Itm Audit
by matheusallvarenga
Sistema de Auditoria de Dados v5 para análise forense de arquivos distribuídos em múltiplas fontes (Google Drive, HD Externo, Notion). Inclui deduplicação, classificação e relatórios.
Skill Details
Repository Files
14 files in this skill directory
name: itm-audit description: Sistema de Auditoria de Dados v5 para análise forense de arquivos distribuídos em múltiplas fontes (Google Drive, HD Externo, Notion). Inclui deduplicação, classificação e relatórios. context: fork
ITM-AUDIT Skill
Descrição
Sistema de Auditoria de Dados v5 para análise forense de arquivos distribuídos em múltiplas fontes (Google Drive, HD Externo, Notion).
Capacidades
- Varredura recursiva de diretórios com metadados completos
- Deduplicação via SHA-256 (hash dos primeiros 64KB + tamanho)
- Classificação por tipo, idade e padrões de uso
- Geração de relatórios Markdown estruturados
- Modo READ-ONLY garantido (nunca modifica arquivos fonte)
Arquitetura
Fases de Execução
- SCAN - Varredura e coleta de metadados
- TREE - Análise hierárquica de diretórios (opcional)
- HASH - Cálculo de hashes para deduplicação
- ANALYZE - Classificação e identificação de padrões
- REPORT - Geração de relatórios e planos de ação
Scripts Disponíveis
| Script | Função |
|---|---|
scanner.py |
Varredura recursiva com metadados |
tree_analyzer.py |
Análise hierárquica de diretórios |
hasher.py |
Cálculo SHA-256 otimizado |
dedup_engine.py |
Motor de identificação de duplicatas |
classifier.py |
Classificação por tipo/idade/padrão |
reporter.py |
Geração de relatórios Markdown |
Uso
Comando Rápido
/audit [fonte] [opções]
Fluxo Completo
- Definir fonte(s) de dados
- Executar SCAN inicial
- Processar HASH para deduplicação
- Gerar ANALYZE com classificações
- Produzir REPORT final
Constraints
- READ-ONLY: Nunca modificar, mover ou deletar arquivos fonte
- Checkpoints: Salvar estado a cada 1000 arquivos processados
- Output: Apenas em
Projects/itm-audit/audit-reports/
Documentação
Integração
- MCPs: Obsidian, Notion (para relatórios)
- Agents: task-decomposition-expert, backend-architect
- Output: Markdown compatível com Obsidian
Related Skills
Attack Tree Construction
Build comprehensive attack trees to visualize threat paths. Use when mapping attack scenarios, identifying defense gaps, or communicating security risks to stakeholders.
Grafana Dashboards
Create and manage production Grafana dashboards for real-time visualization of system and application metrics. Use when building monitoring dashboards, visualizing metrics, or creating operational observability interfaces.
Matplotlib
Foundational plotting library. Create line plots, scatter, bar, histograms, heatmaps, 3D, subplots, export PNG/PDF/SVG, for scientific visualization and publication figures.
Scientific Visualization
Create publication figures with matplotlib/seaborn/plotly. Multi-panel layouts, error bars, significance markers, colorblind-safe, export PDF/EPS/TIFF, for journal-ready scientific plots.
Seaborn
Statistical visualization. Scatter, box, violin, heatmaps, pair plots, regression, correlation matrices, KDE, faceted plots, for exploratory analysis and publication figures.
Shap
Model interpretability and explainability using SHAP (SHapley Additive exPlanations). Use this skill when explaining machine learning model predictions, computing feature importance, generating SHAP plots (waterfall, beeswarm, bar, scatter, force, heatmap), debugging models, analyzing model bias or fairness, comparing models, or implementing explainable AI. Works with tree-based models (XGBoost, LightGBM, Random Forest), deep learning (TensorFlow, PyTorch), linear models, and any black-box model
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Query Writing
For writing and executing SQL queries - from simple single-table queries to complex multi-table JOINs and aggregations
Pydeseq2
Differential gene expression analysis (Python DESeq2). Identify DE genes from bulk RNA-seq counts, Wald tests, FDR correction, volcano/MA plots, for RNA-seq analysis.
Scientific Visualization
Meta-skill for publication-ready figures. Use when creating journal submission figures requiring multi-panel layouts, significance annotations, error bars, colorblind-safe palettes, and specific journal formatting (Nature, Science, Cell). Orchestrates matplotlib/seaborn/plotly with publication styles. For quick exploration use seaborn or plotly directly.