ICS Anomaly Detection — ML monitoring for OT/ICS environments (Modbus/DNP3/OPC UA)
Sécurité défensive : détecter les anomalies dans les systèmes de contrôle industriels avec du machine learning sur des baselines réseau OT, des modèles physiques de process et l'analyse du trafic Modbus/DNP3/OPC UA — signaler déviations, appareils inconnus et écarts d'historien pour les équipes sécurité OT
- Quoi
- Sécurité défensive : détecter les anomalies dans les systèmes de contrôle industriels avec du machine learning sur des baselines réseau OT, des modèles physiques de process et l'analyse du trafic Modbus/DNP3/OPC UA — signaler déviations, appareils inconnus et écarts d'historien pour les équipes sécurité OT
- Coût
- Gratuit
- Prérequis
- sondes de monitoring réseau passives sur les ports SPAN/TAP du réseau OT ; 2–4 semaines de capture de trafic de baseline en opérations normales ; Python 3.9+ avec scikit-learn, numpy, pandas ; accès à l'historien de process ; compréhension des patterns opérationnels normaux (changements de poste, batchs, fenêtres de maintenance)
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill detecting-anomalies-in-industrial-control-systems de @mukul975, listé ici avec crédit à son créateur (écrit par mahipal, sécurité OT/ICS purement défensive) : déployer la détection d'anomalies pour les environnements de technologies opérationnelles avec du machine learning sur des baselines réseau OT. Il guide l'agent dans la construction de modèles de baseline multi-dimensionnels des communications SCADA déterministes (timing, comportement protocole, topologie réseau), combinés à des modèles physiques de process et à l'analyse du trafic Modbus/DNP3/OPC UA, pour signaler déviations, appareils inconnus et écarts d'historien — avec des cas d'usage comme le baselining du polling SCADA déterministe, le complément aux IDS à signatures en OT, et l'investigation d'alertes de plateformes comme Nozomi Guardian ou Dragos nécessitant une analyse protocole plus profonde. Mappé aux frameworks MITRE ATT&CK, NIST CSF et NIST AI RMF. Bémols honnêtes : un skill SPÉCIALISÉ — il suppose un accès réseau OT (SPAN/TAP sur segments OT, 2–4 semaines de capture de baseline, accès historien) et une connaissance des process ; il ne remplace explicitement pas les systèmes de sécurité des process (SIS) ; les modèles ML détectent des déviations, ils n'identifient pas des exploits. Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Installation
Prérequis : sondes de monitoring réseau passives sur les ports SPAN/TAP du réseau OT ; 2–4 semaines de capture de trafic de baseline en opérations normales ; Python 3.9+ avec scikit-learn, numpy, pandas ; accès à l'historien de process ; compréhension des patterns opérationnels normaux (changements de poste, batchs, fenêtres de maintenance) Installe-moi « Détection d'anomalies ICS — monitoring ML pour environnements OT/ICS (Modbus/DNP3/OPC UA) ». Il donne à mon agent le workflow défensif de détection d'anomalies OT de @mukul975 : construire des baselines multi-dimensionnelles des communications SCADA déterministes (timing, comportement protocole, topologie), les combiner à des modèles physiques de process et à l'analyse du trafic Modbus/DNP3/OPC UA, et signaler déviations, appareils inconnus et écarts d'historien — avec mappings MITRE ATT&CK, NIST CSF et NIST AI RMF. Licence Apache-2.0. Dépôt : https://github.com/mukul975/anthropic-cybersecurity-skills/blob/main/skills/detecting-anomalies-in-industrial-control-systems/SKILL.md 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire et résume en une ou deux phrases ce qu'il fait. 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « detecting-anomalies-in-industrial-control-systems ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. confirmer la couverture SPAN/TAP de mes segments OT ; organiser 2–4 semaines de capture de baseline ; obtenir l'accès à l'historien de process ; NE PAS utiliser ceci comme remplacement des systèmes instrumentés de sécurité). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Questions
Comment installer une création ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe la création pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours une création avant de l’installer.