- 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 ：任务管理与执行解耦，支持多平台多节点统一调度，提升并发效率（单次做题周期30min，单次并发做题数3，并发进程数4），增强后端隐蔽性（据“分布式Agent架构”设计）。 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 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 效率提升：赛段周期3h，单次做题周期30min，单次并发做题数3，并发进程数4，提升并发效率与资源利用率（来源：腾讯云黑宫松Tencent Cloud Hackathon配置）。 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
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 NeuroSploit战队实战案例 战队构成：汇聚清华大学、东南大学、国防科技大学科研力量（成员含王一航@WangYihang 清华大学博士生、王楚涵@wchhlbt 东南大学副研究员/清华大学博士、王恩泽@z3r0yu 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
漏洞检出数量：单目标平均发现1-3个漏洞（材料：“发现漏洞:1”“发现漏洞:3”“发现漏洞:5”）。 任务处理效率：单次做题周期30min，单次并发做题数3，并发送进程数4（材料：“单次做题周期: 30min | 单次并发做题数: 3 | 并发送进程数: 4”）。 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 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 实战验证：方案经腾讯云黑宫松智能渗透挑战赛验证（赛段周期3h，材料：“赛段周期：3h”），胡宇睿（西安交通大学网络空间安全学院博士生，连续四年教育部攻防演练第一名,2025年国家护网攻击队主力成员，材料
22810编辑于 2026-04-06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： 战队汇聚了清华大学、东南大学及国防科技大学等高校的科研力量”），成员包括： 王一航@WangYihang（清华大学博士生） 王楚涵@wchhlbt（东南大学副研究员、清华大学博士） 王恩泽@z3r0yu （博士） 汪琦@EkiXu（清华大学博士生） 夏天@3em0（博士生） 杨晶城@P3ngu1nW（清华大学博士生） 实战场景：参与腾讯云黑富松智能渗透挑战赛（TCA/TCH等），应用PentestSkills 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”）。
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 2026-04-0496%漏洞发现率碾压商业工具！Shannon：全自主AI渗透测试Agent，34K Star
阶段3：Vulnerability Analysis（漏洞分析）——5个并行Agent这是架构的核心。 每个Agent的进度通过git commit检查点保存，自动重试最多3次。整个工作负载运行在Docker隔离容器中，每次扫描一个独立容器，互不干扰。 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。 4个失败案例也值得关注：XBEN-10（XSS）：Agent正确识别了漏洞和字符黑名单，但错判了JSFuck载荷的可行性，放弃了可行的利用路径XBEN-22（SSTI+默认凭据+路径遍历）：成功利用3个漏洞中的 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）。
99911编辑于 2026-04-10- 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。 但如果恰好有一个挑战需要 3 个 Sonnet 式的点子和 2 个 Gemini 式的思路呢？ 传统的单模型 Agent 就会束手无策。而主流的多智能体框架，又显得过于「笨重」。 比如，让 o3 负责规划，扮演架构师；让 Claude 负责编程，扮演程序员；让 Gemini 负责测试；让 Deepseek 负责营销。它们各司其职，像一个人类团队。 第 3 轮：再次调用 Sonnet 4.0 系统执行登录操作，并成功返回 200 OK。 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 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。 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、推荐工具方法，不执行工具，仅“想”，介入时机为任务开始、连续失败3次 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。 实践分三阶段： Day1-Day3：验证main.py单agent模式，发现“架构豪华但复杂”问题，解题数上午6道+下午4道。
25720编辑于 2026-04-05- 来自专栏cloudskyme
虚拟化平台cloudstack（3）——安装（下）
登录时用户名和密码错误 默认账号密码 admin/password 管理节点安装好后，初始化数据库，完了使用admin和password登陆提示用户名密码错误，查看日志： Fail to gener
1.3K90发布于 2018-03-20 - 来自专栏测试开发干货
数据工厂平台-3:首页超链接
django默认自带sqlite3 数据库，它和sql数据库基本一致，只是轻量级，无需部署启动数据库服务等。 如果不执行，那么django 并不会去让你models.py中的设置去让sqlite3数据库中发生改变。 命令如下，我们直接在pycharm的终端执行这俩个命令。 django后台是django自带的控制管理 平台用户和数据的 一个页面。进入的路是什么呢？还记得我们urls.py中抄的那个人家自己生成的例子么？ 没错，这个admin就是后台的路由。 创建是通过命令创建，命令如下：python3 manage.py createsuperuser 然后我们重启服务 去后台试试登陆： 登陆成功了，我们看到了 用户 和 组 这俩个自带表。 而如果已经有一定基础的读者，那么可以自行去使用第二种方案打造一个企业级的平台，这样同样可以在本教程中得到设计的灵感和其他细节等技术知识，因为本教程的整个重后台轻前端的设计中，vue占总技术含量的比并不多
97620编辑于 2022-05-19 - 来自专栏测试开发干货
接口测试平台代码实现144: 平台主题-夏日清凉3
我们本节开始继续去搞 接口库的主题外观，开搞之前，我们先学习下边框彩色的css： border-image:linear-gradient(to right,#ff8cd0,#77a4cb,#ff8cd0,#fff5d3)
33420编辑于 2022-05-19 - 来自专栏AokSend接口
Email API Service平台有哪些？3大API接口平台对比
本文将介绍三大Email API Service平台：AokSend、Mailgun和Postmark，并对它们进行比较。1. 3. PostmarkPostmark是一家专注于Transactional邮件的服务提供商，提供了一套简单而有效的API接口。 比较总结综上所述，AokSend、Mailgun和Postmark都是优秀的Email API Service平台，它们都提供了强大而灵活的API接口，帮助用户轻松地集成邮件功能到他们的应用程序中。 用户可以根据自己的需求和偏好选择适合自己的API接口平台。
1.6K10编辑于 2024-03-22 场景感知驱动的下一代黑盒渗透Agent实战解析
驱动自动化漏洞利用的核心评估指标与并发效能 为验证渗透Agent在真实业务场景中的实战适应性，方案引入了XBOW（104题）与AutoPenBench（33题）两大专有基准，采用里程碑式评分来评估自动化完成度 具体执行策略设定为：赛段周期3小时，单次做题周期30分钟，单次并发做题数设定为3，并发进程数设定为4，在资源池中高效流转。 项目依托腾讯云安全、云鼎实验室、腾讯安全众测及XBOW联合举办的“腾讯云黑客松-智能渗透挑战赛”平台进行了深度验证。
35110编辑于 2026-04-04基于状态感知与因果推理的自主渗透测试智能体业务实践概要
L1-L5 分层失败归因阻断率： 系统自动检测“矛盾簇”和“停滞假设”，触发 5个层级的自动纠偏机制：L1（执行层错误→修复指令）、L2（前置条件未满足→补全依赖）、L3（环境阻断→调整手法）、L4（假设被事实证伪 渗透阶段跨越指标： 成功克服“确定性利用转向非确定性探索”的难点，驱动自动化渗透测试从需要人类在关键节点确认的 P3阶段（有条件自动化渗透），实质性向系统自主跑通完整攻击链的 P4阶段（高度自动化渗透） 众测平台实效印证： 团队所致力的自动化渗透路径对齐了国际领先水平（如XBOW登顶美国排行榜），并在腾讯安全众测平台排行榜等实战环境中展现出“化点为链，以智代工”的实际业务价值，证明了该架构在发掘深层次逻辑漏洞上的可行性 依托腾讯云黑客松挑战赛实现“AI+安全”技术迭代 本技术方案作为 腾讯云黑客松 智能渗透挑战赛（与XBOW共赴智能攻防之巅） 的产出成果，充分展现了基于腾讯云生态与底层算力支持下的技术确定性。
16510编辑于 2026-04-05- 来自专栏OpenFPGA
创建 Vitis 加速平台第 3 部分：在 Vitis 中封装加速平台
作者：Stephen MacMahon 来源： 赛灵思中文社区论坛 这是《创建 Vitis 加速平台》系列的第 3 篇博文。在前文中，我们讲解了如何创建硬件和软件工程。 您可通过下列链接查看其它各部分： 第 1 部分：在 Vivado 中为加速平台创建硬件工程 第 2 部分：在 PetaLinux 中为加速平台创建软件工程 第 4 部分：在 Vitis 中测试定制加速平台 zcu104_base 将用作为平台名称。 /boot/pmufw.elf> [destination_device=pl] <bitstream> [destination_cpu=a53-0, exception_level=el-3, 完成此操作后，平台将置于 export\zcu104_base.... 至此大功告成。
2.3K30发布于 2020-11-03 - 来自专栏技术开源分享
go-admin在线开发平台学习-3
|| keyMatch(r.obj, p.obj)) && (r.act == p.act || p.act == "*") ` 使用 github.com/casbin/gorm-adapter/v3作为 case string: p := strings.Split(errStr, "#") if len(p) == 3
88711发布于 2021-02-18 - 来自专栏Java实战博客
虎皮椒V3 & 个人支付平台
下文 代码过长，手机看起来，可能会换行，建议PC 查看 image.png 介绍 虎皮椒V3 平台 ：我们网站涉及到支付宝、微信的商家服务的时候，都需要各种工商认证。 我们就需要选择一款个人支付平台：虎皮椒支付，虎皮椒支付能做什么呢？就是调用相关API 生成支付宝、或者微信的支付二维码，扫码直接到你个人账户。这里面废话 有点多，请往下看。 先说一下，我个人场景：我搭建一个网站，中间涉及到支付服务，然后就去虎皮椒V3 支付宝进行签约 。我签约花了 88 元 成为虎皮椒V3商家。 即一旦那交易成功，虎皮椒平台会抽取2%，支付宝 大约 抽取0.38% 的交易金额，即 总共被抽成大约2.38% 利用虎皮椒支付宝获取，你获取100 元，你将获得97.62 元。 虎皮椒V3 官网：https://www.xunhupay.com/ 切记：被抽成的金额需要你提前充值到你的账户中。用了就会扣除，当存储抽成金额不足时，无法跳转支付页面！
5.7K41编辑于 2022-01-19
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