Cloudflare Security Audit Skill

Item: Cloudflare Security Audit Skill
Rating: 7.4
Author: Wawasan AI

Skill audit keamanan enam fase untuk coding agent — 20 berkas, dua validator tanpa dependensi, dan aturan bahwa agen yang menemukan kerentanan tidak boleh memverifikasinya sendiri

Open SourceJavaScriptAI SkillsKeamanan AplikasiMIT

Editorial Wawasan AI · Diperbarui 6 November 2026

7.4/ 10

Cloudflare/security-audit-skill duduk di peringkat sembilan tren harian Trendshift 6 November 2026, dengan satu topic yang halaman tren cetak: AI skills. Deskripsi repositori yang dikembalikan API berbunyi A coding-agent skill for multi-phase security audits with independently verified, machine-readable findings, dan README yang dibaca pada hari yang sama menyebutnya sebagai skill yang menjadi bibit kerangka penemuan kerentanan Cloudflare. Bentuknya bukan pemindai dan bukan layanan: lima belas berkas Markdown, satu skema JSON, dan empat skrip Node.js di dalam folder skills/security-audit, dengan total ukuran repositori 143 kilobyte. Yang dijual adalah proses — enam fase, tiga jenis keputusan temuan, dan dua validator yang memaksa bentuk berkasnya benar sebelum laporan apa pun ditulis.

Skor Rinci

Kemampuan Agentic9.2

Kualitas Output8.4

Pengalaman Pengguna6.6

Ekosistem & Integrasi7.0

Harga6.2

Kelebihan

+Alurnya tertulis sebagai enam fase dengan artefak yang jelas: Reconnaissance memetakan arsitektur, batas kepercayaan, dan permukaan masukan ke architecture.md serta coverage-ledger.json; Coverage-led hunting menugaskan pemburu terisolasi dari unit ledger; Candidate Validation menyerahkan setiap kandidat unik ke verifier baru yang bertugas membantahnya; Structured output menulis confirmed, needs_validation, dan rejected ke findings.json; Independent record verification memeriksa ulang klaim sumber; dan Target-neutral reporting menurunkan REPORT.md, FINDINGS-DETAIL.md, serta NEEDS-VALIDATION.md dari catatan yang terverifikasi
+Tiga keputusan temuan didefinisikan, bukan dipakai sebagai label: confirmed butuh jejak sumber yang lengkap dan hasil teramati yang terbatas, needs_validation menyimpan satu fakta yang persis belum terjawab dan tidak boleh memakai severity, dan rejected mencatat kandidat yang sudah dibantah — dan README menegaskan agen yang memeriksa temuan tidak pernah agen yang menemukannya
+Kontrak output dijaga perkakas, bukan oleh kepatuhan pembaca: validate-coverage-ledger.cjs dijalankan induk setelah ledger dibuat dan setiap kali ledger diperbarui, validate-findings.cjs dijalankan pada Fase 4 dan lagi setelah setiap penggantian di Fase 5, keduanya tanpa dependensi, dan keduanya ikut dibawa bersama berkas ujinya sendiri
+Batas eksekusi ditulis sebagai syarat, bukan saran: README mensyaratkan sandbox yang ditegakkan sistem operasi tanpa jaringan keluar, lingkungan bersih dari daftar izin, batas sumber daya, dan hanya boleh menulis ke direktori kerja yang ditugaskan — dan kalau kontrol itu tidak bisa ditegakkan, alurnya menahan leads pada needs_validation alih-alih menjalankan kode target
+Mode bawaan dan mode penuh dipisah di dalam SKILL.md: memuat skill tidak mengizinkan alur audit lengkap atau pembuatan berkas; pertanyaan keamanan dan reviu terfokus memakai guidance mode, sedangkan enam fase berjalan hanya kalau pengguna secara eksplisit meminta audit atau artefak laporan, dan kalau permintaannya bisa berarti dua hal, skill mengharuskan satu pertanyaan penjelas lebih dulu
+Isolasi penulisannya turun sampai tingkat nama agen: setiap pemburu dan verifier mendapat akar sendiri di bawah direktori output dengan scratch/ dan artifacts/ terpisah, identitas agen harus cocok dengan pola huruf kecil dan tidak boleh sama dengan nama perangkat Windows seperti con, prn, aux, com1 sampai com9, atau lpt1 sampai lpt9, artifacts hanya induk yang boleh menulis, dan /tmp maupun home host dilarang sebagai jalan pintas

Kekurangan

−Tidak ada jalur rilis sama sekali: API mengembalikan nol rilis dan nol tag untuk repositori dengan 61.438 bintang, jadi yang bisa dipasang hanyalah snapshot cabang main, dan README tidak menyediakan nomor versi untuk disematkan
−Isinya berhenti berubah hampir dua bulan lalu: push terakhir 14 September 2026 pukul 19.28 UTC dengan commit terakhir Clarify guidance and full audit modes, sementara pada 6 November 2026 field open_issues_count API masih berisi 115 yang pencarian pecah menjadi 41 isu terbuka dan 74 pull request terbuka
−Angka efektivitasnya berasal dari uji internal mereka sendiri: README menulis dalam test runs mereka satu kali jalan menemukan kira-kira separuh dari kerentanan yang ditemukan rangkaian jalan berulang, tanpa tabel benchmark, tanpa CVE yang dirujuk, dan tanpa perbandingan dengan pemindai statis yang sudah ada
−Biaya run-nya tidak dicetak di mana pun: yang diminta adalah coding agent yang mendukung pemakaian alat dan subagen paralel, dengan banyak agen terisolasi per unit cakupan, sementara README tidak menuliskan perkiraan token, durasi, atau dolar untuk satu audit — dan justru desainnya menyarankan mengulang run untuk menutup cakupan
−Tumpunya pada satu orang: daftar kontributor API menampilkan literally-dan dengan 11 kontribusi, lalu CooperSheroy dan kennysarnoski-jarvis masing-masing 1, dan folder akar hanya berisi LICENSE, README.md, serta skills/ — tidak ada SECURITY.md, CONTRIBUTING.md, CHANGELOG, homepage, maupun topics di API
−Keluarannya hanya sekuat model yang menjalankan: berkas-berkas ini adalah instruksi dan skema, bukan mesin deterministik, sehingga hasil dua harness yang memuat skill yang sama tidak dijamin identik, dan tidak ada satu pun bagian README yang mengklaim interoperabilitas sudah diuji lintas agen

Ulasan Lengkap

Pada 6 November 2026 Trendshift menempatkan cloudflare/security-audit-skill di peringkat sembilan tren harian, di bawah OpenSelena/omniget di posisi delapan dan di atas D4Vinci/Scrapling di posisi sepuluh, dengan NVIDIA/auto-ontology di posisi satu dan Lichii yang rubrik Repositori ulas hari ini di posisi empat. API GitHub yang dibaca pukul 07.16 WIB pada hari yang sama mencatat 61.438 bintang, 3.988 fork, bahasa JavaScript, lisensi SPDX MIT, 220 pengikut, dan 115 pada field open_issues_count; kolom homepage kosong dan topics API kosong, sementara Trendshift mencetak satu topic AI skills. Repositori dibuat 18 Juni 2026 pukul 14.08 UTC dan push terakhir 14 September 2026 pukul 19.29 UTC; riwayat commit yang API tampilkan paling akhir adalah Clarify guidance and full audit modes, mendahului penggabungan pull request nomor 12 pada 10 September yang berjudul harden-audit-workflow-and-validators, dan sebelum itu pull request nomor 6 pada 6 Juli yang menambahkan kelas serangan AI/LLM, protokol HTTP dan autentikasi, serta sisi klien. Ukuran seluruh repositori 143 kilobyte dengan cabang bawaan main. README membuka dengan satu kalimat posisi yang penting: inilah skill yang menjadi bibit kerangka penemuan kerentanan Cloudflare, yang artikel blognya mereka tautkan sebagai Build your own vulnerability harness, dan kerangka itu kemudian tumbuh menjadi sistem berlapis banyak tahap di seluruh armada — sedangkan yang ada di repositori ini adalah titik awal satu repositori tempat ia berkembang. Wawasan AI tidak memasang skill ini, tidak menjalankan satu fase audit pun, dan tidak memindai satu repositori hari ini.

Isi yang benar-benar dipakai agen tercatat lengkap di folder skills/security-audit: 20 berkas, 15 di antaranya Markdown. SKILL.md berukuran 22.026 byte memegang setup, prinsip inti, istilah platform, gambaran alur, dan daftar anti-pola audit; RECONNAISSANCE.md 15.902 byte dan HUNTING.md 22.446 byte memegang Fase 1 dan 2; VALIDATION-AND-REPORTING.md 17.843 byte memegang Fase 3 sampai 6; ATTACK-CLASSES.md 15.695 byte memegang prompt inti, dan sebelas teman kelas serangan melengkapi sisanya: MEMORY-SAFETY-AND-BINARY.md, AI-AND-LLM.md untuk prompt injection serta agen dan penanganan keluaran, WEB-PROTOCOL-AND-AUTH.md, CLIENT-SIDE.md, SUPPLY-CHAIN-AND-RELEASE.md, CLOUD-AND-DEPLOYMENT.md, PROTOCOLS-RPC-AND-MESSAGING.md, RESOURCE-EXHAUSTION-AND-AVAILABILITY.md, DATA-ISOLATION-AND-LIFECYCLE.md, dan DESKTOP-MOBILE-AND-LOCAL-IPC.md. Sisi mesinnya empat berkas Node.js tanpa dependensi ditambah satu skema: report-schema.json 14.494 byte untuk ketiga jenis keputusan, validate-findings.cjs 28.806 byte dengan ujiannya 26.384 byte, serta validate-coverage-ledger.cjs 33.522 byte dengan ujiannya 28.483 byte. README memasang dua perintah pasang lewat Skills CLI, yaitu npx skills add dengan alamat repositori dan opsi --skill security-audit, plus varian --global untuk pemasangan tingkat pengguna. Yang perlu dibaca sebagai klaim proyek pada hari baca, bukan sebagai hasil uji editorial: seluruh angka ukuran berkas itu adalah isi repositori hari ini, dan satu kalimat di README yang menyebut hasil uji mereka — satu run menemukan kira-kira separuh dari yang ditemukan run berulang — tidak disertai rincian lingkungan atau model yang dipakai.

Bagian yang membuatnya layak dibaca sebagai peta risiko alur kerja agen ada pada aturan yang ia tulis untuk dirinya sendiri. Prinsip desainnya lima dan semuanya membatasi, bukan menjanjikan: hanya menetapkan kerentanan kalau kegagalan batas kepercayaan benar-benar terbukti dan leads yang tersumbat tetap di needs_validation beserta fakta yang belum terjawab, agen pemeriksa tidak pernah agen penemu, severity menuntut dampak berupa kemungkinan kali dampak dan bukan penyimpangan dari daftar periksa, celah pertahanan berlapis bukan kerentanan — kalau Lapisan A menghentikan serangnya maka absennya Lapisan B adalah catatan penguatan — dan menjalankan berkali-kali menaikkan cakupan. Sisi pengamanannya lebih ketat daripada yang biasa terpasang di agen default: sumber bersifat hanya-baca, kode target hanya jalan di sandbox tanpa jaringan keluar dan dengan batas CPU, memori, proses, ukuran berkas, dan waktu nyata, memakai principals dan rahasia tiruan, serta dilarang menyentuh endpoint terpasang, layanan luar, infrastruktur bersama, identitas produksi, data pengguna lain, atau control plane yang hidup; tidak ada dependensi yang boleh dipasang dan tidak ada kuota API berbayar yang boleh dibelanjakan. Konsekuensi praktisnya perlu disebut apa adanya: di mesin yang tidak punya penegakan sandbox tingkat sistem operasi, alur ini tidak akan mengonfirmasi temuan yang butuh mengeksekusi kode — ia akan menahannya. Dan karena yang dibutuhkan adalah coding agent dengan pemakaian alat plus subagen paralel, biaya sesungguhnya adalah token model yang kamu bayar sendiri; README tidak memasang satu pun angka estimasi.

Untuk pembaca Indonesia, nilai paling langsung dari repositori ini justru bukan perangkat lunaknya, melainkan bentuk keluarannya. Temuannya ditulis ke findings.json yang divalidasi terhadap report-schema.json, cakupannya tercatat di coverage-ledger.json, dan laporan akhirnya diturunkan dari catatan yang sudah diverifikasi agen lain — tiga berkas itu adalah jejak audit yang bisa dilampirkan ketika instansi membeli jasa reviu keamanan dari vendor, atau ketika tim internal perlu menjelaskan mengapa satu temuan dianggap terbukti dan temuan lain belum, sesuatu yang hampir selalu hilang dari laporan satu halaman berbasis temuan manual. Kelas serangan AI-AND-LLM.md juga tepat sasaran untuk proyek-proyek yang sekarang ramai: prompt injection, agen dan alat, serta penanganan keluaran sudah ditulis sebagai panduan berburu, bukan sebagai paragraf kekhawatiran. Dua batas harus dibawa pulang utuh. Pertama, skill ini untuk membaca kode milikmu sendiri: ia melarang menyentuh sistem yang berjalan, jadi memakai namanya sebagai alasan memindai situs pemerintah atau aplikasi pihak lain adalah salah baca yang bisa berurusan dengan aturan hukum. Kedua, menjalankannya berarti menyerahkan seluruh sumber repositori ke model yang dipakai agenmu, sehingga untuk kode milik instansi pertanyaan residensi data dan ketentuan kerahasiaan harus dijawab lebih dulu sebelum satu fase pun dimulai — README tidak membahasnya, dan Wawasan AI tidak menjalankan apa pun untuk mengujinya hari ini. Di snapshot 6 November, skill ini peringkat sembilan berdampingan dengan omniget peringkat delapan dan Scrapling peringkat sepuluh; ketiganya berbeda topik — proses audit oleh agen, manajer unduhan desktop, dan pengumpulan web publik — dan editorial hari ini tidak menyamakan peringkat GitHub itu dengan laporan ANTARA Jumat 6 November 2026 pukul 00.21 WIB tentang dimulainya uji coba beta Audio Intelligence pada Apple Watch.

Verdict

Masuk akal dipakai sebagai kerangka kerja audit kalau kamu memang menjalankan coding agent dengan subagen paralel dan punya sandbox yang bisa ditegakkan: nilai terbesarnya bukan menemukan bug, melainkan memaksa temuan berbentuk mesin, diverifikasi agen lain, dan punya buku cakupan yang bisa ditagih. Jangan harapkan perangkat yang tinggal dicolok ke repositori instansi lalu menghasilkan laporan: tanpa sandbox, alurnya sendiri menahan temuan di needs_validation, dan tanpa angka biaya dari README, satu audit penuh adalah pertanyaan tagihan yang harus kamu ukur sendiri lebih dulu. Untuk penggunaan di Indonesia, baca dulu bagian yang melarang menyentuh endpoint terpasang dan identitas produksi — skill ini dirancang untuk membaca sumber, bukan menguji sistem milik orang lain.

Lihat di GitHub ↗

Bacaan Terkait

Tools