סיכום
סקיל security-threat-model הוא כלי רשמי מצוין לכל מי שרוצה להבין את האיומים על המערכת שלו. הוא מייצר מודל איומים מעוגן-מאגר: מיפוי גבולות אמון ונכסים, איומים כנתיבי ניצול, תעדוף מנומק, ומיטיגציות מקושרות למיקומים קונקרטיים.
אם אתם מתחילים, לפני ההשקה הבאה בקשו מקלוד למדל את האיומים על המערכת עם הסקיל. תראו אילו נתיבי תקיפה אמיתיים קיימים ואיך לסגור אותם. משם, אבטחה הופכת להחלטה מבוססת.
בפוסטים הבאים אמשיך לסקור את הסקילים החזקים ביותר לאבטחה ולפיתוח. האתר של דביר נעמן מרכז את כל הכלים, השיטות והליווי שאני מציע לעסקים שרוצים נוכחות דיגיטלית מנצחת עם בינה מלאכותית.
שיתוף הסקיל
שאלות ותשובות
מה זה בעצם הסקיל security-threat-model?
זה סקיל רשמי של OpenAI שמייצר מודל איומים מבוסס-מאגר, ספציפי לקוד שלכם ולא צ'קליסט גנרי. הוא ממפה גבולות אמון, נכסים, יכולות תוקף ונתיבי ניצול, מתעדף לפי סבירות והשפעה, וכותב מודל איומים תמציתי ב-Markdown. כל טענה ארכיטקטונית מעוגנת בראיות מהקוד.
במה מודל איומים מעוגן-קוד שונה מצ'קליסט אבטחה?
צ'קליסט גנרי מפרט סיכונים כלליים שלא בהכרח קשורים למערכת שלכם, מנפח חומרה ומפספס נתיבי תקיפה ספציפיים. מודל מעוגן-קוד מחלץ את המבנה האמיתי מהמאגר, מזהה את נקודות הכניסה והנכסים הממשיים, ומנסח איומים ריאליים. כך הוא ניתן-לפעולה ועוזר להחליט מה לתקן.
איך מתקינים את הסקיל בקלוד קוד?
בפקודה אחת דרך מנהל החבילות הרשמי של הסקילים, כפי שמופיע בקופסת ההתקנה למעלה. זהו סקיל רשמי של OpenAI, קובץ Markdown פתוח מהמאגר שלהם. אחרי ההתקנה בקשו למדל את האיומים על מאגר או נתיב, והסקיל יחלץ את מודל המערכת ויבנה את הדוח.
מה זה גבולות אמון בהקשר של הסקיל?
גבולות אמון הם הקצוות שבהם נתונים או שליטה עוברים בין רכיבים עם רמות אמון שונות, למשל בין שירות חיצוני לשרת. הסקיל ממפה אותם כקצוות קונקרטיים, ומציין לכל אחד פרוטוקול, אימות, הצפנה ותיקוף. גבולות האמון הם המקומות שבהם תוקף מנסה לחצות, ולכן הם לב מודל האיומים.
איך הסקיל מתעדף את האיומים?
הסקיל מדרג כל איום לפי סבירות והשפעה, כל אחת ברמה נמוכה, בינונית או גבוהה, עם נימוק קצר. העדיפות הכוללת נקבעת לפי מכפלת סבירות והשפעה, מותאמת למיטיגציות קיימות. הוא גם מציין אילו הנחות משפיעות הכי הרבה על הדירוג, כך שהתעדוף שקוף וניתן לבחינה.
האם הסקיל מבקש ממני מידע במהלך התהליך?
כן. לפני הדוח הסופי הסקיל מסכם את ההנחות הקריטיות שמשפיעות על הדירוג ומבקש מכם לאשר או לתקן אותן, עם שאלות ממוקדות על בעלות, סביבה, חשיפה לאינטרנט ורגישות נתונים. אם אתם לא יכולים לענות, הוא מציין אילו הנחות נשארו פתוחות וכיצד הן משפיעות על העדיפות.
מה ההבדל בין הסקיל הזה ל-security-best-practices?
security-best-practices מתמקד בכתיבת קוד מאובטח ובזיהוי פגיעויות לפי שפה ופריימוורק. security-threat-model מסתכל ברמת המערכת: ממדל את התוקף, גבולות האמון ונתיבי הניצול. השניים משלימים: אחד מחזק את הקוד ברמת השורה, השני מבין את התמונה הגדולה של איך תוקפים את המערכת.
האם הסקיל מתאים גם למי שאינו מומחה אבטחה?
כן. הסקיל מוביל את התהליך צעד-צעד ומסביר את הממצאים, כך שגם בלי רקע ב-AppSec אפשר לקבל מודל איומים מקצועי. הוא שואל שאלות ממוקדות ומנמק את הדירוג, כך שמבינים לא רק מה הסיכון אלא גם למה. זה מנגיש מידול איומים לצוותים בלי מומחה אבטחה ייעודי.