- 综合排序
- 最热优先
- 最新优先
AI驱动安全攻防：Antix系统实现零调优智能渗透
传统渗透测试面临效率瓶颈与人力依赖 当前渗透测试严重依赖安全专家经验，传统自动化工具存在上下文污染和多轮低效交互问题。 渗透环境，预装sqlmap、CAIDO等安全工具 通用Agent接口：支持Claude Code、CodeX、Pydantic AI等多种AI引擎 核心技术突破在于将逻辑下放至Python执行器，Agent 驱动渗透，无预设扫描SOP （来源：Antix团队实战数据） 腾讯云黑宫松大赛验证系统可靠性 参赛版本Agent仅使用200行基础提示词，未针对Benchmark测试调优。 腾讯云安全奠定AI攻防技术领先性 基于意图工程（Intent Engineering） 前沿理念，提出AI Native Programming Language技术路线。 腾讯云安全具备三大技术壁垒： 垂类基础设施（C2、扫描器等） 攻防经验沉淀 专业数据积累 （来源：腾讯云安全技术规划） 数据溯源：所有数据均来自腾讯云黑宫松智能渗透挑战赛官方材料、Antix系统架构文档及实战记录
20310编辑于 2026-04-04- 来自专栏AI SPPECH
AI辅助安全渗透测试_02
概念解析 AI辅助安全渗透测试的定义与特点 AI辅助安全渗透测试（AI-Assisted Security Penetration Testing）是指利用人工智能技术辅助或增强传统的安全渗透测试过程， 这不仅提高了平台的安全性，还增强了用户的信任和满意度。 案例三：云服务提供商的AI驱动安全防御系统 某云服务提供商为了保护其云平台和客户数据的安全，开发了AI驱动的安全防御系统。 通过AI驱动的安全防御系统，该云服务提供商的安全事件响应时间缩短了70%，安全威胁检测准确率提高了60%，同时客户满意度和信任度也得到了显著提升。 生成渗透测试报告 print("\n4. 生成渗透测试报告...") 《AI驱动的网络安全防御》. 德勤. (2022). 《未来的网络安全：AI与安全的融合》. Google Advanced Technology and Projects. (2021).
67110编辑于 2025-11-13 - 来自专栏AI SPPECH
AI辅助安全渗透测试_03
概念解析 AI辅助安全渗透测试定义与分类 AI辅助安全渗透测试是指利用人工智能技术增强或部分替代传统人工渗透测试流程，提高漏洞发现效率和准确性的新兴测试方法。 核心价值：提前识别80%的高风险攻击面 社会工程学攻击自动化 定义：AI驱动的自动化钓鱼攻击和社会工程测试 技术特点：自然语言生成，个性化攻击内容，行为分析 典型应用：员工安全意识测试，钓鱼邮件模拟 行业数据：平均12-18个月收回投资，3年ROI达300% 未来发展趋势 技术发展方向 AI辅助安全渗透测试的未来技术趋势： 多模态大模型安全测试 趋势：基于GPT-4等大模型的多模态安全测试 行业应用趋势 AI安全渗透测试在各行业的应用趋势： 金融行业 趋势：实时AI安全监控与自适应渗透测试 应用重点：交易系统安全，欺诈检测，合规性测试 技术特点：低误报率，实时响应，可解释性 案例： 研究表明，有效的AI安全渗透测试策略能够： 将安全测试时间减少50-80% 提高漏洞发现率30-50% 降低误报率60-70% 平均12-18个月收回投资 显著提升企业安全态势 然而，AI辅助安全渗透测试仍面临误报控制
80310编辑于 2025-11-13 - 来自专栏AI SPPECH
AI辅助安全渗透测试_01
案例1：某安全公司的AI驱动漏洞扫描系统 该安全公司开发了一套AI驱动的漏洞扫描系统，能够自动分析Web应用代码，发现SQL注入、XSS等常见漏洞，并学习新型漏洞的特征。 案例3：某大型企业的AI驱动渗透测试报告系统 该企业开发了一套AI驱动的渗透测试报告系统，能够自动整理渗透测试结果，生成详细的报告，并提供智能的风险评估和修复建议。 开源社区也开发了一些AI辅助渗透测试工具，为安全社区提供了更多选择： OWASP AI4Sec：OWASP项目，致力于将AI技术应用于网络安全领域，提供了多种AI辅助安全测试工具和框架。 企业级AI渗透测试实践案例 5.1 金融行业的AI渗透测试实践 案例4：某大型银行的AI驱动渗透测试平台 该银行面临着日益复杂的网络安全威胁和严格的监管要求，传统的渗透测试方法难以满足需求。 7.3 未来展望 展望未来，AI辅助渗透测试技术将成为网络安全领域的重要力量，为保障信息系统安全发挥越来越重要的作用： 安全防御与攻击的智能对决：未来的网络安全将呈现AI驱动的防御与AI驱动的攻击之间的智能对决
91710编辑于 2025-11-13 AI驱动智能渗透测试：腾讯云安全Agent框架赋能高效攻防实践
直面智能渗透测试的效率与安全瓶颈 当前网络安全攻防场景中，传统渗透测试依赖人工经验，存在三大核心痛点： 效率低下：多轮漏洞探索耗时长，复杂场景下Agent协同易中断，如材料提及“Agent多轮稳定执行需确保页面差异可追踪 部署Multi-Agent框架与Programmatic安全工具链 腾讯云安全提供AI驱动智能渗透测试方案，核心架构基于Multi-Agent Framework与Programming-not-Prompting 理念（数据来源：长亭科技AI攻防技术研究组）： Agent协同体系：设Plan Agent（衔接探索与利用，生成固定执行序列）、XSS Agent（调用xss_scan/xss_bruteforce 生成变形Payload，成功触发漏洞（数据来源：腾讯云安全技术方案文档）。 （注：所有数据均源自腾讯云安全公开技术文档、云鼎实验室报告及Hackathon挑战赛执行日志，无主观臆测。）
35120编辑于 2026-04-06腾讯云AI驱动安全攻防：构建自动化渗透测试智能体
应对传统安全渗透测试高成本与低效率挑战 企业安全渗透测试长期面临高度依赖人工专家经验、测试周期长和成本高昂的痛点。 传统人工渗透测试存在覆盖范围有限、测试结果一致性差等问题，无法适应云环境下快速迭代的业务安全需求。 采用ReAct架构实现自动化渗透测试 腾讯云基于ReAct（Reasoning + Acting）框架开发自动化渗透测试MVP方案，结合动态知识库与代码执行能力。 数据来源：腾讯云黑盲松Tencent Cloud Hackathon智能渗透挑战赛技术材料 技术专家：仪明（腾讯云安全专家）、尹超凡（Ant Group安全专家） 核心机构：腾讯云安全、云鼎实验室 、腾讯安全众测
24620编辑于 2026-04-04AI驱动多智能体安全框架：提升渗透测试效率与精准度
传统渗透测试需手动构造Payload、逐轮验证漏洞，面对反射型XSS等动态场景时，探索轮次失控、重复操作消耗资源，且难以稳定衔接“探索-利用”环节。 构建AI多智能体协同框架 腾讯云安全推出AI驱动多智能体框架（Multi-Agent Framework），以Programming—not prompting为核心范式（基于DSPy Foundation Hackathon渗透挑战实战验证 在TCN/TCH/TCM/TCU腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛中，框架经云鼎实验室、腾讯安全众测联合验证，实现Auto-Pentest 合作方证言：长亭科技AI攻防技术研究组（专注AI x安全能力边界）参与框架优化，长亭科技刘金钊负责工程实现（含未启用的专用策略模块），验证意图偏离管理与重复检测机制有效性。 生态协同：联合云鼎实验室（AI驱动安全研究）、腾讯安全众测（实战平台）、长亭科技（攻防技术前沿）形成产学研闭环，确保方案贴合真实攻防需求。
27420编辑于 2026-04-05腾讯云Antix系统Meta-Tooling模式：AI驱动安全渗透的高效实践
直面传统AI工具调用的效率瓶颈 行业在安全渗透场景中面临Agent直接调用原子工具的固有缺陷。 系统基于Ubuntu Docker构建渗透环境（预装sqlmap、CAIDO等工具，浏览器流量走CAIDO代理），支持VNC实时查看AI操作，实现“无主动扫描SOP——纯自主AI驱动”（数据来源：“Antix ），AI操作通过VNC实时可见（数据来源：“参赛版本主力Agent”描述）； 成果：以<100行代码完成Agent开发，零主动扫描SOP下纯自主完成渗透任务，验证Meta-Tooling模式在低代码 腾讯云Antix的技术领先性 Why Tencent：Antix系统以技术确定性支撑安全工程落地，核心优势包括： 模式创新：Meta-Tooling模式解决传统Agent上下文爆炸问题，通过Python 代码逻辑下放提升开发效率（数据来源：“Meta-Tooling与传统工具调用对比”）； 架构领先：基于Pydantic AI框架构建，集成多工具链（浏览器自动化、命令行、流量代理等），沙盒环境保障执行安全
18720编辑于 2026-04-06AI驱动安全攻防：腾讯云Superposition框架赋能自动化渗透测试
识别智能攻防效能瓶颈 行业面临AI时代安全攻防复杂度提升与人工渗透测试效率不足的矛盾。 部署Multi-Agent协同防御体系 腾讯云提供AI驱动安全框架，以Superposition为核心（云鼎实验室研发），整合多技术模块： 架构层：Multi-Agent Framework（含Plan 驱动安全未来”技术文档）。 腾讯云黑宫松Hackathon实战验证 客户案例：腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛（TCNTCM等多赛道），长亭科技AI攻防技术研究组（专注AI x安全能力边界突破 驱动安全未来”、长亭科技“工程实现”文档）。
21210编辑于 2026-04-06AI驱动安全渗透：Meta-Tooling模式下Antix Agent的工程实践与效能验证
直面AI工程安全渗透的实践瓶颈 行业AI驱动安全渗透需求增长，但传统工具调用模式存在显著瓶颈：Agent直接调用原子工具（如端口扫描、漏洞扫描），中间无代码编排层，导致上下文污染（原始数据占大量Token 驱动。 技术依托：基于Pydantic AI框架，集成Ubuntu Docker渗透环境（预装sqlmap、CAIDO等工具，浏览器流量走CAIDO代理），通过MCP仅暴露Python执行功能。 腾讯云黑宫松挑战赛Antix Agent实战案例 案例背景：腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛，贾宇阳（队长，腾讯安全众测）、柯煜等队员使用Antix Agent参赛 结果：实现纯自主AI驱动渗透，完成目标攻击任务，验证Meta-Tooling模式在低准备度下的实战能力。数据来源：腾讯安全众测案例记录。
17610编辑于 2026-04-05- 来自专栏极致攻防实验室
AI驱动的安全扫描工具：HackBot
免责声明： 本文章或工具仅供安全研究使用，请勿利用文章内的相关技术从事非法测试，由于传播、利用此文所提供的信息而造成的任何直接或者间接的后果及损失，均由使用者本人负责，极致攻防实验室及文章作者不为此承担任何责任 本文将使用Golang语言，利用OpenAI的Function calling功能与Projectdiscovery武器库进行结合，制作一个用于安全扫描的工具：HackBot 。 2. 2.2 为什么用Fucntion calling 使用过chatgpt的同学都知道，chatgpt没有实时的网络数据，特别是在安全领域某些问题会存在安全限制，而Fucntion calling正好可以解决这一问题 使用Fucntion calling进行安全扫描 下面将使用Go语言，利用OpenAI的Function calling功能与projectdiscovery武器库进行结合，制作一个用于安全扫描的概念小工具 ) } return } 效果(Httpx)： 3.3 HackBot 文章总结： 端口扫描(Naabu)： 网站爬虫(Katana)： 子域名收集(Subfinder)： 4.
57140编辑于 2023-07-01 - 来自专栏渗透测试专栏
渗透测试web安全综述(4)——OWASP Top 10安全风险与防护
应用安全领域提供文章、方法论、文档、工具和技术，致力于应用软件的安全研究。 目前OWASP全球拥有250个分部，近7万名会员，共同推动了安全标准、安全测试工具、安全指导手册等应用安全技术的发展。 一个能在组件和用户间提供有效的分离和安全性的分段应用程序架构，包括分段容器化和云安全组。 向客户端发送安全指令，如:安全标头。 在所有环境中能够进行正确安全配置和设置的自动化过程。 没有定义合理的告警阈值和制定响应处理流程 渗透测试和使用DAST工具(如:OWASP ZAP)扫描没有触发告警。 对于实时或准实时的攻击，应用程序无法检测、处理和告警。 本文档所提供的信息仅用于教育目的及在获得明确授权的情况下进行渗透测试。任何未经授权使用本文档中技术信息的行为都是严格禁止的，并可能违反《中华人民共和国网络安全法》及相关法律法规。
2.5K20编辑于 2024-09-27 - 来自专栏网络安全技术点滴分享
AI驱动的渗透测试完全指南：Cursor、MCP与现代渗透测试工作流
AI驱动的渗透测试完全指南：Cursor、MCP与现代渗透测试工作流一份全面、循序渐进的实战指南，教你如何以真正有效的方式——更快、更深、更强大——运行渗透测试，这一切都基于数百次的实战经验和无数工具的沉淀 引言渗透测试的本质并没有因为AI而改变。网络杀伤链依然是那条链：范围界定 → 信息收集 → 枚举 → 漏洞利用 → 后渗透 → 报告。 如今，大多数“AI渗透测试”的内容无非是：一个生成一次性命令、毫无状态管理的聊天机器人，或者一个花哨的演示，将真实的工作流压缩成一个单一的提示词。这不是真实渗透测试的工作方式。 真正的渗透测试靠的是管道纪律赢得胜利：每个阶段都会产生工件（主机、端口、截图、凭证、笔记），而这些工件会驱动下一个阶段。瓶颈不在于知道做什么，而在于如何可靠地执行、记录，并在不丢失上下文的情况下迭代。 /Qj1k74GTEzuatneNFBR9ri0wpQYe3n4ZJCBGVZXWPLcQbUoq1sBUqTBwCBcVr2eiS7PjNJJRr6lYF4jT1z3M5U8sDKGnHy
33310编辑于 2026-03-02 - 来自专栏渗透测试专栏
渗透测试XSS漏洞原理与验证(4)——HTTP协议安全
协议上个世纪90年代中期，网景公司(NetScape)为了解决HTTP协议明文传送的安全性问题，设计了SSL(Secure Sockets Layer 安全套接层)协议。 ，简单来说是HTTP的安全版。 4、HTTP的连接很简单，是无状态的;HTTPS协议是由SSL+HTTP协议构建的可进行加密传输、身份认证的网络协议，比HTTP协议安全。 SSL协议组成1、记录协议(Record Protocol)2、握手协议(Handshake Protocol)3、警告协议(Alert Protocol)4、密码规范改变协议(Change Cipher 本文档所提供的信息仅用于教育目的及在获得明确授权的情况下进行渗透测试。任何未经授权使用本文档中技术信息的行为都是严格禁止的，并可能违反《中华人民共和国网络安全法》及相关法律法规。
36010编辑于 2024-11-05 - 来自专栏AI SPPECH
深度解析与实践研究 PentAGI —— AI 驱动的渗透测试系统
作者： HOS(安全风信子) 日期： 2026-02-26 主要来源平台： GitHub 摘要： 本文深入解析了 PentAGI，一个基于 AI 的全自动渗透测试系统，探讨其核心架构、技术亮点与实战价值 背景动机与当前热点 本节核心价值：揭示传统渗透测试的痛点与 AI 引入的必然性，说明 PentAGI 为何成为当前安全领域的关注焦点。 这一现象反映了安全社区对自动化测试工具的迫切需求，以及对 AI 驱动安全解决方案的高度期待。 未来趋势与前瞻预测 本节核心价值：展望 PentAGI 及 AI 驱动渗透测试的未来发展方向，提出前瞻性思考。 6.2 行业影响 PentAGI 的发展将对安全行业产生深远影响： 安全测试范式转变：从人工驱动向 AI 驱动转变，提高测试效率和覆盖范围。
3.2K40编辑于 2026-02-27 AI驱动安全分析平台的迁移激励计划
Elastic 为 Splunk 用户推出快速迁移计划借助 AI 驱动的安全分析实现升级，现提供激励措施以简化并加速您的 SIEM 迁移作者：Santosh Krishnan发布日期：2024年8月7日 在现代安全运营中心（SOC）中，传统 SIEM 解决方案将被 AI 驱动的安全分析所取代，后者利用搜索式 AI 的力量，通过自动化取代大部分手动的 SOC 流程。 基于某中心的搜索式 AI 平台驱动，某中心安全产品正通过独特地结合跨组织整个攻击面的搜索能力与检索增强生成（RAG）技术，为所有关键的 SOC 工作流提供高度相关的结果，从而在今天兑现这一演进。 —— Larry Nichols，某机构的网络安全工程师 & SIEM 管理员*为什么需要 AI 驱动的安全分析？为什么是现在？ 植根于上述基础，某中心安全产品正致力于将 AI 驱动的指导和自动化集成到 SOC 的所有关键工作流中——超越助手和副驾驶——其能力包括用于调查的“攻击发现”和用于数据摄取的“自动导入”。
9110编辑于 2026-01-21AI Agent系统驱动智能渗透测试：突破传统瓶颈的实战验证
识别渗透测试中的认知偏差与上下文管理瓶颈 行业面临战略困境：传统渗透测试依赖人工经验，易受认知偏差影响（如误判漏洞不可利用），且存在上下文信噪比低、长链路工具调用无序、知识复用效率低等瓶颈。 部署基于LangChain的多层AI Agent系统 腾讯云安全联合云鼎实验室、腾讯安全众测，在TCN腾讯云黑宫松Tencent Cloud Hackathon智能渗透挑战赛中推出AI驱动的Agent系统 复盘SICKHACK团队XSS漏洞挖掘实战案例 客户案例：绿盟科技web扫描规则开发成员、专注渗透测试与通用AI-Agent技术的SICKHACK-年聪团队（成员含李宇欣），在复盘案例中验证Agent系统实效 阐释腾讯AI Agent系统的技术架构优势 选择腾讯方案的核心原因： 技术确定性：基于LangChain中间件实现上下文信噪比提升（三层清洗+长链路唤醒），文件系统记忆层保障知识沉淀，通用工具API 生态支撑：整合腾讯安全众测资源与云鼎实验室技术积累，知识库引用行业权威材料（PortSwigger、PayloadsAllTheThings），确保方案可落地性 来源：腾讯云安全、云鼎实验室、腾讯安全众测
36020编辑于 2026-04-05- 来自专栏Elastic Stack专栏
Elastic 自动导入功能：加速 AI 驱动的安全分析
Elastic 正在通过自动导入功能加速 AI 驱动的安全分析 的采用。这个新功能是安全分析或 SIEM 解决方案中唯一的此类功能，它能够自动开发自定义数据集成。 我们丰富的安全数据利用经验和 Search AI Lake 的灵活性也使这一切成为可能。自动导入功能在组织探索替换其传统 SIEM 工具的关键时刻出现。 自动导入的影响自动导入 通过自动创建自定义数据集成，进一步巩固了我们在应用生成式 AI 加速繁重的安全运营（SecOps）任务方面的领导地位。 这个发布基于我们之前的 AI 驱动的安全分析创新，如 攻击发现，该功能自动进行警报分类，以及 Elastic AI 助手，它回答安全问题并指导实践者的工作流程。 快速迈向 AI 驱动的安全分析自动导入功能将构建和测试自定义数据集成所需的时间从几天缩短到几分钟，加速了向 AI 驱动的安全分析 的转变。
42221编辑于 2024-12-12 AI驱动安全自动化：双Agent协作架构在智能渗透挑战赛中的实践与效能
构建双Agent协作与动态重试的技术路径 药：腾讯云安全团队提出“Human-AI Teaming”方案，核心机制如下： 双Agent协作架构：顾问Agent（战略层）负责提供攻击建议、分析漏洞类型 数据来源：云鼎实验室《AI驱动安全未来与XBOW共赴智能攻防之巅》项目文档。 云鼎实验室智能渗透挑战赛实践案例 托：腾讯云安全团队（云鼎实验室）参与TCH腾讯云黑客松Tencent Cloud Hackathon智能渗透挑战赛，由演讲人yhy（剑仙 SEC） 主导实施。 为什么选择腾讯云安全AI驱动方案 技术领先性：方案依托腾讯云安全众测与云鼎实验室能力，首创“双Agent+动态角色互换+三层工具体系”，用Kali真环境替代自建工具（避免MCP陷阱），Python执行能力释放 实践验证：获TCH腾讯云黑客松Tencent Cloud Hackathon智能渗透挑战赛认可，云鼎实验室“AI驱动安全未来与XBOW共赴智能攻防之巅”项目成为人机协作安全自动化标杆。
24720编辑于 2026-04-05- 来自专栏世荣的博客
渗透测试笔记-4
反序列化漏洞 1.序列化和反序列化 2.Java WEB中的序列化与反序列化 2.1 对象序列化和反序列化范例 3.Java中执行系统命令 3.1 重写readObject方法 4. 对于任何可能包含重要的安全性数据的对象，如果可能，应该使该对象不可序列化。如果它必须为可序列化的，请尝试生成特定字段来保存重要数据。 4.Apache Commons Collentions Apache Commons Collections 是一个扩展了Java标准库里集合类Collection结构的第三方基础库，它提供了很多强有力的数据结构类型并且实现了各种集合工具类 然后将其序列化，提交给未做安全检查的Java应用。 (2)再考察应用的Class Path中是否包含Apache Commons Collections库 (3)生成反序列化的payload (4)提交我们的payload数据
53730编辑于 2022-03-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号