Przejdź do treści
Biblioteka skilli
Bezpieczeństwo · Analiza

detecting-shadow-it-cloud-usage

/detecting-shadow-it-cloud-usage

Wykrywa nieautoryzowane usługi SaaS i chmurowe, analizując logi proxy, DNS i przepływy, oraz ocenia ryzyko w raporcie z zaleceniami.

Licencja
Apache-2.0
Ostatnia zmiana repozytorium
31.08.2026

Ocena i bezpieczeństwo

90/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść25 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
4
Skrypty
1
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 31.08.2026, bez odwołań do wycofanych modeli i API.

Licencja

Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.

Co sprawdzić przed instalacją
  • 1 skrypt w paczce. Przejrzyj je przed instalacją, bo Claude może je uruchomić.

Skrypty: scripts/agent.py

Co robi i kiedy

Wykrywa nieautoryzowane usługi SaaS i chmurowe, analizując logi proxy, DNS i przepływy, oraz ocenia ryzyko w raporcie z zaleceniami.

Oryginalny opis (EN)

Detect unauthorized SaaS and cloud service usage (shadow IT) by parsing proxy access logs, DNS query logs, and firewall/netflow data with Python pandas to aggregate traffic by domain, classify domains against known SaaS categories, and score risk by data volume and user count. Use when auditing an organization for unsanctioned cloud/SaaS usage or generating a shadow IT discovery report with remediation recommendations.

Jak działa

  1. Overview
  2. When to Use
  3. Prerequisites
  4. Steps
  5. Expected Output
Sekcje z nagłówków SKILL.md, w oryginale · 37 linii, 257 słów
Podgląd SKILL.md
---
name: detecting-shadow-it-cloud-usage
description: Detect unauthorized SaaS and cloud service usage (shadow IT) by parsing
  proxy access logs, DNS query logs, and firewall/netflow data with Python pandas
  to aggregate traffic by domain, classify domains against known SaaS categories,
  and score risk by data volume and user count. Use when auditing an organization
  for unsanctioned cloud/SaaS usage or generating a shadow IT discovery report
  with remediation recommendations.
domain: cybersecurity
subdomain: cloud-security
tags:
- shadow-IT
- SaaS-discovery
- proxy-logs
- DNS-analysis
- netflow
- cloud-security
- pandas
version: '1.0'
author: mahipal
license: Apache-2.0
nist_csf:
- PR.IR-01
- ID.AM-08
- GV.SC-06
- DE.CM-01
mitre_attack:
- T1567.002
- T1526
- T1078.004
- T1213
---

# Detecting Shadow IT Cloud Usage

## Overview

Shadow IT refers to unauthorized SaaS applications and cloud services used without IT approval. This skill analyzes proxy logs, DNS query logs, and firewall/netflow data to identify unauthorized cloud service usage, classify discovered domains against known SaaS categories, measure data transfer volumes, and flag high-risk services based on security posture and compliance requirements.


## When to Use

- When investigating security incidents that require detecting shadow it cloud usage
- When building detection rules or threat hunting queries for this domain
- When SOC analysts need structured procedures for this analysis type
- When validating security monitoring coverage for related attack techniques

## Prerequisites

- Python 3.9+ with `pandas`, `tldextract`
- Proxy logs (Squid, Zscaler, or Palo Alto format) or DNS query logs
- SaaS application catalog/blocklist for classification
- Network firewall logs with FQDN resolution (optional)

## Steps

1. Parse proxy access logs and extract destination domains with traffic volumes
2. Parse DNS query logs to identify resolved cloud service domains
3. Aggregate traffic by domain using pandas — total bytes, request counts, unique users
4. Classify domains against known SaaS categories (storage, email, dev tools, AI)
5. Flag unauthorized services not on the approved application list
6. Calculate risk scores based on data volume, user count, and service category
7. Generate shadow IT discovery report with remediation recommendations

## Expected Output

- JSON report listing discovered cloud services with traffic volumes, user counts, risk scores, and approval status
- Top unauthorized services ranked by data exfiltration risk
Pliki w paczce (4)
  • LICENSE 11 KB
  • SKILL.md 2 KB
  • references/api-reference.md 2 KB
  • scripts/agent.py 11 KB

Wersje

W bazie nie ma innych skilli o nazwie detecting-shadow-it-cloud-usage.

Migawka bazy z 13.11.2026 · wersja paczki 633c4127aa87 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 95shadow-it-discovery
    Wykrywa nieautoryzowane usługi SaaS, konta chmurowe i narzędzia AI z logów proxy, DNS, SSO i zakupów, a potem obejmuje je nadzorem.
  • 95zins-audit-shadow-it
    Audytuje shadow IT i użycie aplikacji SaaS w Z-Insights: odkrywa niezatwierdzone aplikacje, ocenia ryzyko, monitoruje SaaS chronione przez CASB, transfery danych i inwentarz urządzeń IoT.
  • 100analyzing-tls-certificate-transparency-logs
    Przeszukuje logi Certificate Transparency przez crt.sh i wykrywa domeny phishingowe, nieautoryzowane certyfikaty oraz nieznany shadow IT.
  • 100detecting-dns-exfiltration-with-dns-query-analysis
    Wykrywa wyciek danych przez tunelowanie DNS, analizując entropię zapytań, długość subdomen i wolumen zapytań do jednej domeny.
  • 100saas-security-posture
    Audytuje i wzmacnia zabezpieczenia narzędzi SaaS: wymusza SSO, przegląda uprawnienia OAuth, porządkuje shadow IT i chroni konta administratorów w Slacku, GitHubie, Google Workspace i AWS.
  • 100cloud-logging-baseline
    Określa i sprawdza minimalny zakres logowania bezpieczeństwa w AWS, Azure, GCP i SaaS, szuka luk przed incydentem.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.