Actions
Media Outlet details
| Scope | National |
|---|---|
| Language | Chinese (Simplified) |
| Country | China |
|
Similarweb UVM |
Request pricing |
|
Comscore UVM |
Request pricing |
Recent Articles
Search Articles别只盯着LLM越狱了!Harness才是AI Agent的阿喀琉斯之踵:换层皮,攻击成功率从1%暴涨到24%
点击蓝字 关注我们 过去两年间,当企业谈论AI Agent安全时,几乎所有的注意力都集中在大模型本身--模型会不会被越狱?能否抵御提示注入?权重是否可信?这些问题固然重要,但来自Black Hat、真实攻防演练以及顶尖AI安全研究机构的最新案例却揭示了一个令人警醒的事实:对于那些已经能够调用工具、访问文件、执行命令并操作业务系统的AI Agent而言,真正的攻击面可能并不在模型,而是在那层包裹着模型、负责连接模型与现实世界的软件层--研究人员称之为Harness。 如果将大模型比作AI Agent的"大脑",那么Harness就是它的"眼睛、手脚和神经系统"。它决定着模型能看到什么信息、能调用哪些工具、持有什么权限,以及模型输出最终会不会转化为Shell命令、文件写入、API调用,甚至生产数据库中的真实操作。近期多项权威研究给出了一个值得所有安全团队警惕的结论:即使模型本身没有失控,Agent依然可能被攻陷。原因在于,攻击者不一定需要让模型"变坏",只需利用模型周围的软件架构、信任关系、权限配置或供应链组件即可实现突破。 这意味着,企业正在面对一个全新的AI攻击面--AI...
DeepSeek Harness 未授权远程代码执行复现
By admin 信任墙绕过(Level 1 - 未授权控制平面) RCE 链(Level 2 - root 任意命令执行) /tmp/dsh_ui.png - 初始 UI /tmp/dsh_ui2.png - 未授权状态确认 /tmp/dsh_ui3.png - 点击"新建会话"后 伪造 Host: 127.0.0.1:3080 → settings.mutate 注入恶意 provider (attacker-mock → 攻击者控制 mock LLM) → credentials.set 存凭证 → settings.mutate defaultPreset = danger-full-access → session.create 新会话固定提权预设(免审批 + 无沙箱) → session.selectModel 切到恶意模型 → session.prompt 诱导模型返回 bash tool_call → harness 以 root 无沙箱执行任意命令 [ ] ① 实际发出请求: YES | ② 真实响应: YES | ③ 实际危害: YES (root...
BinaryAI 全新升级:让二进制安全分析进入 AI-Native 时代
PART 02 BinaryAI Agent:WMA 之上构建 Environment 直到出现了 Workbuddy Managed Agents(WMA) 这样的通用 Agent 控制面,BinaryAI NG 才有了可能。它承载了 Agent Loop、Runtime、调度、安全、隔离等复杂模块,BinaryAI 得以专注于"如何应用 Agent 解决用户的问题"。 图 3 · BinaryAI Agent 整体架构 抽象分析操作:连接 Agent 与二进制文件 传统二进制安全分析工具是为人类分析师设计的:交互式界面、多级菜单、手动标注。 Agent 不需要这些 --它需要确定性的输入输出、简单的命令行接口、明确的退出码和超时机制。我们为 Agent 重新设计了一套 CLI: 光有命令行还不够。这套编排知识被编码在 Binary Query 的 SKILL.md 中--一份 103 行的 Agent 操作手册: # 端到端示例:一次典型的样本分析 bq create /path/to/binary bq info --target /path/to/binary bq...
一个非常有意思的java题--JavaSql
这题网上找不到wp,于是自己做了一下,分为三个文件,CTF.sql/app.py/Java-0.0.1-SNAPSHOT.jar,CTF.sql很简单,核心就是secretKey,当然是随机的。 app = Flask(__name__) response = requests.request(method, target_url, json=data, headers=header) response = requests.request(method, target_url, params=data, headers=header) params = dict(request.args) _, _, status_code = proxy_request(params, {}, 'check_username', request.method) params = dict(request.args) post = request.get_data() params.update(json.loads(post)) response_headers, response,...
【PoC 已公开】SharePoint 再曝高危 RCE,链式组合可无凭证代码执行
Microsoft SharePoint BDC 子系统曝出高危远程代码执行漏洞(CVE-2026-63520,CVSS 8.1),攻击者可通过构造恶意 BDC 模型触发不安全的 .NET 类型实例化,最终实现任意代码执行。安全研究员已公开基于 BDC 模型的具体利用路径,并验证该漏洞可与 JWT 身份认证绕过漏洞(CVE-2026-55040)组合形成未认证远程代码执行攻击链。 利用前置条件: 目前 360漏洞挖掘智能体已成功复现该漏洞 。本文包含完整影响范围、修复方案、技术原理与复现细节,建议用户立即升级。 SharePoint Server Subscription Edition < 16.0.19725.20522 SharePoint Server 2019 < 16.0.10417.20198 SharePoint Enterprise Server 2016 < 16.0.5565.1001 正式防护方案 SharePoint Server Subscription Edition:升级至 16.0.19725.20522 或更高版本 SharePoint...
edu上海某xx大学 未授权访问
千元稿费!还有保底奖励~(https://bbs.zkaq.cn) 先利用在社区学习到的知识: 我在信息搜集时使用的hunter语法:domain="edu.cn"&&web.body="注册" 为什么要这样搜? 因为往往有注册功能的网站登录后可以有更多的功能点接口,权限也会上升为用户 思路:传参点测 sql注入、有回显内容可以测xss、文件上传点测测、框架看一下有无通用、逻辑漏洞想到的都试试 我比较菜鸡,没在这里找到什么漏洞,但是不要放弃,可以试试目录扫描: 这里用到老师推荐的findsomething插件: 这些都是新的资产-接口,可以一个个访问看看 这里找到一处/advixxx,是班主任的管理后台,但是对用户没有鉴权,可以未授权访问: 里面可以看到资金流水等敏感信息: 对于这种 信息泄露 ,利用bp抓包看看请求包和相应包,往往会有更多的数据、收获: 而且未授权访问还会暴露更多的接口,比如这里: 找到一处网站管理员的后台接口,并且用的是wordpress框架,这里可以用用kali的 wpscan 工具扫一下,说不定会有惊喜:...
浏览器里的钱包刺客:40个恶意Firefox扩展正在窃取你的私钥
前言 Foreword 2026年8月20日,安全研究团队 Socket 发布了一份令人震惊的调查报告:黑客团伙在 Mozilla Firefox 官方扩展商店中,批量上架了至少 40 款高危恶意扩展,专门伪装成 OKX、Rabby Wallet、TronLink 等主流 Web3 钱包,诱导用户输入助记词与私钥,随后在后台静默完成资产洗劫。这 40 个恶意扩展只是冰山一角,整个攻击行动还关联了另外 37 个伪装成"体育赛事比分查看"的外壳插件,累计覆盖 77 个相互关联的代码仓库与发布分支。 一句话概括: 这已经不是传统的"钓鱼",而是一条高度工业化、流水线化的恶意扩展供应链。 Socket 将此次攻击命名为 。攻击链条清晰而高效:攻击者批量构建或改造扩展,上架至 Firefox 官方商店;用户安装后,扩展通过远程加载钓鱼页面或内置窃密代码捕获助记词与私钥,完成钱包接管和资产盗窃。部分扩展最初以"体育比分工具"等形式出现,之后在保留相同 Firefox 扩展 ID 的情况下被转变为 "Offside 钱包盗窃工场" 钱包窃密 程序。上图正是这一攻击流程的可视化呈现。...
从发烫到正常出图,这块小视觉板有点曲折
Hello,大家好! 上一篇《计划给机器人加视觉,看看 OpenMV 之外,视觉开发板怎么选》里,我比较了几种常见视觉板。当时的想法是先让视觉端稳定"看见",再把结果交给机器人主控。 最近我把这个想法往前推了一步,自己做了一块 ESP32-S3 CAM Mini 。它主要准备装到 NodeHexa 六足机器人上做 图传 ,也会用在正在开发的四足机器狗上,后面尝试色块追踪之类的 简单视觉任务 。 不过首板回来后,第一关不是视觉算法,而是一个很基础的硬件错误。 我最初画板时, 把下接 FPC 座的序号搞反了 。摄像头一接上去,板子很快就开始发烫,只能马上断电。 确认问题后,我用热风枪把原来的下接式 FPC 座拆下来,重新焊了一个 上接座 。返修完成后再次上电,摄像头终于能够正常初始化,画面也出来了。还好摄像头和板子都没有损坏,这块视觉板最终能正常使用。 这次也算给自己提了个醒:FPC 座不能只看 Pin 数和封装,上接、下接、Pin 1 以及排线金手指方向,都要拿实物再核对一次。 下面是我拍的一段简单演示。目前主要验证 ESP32-S3 CAM Mini...
内网私有网络空间资产测绘神器 --IVRE
IVRE(全称:Instrument de veille sur les réseaux extérieurs,法语意为"外部网络监控工具"),又名 DRUNK(Dynamic Recon of UNKnown networks,意为"未知网络动态侦察")。它是一个开源的网络侦察框架,用 Python 编写,旨在帮助安全人员理解网络的运作方式。
从海底光缆到手机间谍:NSA、GCHQ 如何构建全球大规模监控体系?
从海底光缆监听、PRISM、MUSCULAR和XKeyscore,再到Dual_EC_DRBG密码学争议、CNE网络利用与TAO终端入侵,西方现代情报机构所构建的并非单一的"监听设备",而是一套覆盖通信链路、互联网基础设施,并延伸至个人电脑与智能手机,最终由后端分析人员将海量原始数据加工为情报的完整体系。 理解这套体系的核心,并非仅在于明确"情报机构是否具备监听能力",而在于厘清数据在哪个环节被截获、在哪个节点被解密、在哪个位置被存储,以及原始数据最终如何转化为针对具体目标的情报。 在数字空间中,绝大多数跨洋通信都依托实体化的"管道"--海底光缆实现。当用户按下回车键发送邮件、加载网页或发起网络连接时,数据会依次经过路由器、互联网交换节点与长距离骨干网络,最终通过铺设于海底的光缆完成数千乃至上万公里的跨洋传输。 恰恰是在这些网络基础设施周边,大规模通信截获能力具备了极高的战略价值。...