- 综合排序
- 最热优先
- 最新优先
AI驱动黑盒漏洞挖掘：腾讯云XBOW平台精准检测实践
部署AI驱动方案：XBOW平台与场景感知架构 药：腾讯云推出AI驱动安全未来方案，以XBOW应用安全平台为核心，整合分布式Agent架构、场景感知黑盒挖掘、工具调用优化三大能力： 分布式Agent架构 量化应用效果：效率与精准度的双重提升 效：方案经腾讯云安全众测与XBOW平台实测，关键业务指标显著优化： 资产发现能力：初始页面探索发现24个新页面，后续多URL测试中，单目标发现页面数3-70个（ 客户实践案例：XBOW平台漏洞检测实证 托 某客户基于XBOW平台开展智能渗透测试，典型案例包括： LFI漏洞检测与利用：在XBOW首页（http://10.2.35.0:31002/index.php file=xbow-flag.txt，成功读取系统敏感文件xbow-flag.txt内容，验证漏洞可利用性（据“发现漏洞”记录）。 数据来源：腾讯云安全众测实践、XBOW平台测试记录、CTF智能渗透挑战赛（Tencent Cloud Hackathon）解题数据。
24210编辑于 2026-04-05AI驱动场景感知黑盒漏洞挖掘：腾讯云XBOW平台赋能高效渗透测试
部署XBOW解决方案 腾讯云推出XBOW应用安全平台，以“AI驱动+场景感知”为核心，提供下一代黑盒渗透方案： 架构设计：采用分布式Agent架构，任务管理与执行解耦，支持多平台多节点Agent统一调度 量化应用效果 XBOW平台在渗透测试中展现显著效能，关键业务指标基于腾讯云安全众测及挑战赛实践： 资产发现：单目标URL初始探索发现24个新页面，某次任务扩展至发现70个页面（来源：XBOW平台页面探索记录 file=xbow-flag.txt），利用CVE-2021-42013执行命令获取/etc/passwd内容（uid=0(root) gid=0(wheel)）（来源：XBOW平台漏洞检测日志）。 案例2：XBOW平台LFI漏洞实战检测 目标：XBOW应用安全平台首页（http://10.2.35.0:31002/index.php，服务器：Apache/2.4.54 (Debian)，PHP/7.4.33 过程：通过“页面探索”发现private.php页面，其file参数存在LFI漏洞；利用载荷/xbow-flag.txt读取敏感文件，成功获取Flag（来源：XBOW平台漏洞检测报告）。
28420编辑于 2026-04-06多智能体协同自主进化渗透测试系统：基于XBOW Benchmarks的量化评估与实践
XBOW Validation Benchmarks Statistics）。 开源赋能：发布评估系统（GitHub: https://github.com/Neuro-Sploit/xbow-validation-benchmarks）、修复XBOW Benchmark上游遗留问题 github.com/Neuro-Sploit/tencent-cloud-hackathon-intelligent-pentest-competition-evaluation），开发本地API兼容比赛平台 ，实现零成本无限次演练，修复官方XBOW Benchmark遗留问题。 Benchmarks构建标准化反馈闭环，从漏洞利用成功率、耗时、成本多维度量化Agent性能，支持CTF比赛平台API/MCP接口开放（来源：AI驱动安全未来与XBOW共赴智能攻防之巅）； 开源贡献
28220编辑于 2026-04-06- 来自专栏.NET企业级解决方案应用与咨询
.NET平台系列11 .NET 平台未来规划
此外，我们想清楚地表明.NET5是.NET平台的未来。我们也借此机会简化命名。我们认为，如果未来只有一个.NET，我们就不需要像“Core”这样的明确术语。 NET5已经于20201年11月正式发布。 ? 在.NET Framework 时代，每发布一个重大版本，需要经历1年，2年，甚至3年。发版周期比.NET Core 明显要长。 ?
88110发布于 2021-06-08 多智能体协同自主进化渗透系统：基于XBOW基准的量化评估与实践
评估标准化：基于XBOW Validation Benchmarks数据集（含104个环境，分简单45、中等51、困难8）实现多维度评估（来源：材料“XBOW Validation Benchmarks 比赛应用：参与腾讯云黑富松智能渗透挑战赛，使用PentestSkills系统： 基于XBOW数据集评估，映射漏洞至OWASP TOP 10，涉及最多漏洞类型为注入型（59）、访问控制（29）、安全配置错误 ）、**XBOW Validation Benchmarks数据集（修复上游遗留问题，地址：https://github.com/Neuro-Sploit/xbow-validation-benchmarks 数据与生态支撑：依托XBOW Validation Benchmarks数据集（104环境、多难度分级）建立评估基线，提供CTF平台API/MCP接口支持大模型参赛（来源：材料“修正评估基准 (XBOW 开源社区共建：推动评估标准完善、工具矩阵扩展，支持企业/高校接入真实SRC平台（高危操作需人工确认）（来源：材料“未来展望”部分）。
20010编辑于 2026-04-05腾讯云AI驱动场景感知黑盒漏洞挖掘方案：从盲打到精打的效率跃迁
技术组件：采用分布式Agent架构（材料：“分布式Agent架构”），解耦任务管理与执行，支持多平台多节点统一调度；推行常态化题海战术（材料：“常态化题海战术”）与POC迁移后利用，提升漏洞利用成功率； 第四章 XBOW平台LFI漏洞检测实战案例 客户案例：XBOW应用安全平台（AI驱动自主渗透测试平台）漏洞检测 目标环境：XBOW首页（http://10.2.35.0:31002/index.php ），服务器信息：Apache/2.4.54 (Debian)、PHP/7.4.33（材料：“aa643ae7-8fd6-4cfb-8e46-1a85c5baf535: XBOW首页 页面显示服务器信息: 漏洞发现：通过页面探索发现24个新页面，检测到本地文件包含（LFI）漏洞（材料：“发现漏洞 在页面XBOW首页 发现1个漏洞 本地文件包含”）。 file=xbow-flag.txt，成功读取flag文件（材料：“成功利用的载荷: -xbow-flag.txt成功读取到flag文件内容”）；进一步利用Apache HTTP Server 2.4.50
22810编辑于 2026-04-06场景感知AI渗透方案将漏洞误报率降低90%，实现业务逻辑深度检测
其中LFI漏洞检测成功率达100%，通过路径遍历成功读取系统文件（包括xbow-flag.txt等目标文件）。整体漏洞检出效率较传统工具提升3倍，误报率从60%降至低于6%。 XBOW平台验证实际攻防效果 在XBOW应用安全平台测试中，系统通过业务场景分析发现关键漏洞链：文件上传→LFI→SSTI的串联利用路径。 采用分布式Agent架构（最高管理520个并发节点），支持多平台统一调度，天然具备后渗透框架特性。关键技术获得S&P等国际顶级会议认可，并在2025年国家护网行动中得到实战验证（攻击队主力成员采用）。 数据来源：腾讯云黑盲松渗透挑战赛实测数据（2025）、XBOW平台测试报告、国家护网行动实战记录 胡宇睿（西安交通大学网络空间安全学院博士生）主导开发，研究领域涵盖开源漏洞治理、AI赋能安全及高级威胁狩猎
21110编辑于 2026-04-04- 来自专栏测试开发干货
数据工厂平台11：首页收尾
(所以我说大家学好js，这是万能的，一般测开工程师，很少有人研究前端研究到这个地步，不过这也做出的平台效果也会完爆那些千篇一律的内部平台了。) 具体怎么实现，下节课分享。
1K20编辑于 2022-05-19 多智能体协同自主进化渗透测试系统：提升漏洞挖掘效率与自优化能力
量化验证系统效能与业务价值 基于XBOW Validation Benchmarks数据集（来源：文中“XBOW Validation Benchmarks 数据集分析”）的实践显示： 数据集规模： 含104个环境（简单45、中等51、困难8），覆盖注入型、访问控制漏洞（XSS 23例、默认密码18例、越权15例占比最高），较少涉及密码学错误、SSRF（来源：“XBOW Benchmarks 包含 开源贡献：修复上游XBOW Benchmark遗留问题，开发与比赛平台API兼容的本地API，实现零成本演练（来源：“修复了上游官方XBOW Benchmark仓库中的多个遗留问题(开源)”“开发了与主办方比赛平台 ”“开源地址：https://github.com/Neuro-Sploit/xbow-validation-benchmarks”）。 （数据来源：XBOW Validation Benchmarks数据集、NeuroSploit战队实践报告、腾讯云黑富松智能渗透挑战赛公开资料）
22720编辑于 2026-04-06多智能体协同渗透测试系统将漏洞挖掘成功率提升至58.2%
开发基于XBOW Benchmark的全自动评估系统 团队开源了自动化AI智能体评估系统，该系统具备多维度评估能力： 漏洞利用成功率：精准测量攻击有效性 全链路攻击耗时：量化响应效率 Token消耗分析 项目修复了上游官方XBOW Benchmark仓库的多个遗留问题，并开发了与比赛平台API完全兼容的本地接口。 腾讯云平台支撑智能攻防技术突破 腾讯云黑盲松竞赛平台提供： XBOW Benchmark数据集：104个漏洞环境，覆盖简单(45)、中等(51)、困难(8)三种难度 漏洞类型分布：XSS(23)、默认密码 (18)、越权漏洞(15)占比最高 实时数据支持：为队伍提供比赛数据分析与统计平台 团队基于腾讯云平台开发的开源项目已修正评估基准，建立了多维度、可扩展的自动化评估框架，为渗透测试智能化提供了完整解决方案 数据来源：NeuroSploit战队开源项目（GitHub）、XBOW Validation Benchmarks统计平台、腾讯云黑盲松智能渗透挑战赛官方数据
24820编辑于 2026-04-04- 来自专栏一个会写诗的程序员的博客
低代码平台定义 11 要素 ( Gartner )
Low-Code 11 项关键能力 著名咨询机构 Gartner，于2020年9月发布的 《企业级低代码开发平台的关键能力报告》(Critical Capabilities for Enterprise Low-Code Application Platforms , https://www.gartner.com/en/documents/4005973）中，定义了低代码的11项关键能力。 也就是说，这11项关键能力是衡量一个平台是否能够称之为低代码平台的关键因素。 现代软件开发中的敏捷开发、代码库管理，版本权限，发布管理等，在低代码平台中，都要能够支持。 11、Security and Compliance：安全与合规。 以上就是Gartner对低代码平台定义的11个要素，相信许多技术人员已经对低代码有个大致认识了。但是，想要识别和判定一个低代码平台的话，直接使用以上11个要素，就有点太繁琐了。
1.7K40编辑于 2022-06-02 - 来自专栏测试开发干货
【简历优化平台开发教程-11】期望薪资
注意，这里不说月base，因为这个和不同公司的不同月薪数有关，所以一定程度上并不完全代表招牌jd和实力。那么相比之下，总包就更准确一些。
34620编辑于 2023-08-14 96%漏洞发现率碾压商业工具！Shannon：全自主AI渗透测试Agent，34K Star
在清理版XBOW基准的白盒测试中，它以96.15%的漏洞利用成功率（100/104）拿到了目前公开的最高分之一。 三、XBOW基准96.15%的条件与细节Shannon在XBOW基准上取得了96.15%的漏洞利用成功率（100/104）。这是一个值得拆解的数字——不仅因为成绩本身，更因为理解它的适用条件很重要。 测试条件说明：XBOW基准由104个故意设置漏洞的应用组成，是一个开源的安全评估基准Shannon使用的是清理版本：系统性移除了描述性变量名、源代码注释、文件路径/文件名提示、应用标题、Dockerfile 作为参考，同类AI安全工具在XBOW基准上的公开成绩包括：KinoSec 92.3%（黑盒模式）、Xfenser AI 88.5%、XBOW自身商业平台约85%（黑盒）。 96.15%的XBOW基准成绩（白盒清理版条件下），加上OWASP Juice Shop上20+个真实漏洞的发现，验证了这一方法论在已知漏洞场景中的有效性。在此基础上，有几点值得进一步思考。
99911编辑于 2026-04-10- 来自专栏测试开发干货
接口测试平台设计思路-11:成品总览-生态
本节作为总览的最后一节，会介绍一下平台的生态建设。虽然没有投入太多哦，但是态度是对的。 之后会给大家更新各个模块的代码思路和技术难点，最终的目的不是说复制过去可以用，而是让大家可以自己动手搭建一套测试平台。 django是有自带后台的。
26320编辑于 2022-05-18 - 来自专栏不二小段
来学学大模型最新「合金特工」骚操作，能力比肩多智能体，AI 黑客成功率飙升
让我们一起学习一下 XBOW 的骚操作。 缘起：AI 自主黑客的困境 要理解「模型合金」的精妙之处，首先要了解它诞生的背景。 XBOW 主营业务的是自主渗透测试。 XBOW 的 AI 负责人 Albert Ziegler 指出，这类任务的特殊之处在于，它不是一个「稳步前进」就能解决的问题。 为了评估和迭代他们的 Agent，XBOW 建立了一套 CTF 风格的基准测试集。 对于 XBOW 这种需要快速迭代、不断试错的搜索任务来说，效率太低。 2. vs. XBOW 认为，用这些额外的成本，他们宁愿多启动几个独立的 Agent 去碰运气。 3. vs.
9910编辑于 2026-04-09 - 来自专栏测试开发干货
(简易)测试数据构造平台: 11 (菜单组件化)
首先，我们要新建一个普通小组件,按照我们之前所学，应该放在cpmponents文件夹下,新建好后如图所示：
37520编辑于 2022-07-07 - 来自专栏测试开发干货
接口测试平台代码实现132: 全局变量-11
打开我的接口测试平台，然后开始回忆已经开发到哪了.... 我们之前刚刚成功把接口库接口的url中成功替换了全局变量。
38820编辑于 2022-05-19 - 来自专栏FreeBuf
滥用SaaS平台的网络钓鱼攻击暴涨11倍
Bleeping Computer网站8月23日消息，根据Palo Alto Networks Unit 42的一份调查报告，研究人员发现，攻击者滥用合法软件即服务 (SaaS) 平台创建钓鱼网站的行为正在激增 此外，由于 SaaS 平台简化了创建新站点的过程，攻击者可以轻松切换到不同的主题、扩大或多样化其运营。 Unit 42 将被滥用的平台分为六类：文件共享、调查表单器、网站生成器、笔记和文档编写平台以及个人档案。Palo Alto Networks 记录了所有类别的滥用增长。 【按类别分类的 SaaS 平台滥用增长情况】 Unit 42 报告解释说，多数情况下，攻击者直接在被滥用的服务上托管他们的凭证窃取页面，而在一些特定情况下，托管在被滥用服务上的登录页面本身并不包含凭证窃取表单 研究认为，阻止对合法 SaaS 平台的滥用非常困难，这也是 SaaS如此适合网络钓鱼活动的原因所在。对于用户而言，还是要牢记在被要求输入账户凭证时确保网站 URL 的正规性。
56120编辑于 2023-03-30 - 来自专栏测试开发干货
接口测试平台代码实现115:登录态接口-11
目前省下的部分就是插入到url/header/body中，具体代码仍然可以通过仿造接口库普通接口的插入方式来做，具体代码如下：
40230编辑于 2022-05-19 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
工具描述占用大量token限制LLM选择空间（MCP陷阱）；二是单个LLM易陷入思维死循环，长对话引发幻觉风险，导致格式错误、工具误用；三是上下文过长（如分析competition_rules.pdf、XBOW 数据来源：TCH腾讯云黑客松Tencent Cloud Hackathon智能渗透挑战赛规则文档、XBOW Benchmark数据。 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。 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。
25720编辑于 2026-04-05
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