网络安全AI说

mztkn

0.0 (0)
Technology
Updated Weekly

各位CSO好，这是一档分享网络安全建设干货的双人对话播客，emm~和全麦面包一样干

Jul 21

AI赋能安全运营：三种范式大PK

原文选自公众号：AI安全迪哥 🎙️ 时间轴 ⏱️ 0:00 开场：AI攻击的降维打击 ⏱️ 0:30 Mythos Preview事件：50美元挖出27年零日漏洞 ⏱️ 1:00 Mythos 5漏洞挖掘数据：4月1万+高危，5月2.3万个 ⏱️ 1:30 🔴 范式一：AI外挂式——给漏诊病历做优化排版 ⏱️ 2:30 🟡 范式二：全量日志AI——核磁共振做体检筛查 ⏱️ 3:30 🟢 范式三：AI全栈原生——从数据入口为AI设计 ⏱️ 4:15 SOAR vs AI原生：剧本驱动 vs 目标驱动 ⏱️ 4:40 MDASH验证：100+ Agent协同超越Mythos Preview ⏱️ 5:00 分诊式运营坍塌的三个结构性原因 ⏱️ 5:50 AI全栈原生五特征 & 选型五要素 ⏱️ 6:10 零信任与边界防护的定位 & 收尾 🔀 三种AI安全范式框架对比拆解 🔴 范式一：AI外挂式 💡 核心思路：在已有SIEM/SOC后接AI模块，AI处理SIEM吐出的告警 📥 数据来源：二手数据（经规则引擎预过滤后的告警） 🚫 关键盲区：弱信号被预过滤丢弃、未知威胁无法识别、链式攻击不可见 🏥 生动比喻：医学博士看病——但只能看病历本上已记录的症状，没记的他不知道也判断不了 🧱 天花板：AI视野被前置系统感知能力锁死，等于给漏诊病历做优化排版 🎯 适用场景：预算有限、短期过渡、低威胁环境 🟡 范式二：AI处理全量日志 💡 核心思路：跳过SIEM规则过滤，让AI直接分析全量原始日志 📥 数据来源：全量原始日志（几十亿至上百亿条/天） 🚫 关键盲区：成本极高（1TB日志token费数千到上万元/天）、延迟大（无法实时）、信噪比极低（99.99%正常活动） 🏥 生动比喻：核磁共振做体检筛查——精度够，但不可能给全市人口每天扫一遍 📉 现实情况：仅头部互联网在高价值数据流上使用，或安全厂商PPT演示 🎯 适用场景：超大预算 + 仅聚焦高价值数据流 🟢 范式三：AI全栈原生 💡 核心思路：从数据采集层就为AI设计，全链路AI驱动 📥 数据来源：全量遥测→轻量AI实时语义理解→结构化安全语义向量→上层Agent关联分析 ✅ 关键优势：弱信号不丢弃、多Agent分工精准、目标驱动自适应、分钟级响应、自我进化 ⚡ 与SOAR区别：SOAR=预定义剧本（规则驱动），AI原生=目标驱动（自主规划执行路径） 🔬 实证验证：微软MDASH：100+专用Agent协同→88.45%得分，超越Mythos Preview的83.1% 🎯 适用场景：面对Mythos级攻击的中大型企业，需要与攻击节奏对等的防御体系前往小宇宙评论区与主播互动
Jul 4

网安行业的AI理性回归

原文链接：https://mp.weixin.qq.com/s/X6QwmoDjkh8vX_Pvn7a3AA?version=4.1.36.70499&platform=mac&mpshare=1&scene=1&srcid=&sharer_shareinfo=ab7fce89ae7ff1f8caa55204852f5be7&sharer_shareinfo_first=ab7fce89ae7ff1f8caa55204852f5be7 选自公众号：安全牛 📌 核心观点汇总🔹 从"参数崇拜"到"工程理性" ——网安厂商不再执着于自训超大模型，而是回归工程化交付能力 🔹 大模型微调边际收益递减——投入十倍成本，可能只换来 1~2% 的精度提升，性价比已经不划算 🔹 真正的护城河是三重壁垒——语料深度 × 数据广度 × 工具链敏捷度，比参数规模更难复制 🔹 小模型不是将就，是刚需——实时检测场景要求毫秒级响应，0.1B~0.85B 小模型才是正确答案 🔹 分层架构成为行业共识——小模型管检测、中模型管研判、大模型管交互，各司其职 🔄 行业范式转变：从模型竞赛到工程化竞赛🏢 主要厂商策略一览🧱 三重壁垒拆解📚 壁垒一：语料——"暗知识"不是安全知识点，而是安全的判断逻辑深信服 15 年运营积累经过多模态标注、时序分析、上下文关联教会模型：为什么一次普通登录在特定上下文下是异常的？开源模型学不到的实战智慧 📦 壁垒二：数据底座——"量的碾压"360 百PB级安全数据，十年攻防实战沉淀海量安全事件、流量记录、终端行为数据初创公司有钱也买不到开源社区根本无法复制 🔧 壁垒三：工具链 MCP 化——"最后一公里"把 AI 从实验室炫技变成流水线标准件模型推理、威胁检测、告警研判封装成标准接口降低集成门槛，提升交付效率客户无需逐家适配前往小宇宙评论区与主播互动
Jun 14

AI攻击时代，零信任为何成必选项？

主题：从四个真实攻防故事看零信任建设的必要性核心观点：AI攻击让补丁窗口期失效，零信任通过"分层防御"实现安全左移，止战于未战开场引入：Mythos炸圈，安全圈变天近期安全圈最热话题：Anthropic推出的Mythos AI攻击工具 Mythos核心能力：代码理解接近人类顶尖工程师，漏洞发现+exploit生成一条龙核心矛盾：AI攻击工具进化速度远超传统防御节奏故事一：沉睡17年的幽灵 — AI让补丁窗口期失效漏洞档案：Linux内核NFS模块（fs/nfsd/nfs4xdr.c），远程代码执行（RCE）沉睡17年：无数次安全审计、500万次模糊测试均未发现 Mythos唤醒过程：扫描识别逻辑缺陷 → 自动生成攻击代码 → 几分钟完成从发现到远程控制关键数据： SWE-bench Verified：93.9%（代码理解能力接近人类顶尖工程师） Exploit生成成功率：72.4%（发现漏洞后七成以上直接能用） TLO攻击链：32步，分钟级完成（人类需要14-20小时）本质变化："发现即利用，利用即成功"，传统补丁窗口期概念基本失效不对称风险：Project Glasswing排除中国，攻击者可能比防守方更早用上这种能力故事二：消失的互联网资产 — SPA让攻击者看不见痛点场景：HW季必关VPN，安全部门vs业务部门每年吵架解决方案：SDP（软件定义边界）+ SPA（单包授权）核心思路：让企业资产从互联网"消失"，攻击者看不见、找不到、打不了某企业真实案例数据：日均远程访问登录人次：498次单日最高登录人次：1081次 HW期间各类异常风险日志：5000多次识别并封堵风险IP：11个冻结异常账号：41个安全事件：0起效果：网络扫描、端口探测、指纹识别全部失效，攻击链第一步就断了故事三：困在沙箱里的木马 — 中招了也干不成事场景：金融公司交易员点击钓鱼邮件附件，木马成功落地传统结局：木马运行 → 连C2 → 控权 → 横向移动 → 一锅端零信任终端方案：沙箱隔离本地桌面：只能办公，禁止访问互联网上网沙箱：只能访问白名单程序，禁止访问业务系统木马窘境：在本地桌面：能跑，但连不上C2服务器（驱动层阻断SYN包）在上网沙箱：能上网，但不在白名单里，根本跑不起来核心理念：不是保证绝对不中招，而是保证中招后干不成事三大效果：运行即拦截、外联即阻断、数据不落地故事四：蓝军的13次钓鱼 — 合法身份作恶也能被发现背景：某企业内部攻防对抗，为期4周蓝军攻击：6轮攻击，13次钓鱼，目标打穿IT内网防守方成绩：检测成功率：100% 平均检测时间（MTTR）：5分钟结果：攻击者未能打穿IT内网三类风险场景：用户凭据被窃取（偷到sessionID，拿真凭证访问业务）终端被钓鱼远控（合法终端成为攻击跳板）主机横向扩散（利用合法隧道做内网测绘）三大防御能力：凭据窃取识别：中间人代理检测、会话劫持检测、浏览器指纹异常检测恶意侦察识别：目录侦查检测、端口扫描检测、身份定位、自动注销+锁定威胁诱捕：终端多维诱饵、应用诱饵探针、原生无交互蜜罐总结：分层零信任，止战于未战零信任不是单一技术，是分层防御体系三层防御闭环：网络层（SPA隐身）→ 暴露面收敛：不让攻击者看见网络终端层（沙箱隔离）→ 安全域隔离：不让安全域进程连上C2 行为层（主动防御）→ 恶意行为检测：不让窃取的身份披着合法外衣作恶核心价值：安全左移，从事后补救走向事前预防前往小宇宙评论区与主播互动
May 26

深信服 VS 字节火山引擎，智能体安全治理理解

📋 本期简介当AI智能体从"只会说话的聊天框"进化成"能动手操作的数字员工"，安全问题就从"防止说错话"升级成了"防止做错事"——而且它真的能删库、能泄露机密、能绕过权限。本期聚焦两份代表性方案：深信服与字节跳动火山引擎。两家对智能体安全的理解路径截然不同——深信服用人力资源管理的逻辑来"治理"数字员工，火山引擎则用云原生的"1+4+1"体系来"防护"智能体。谁更接地气？谁更有实战底气？逐层拆解。深信服将智能体带来的安全挑战系统化为五个"难"：火山引擎从AI应用架构视角将风险分为三层：前往小宇宙评论区与主播互动
Apr 17

Mythos级AI攻击——安全恐慌启示录

📌 节目概要2026年4月7日，网络安全领域迎来了分水岭时刻。 Anthropic发布了迄今为止最强大的前沿模型——Claude Mythos Preview，其展现出的安全能力远超预期，立即引发美国国家战略层面的高度关注。这不是一次普通的技术迭代，而是一场改写网络安全攻防规则的根本性变革。 ⚡ 核心看点🔥 Mythos为何令人恐慌？关键数据： Firefox漏洞利用成功率：其他模型 4.4% → Mythos 84% 单次漏洞发现成本：不足50美元 CyberGym漏洞复现率：83.1% 🏛️ 美国在做什么？美联储紧急会议参会者：财政部长、美联储主席、摩根大通/高盛/花旗CEO 核心议题：严肃对待Anthropic新型AI模型带来的网络安全风险 Project Glasswing防御计划仅向约40家关键基础设施维护者开放Mythos访问权限创始成员：AWS、Apple、Google、Microsoft、CrowdStrike、Palo Alto Networks、JPMorganChase 目标：在攻击者获得同等能力之前，优先修补最重要的系统 ⚠️ 中国被排除在Glasswing项目之外 🚨 七大攻击向量🌏 中国面临的挑战技术差距对比核心困境：技术封锁让国内模型滞后于国外攻击者可用国外模型，防守方只能用国内模型 0day挖掘与利用能力差固定存在 📝 金句摘录"基于'摩擦=安全'的传统防御措施面临系统性失效风险" "防御者需修补所有漏洞，攻击者只需找到一个——但现在攻击者有了Mythos" "Mythos的能力是不确定的，但技术封锁会持续存在是确定的" 前往小宇宙评论区与主播互动
Apr 15

企业安全保护AI智能体思路分享

智能体三类形态"致命三要素"（Lethal Trifecta）不可信的外部输入：网页、邮件、文档中隐藏的恶意指令敏感数据访问权限：能访问公司核心数据和系统外部通信能力：能向外发送数据三要素叠加 = 提示词注入从"文字游戏"升级为"数据窃取/系统破坏" 主要攻击类型间接提示注入：网页藏指令，智能体总结时触发持久化内存中毒：修改身份文件，重启后仍执行恶意任务日志中毒：HTTP头注入恶意代码，排错时触发供应链投毒：恶意技能、被污染的开发者工具基础设施泄露：网关暴露、API Key泄露、远程执行漏洞🛡️ 保护AI治理六步法核心理念：把智能体当真正的员工来管——有身份、有工牌、有权限、有监管。 💡 网络安全AI说补充当前保护AI智能体的方案仍处于探索阶段，本期仅为其中一种技术路线思考，不少国内外内的安全厂商及云厂商均有类似的初代产品，但实际效果仍有待实践检验。前往小宇宙评论区与主播互动
Mar 18

企业如何安全使用OpenClaw

来看一看业内安全厂商，在帮助企业内部员工安全使用openclaw上有什么思考。本篇仅能作为一个方案参考，不一定是业内最优秀的，但确实较为直接地给出方案，实际解答了“企业如何安全使用openclaw”这一问题。本方案主要思路是用“沙箱技术”，沙箱的隔离方案看起来还不错，但仍需要实际测试使用才知道效果，另外如何在安全管控和使用openclaw上取得一个平衡点，可能得经过一段时间的验证才能有比较好的业内实践了。 🎯 本期要点01. OpenClaw的两种形态 Chat AI：只动脑不动手的聊天机器人（如豆包、千问） AI Agent：有手有脚的智能体，能执行复杂任务，真正提升效率，如OpenClaw02. 三大核心风险🔨 破坏风险 AI幻觉、失忆导致误操作案例：Meta安全总监因AI失忆误删所有邮件📤 泄密风险恶意指令注入（隐藏白色文字攻击） API凭证明文存储，黑客可轻易获取⚔️ 攻击风险恶意技能（Skills）投毒远程控制、反弹shell、横向攻击内网03. 业界两大方案及痛点隔离路线问题：性能占用高（500MB→2GB），配置复杂，体验差检测路线问题：无法识别语义层面的攻击，检出率很低04. 本文解决方案：无感沙箱 Agent Space核心特性 ⚡ 轻量级：内存占用200MB 🎭 无感知：仅首次认证，后续免认证 🛡️ 精细化管控：共享文件夹：最小化文件权限内网访问：按需授权上网权限：开放但搭配威胁检测系统权限：完全限制核心理念隔离为兜底 + 检测为补充给AI分配"数字工位"，干该干的活，不越界前往小宇宙评论区与主播互动
Mar 11

OpenClaw：AI顶流还是安全漏洞之王？

2025年爆火的AI开源框架OpenClaw，GitHub星标登顶，却成安全漏洞集大成者！110个漏洞、13.5万暴露实例、20%恶意插件，还有木马偷信息！听我们拆解这颗AI界的“定时炸弹”。项目概况OpenClaw（前身为 Clawdbot、Moltbot）是 2025 年 11 月上线的开源 AI Agent 框架，被定义为"真正可以执行任务的 AI"。该项目以惊人速度成为 GitHub 历史上增长最快的现象级项目之一，上线以来累计超过 200,000 颗星。核心能力与权限需求OpenClaw 拥有以下核心能力：信息处理：浏览网页、总结 PDF、分析截图日程管理：安排日历事项、发送提醒通知商务自动化：在线购物、处理电子邮件系统集成：读写本地文件、控制桌面应用通信集成：集成 WhatsApp、Telegram、Slack 等主流消息平台持久化记忆：记住数周甚至数月前的交互记录为实现上述功能，OpenClaw 需要获取用户的根文件权限、认证凭证（包括密码和 API 密钥）、浏览器历史和 Cookie，以及系统内所有文件和文件夹的访问权限。安全风险概览1. 漏洞层面风险已披露漏洞数量：至少达 110 个（截止 2026 年 2 月 28 日）高危漏洞：其中 3 个漏洞已有公开的 PoC（概念验证）代码，攻击者可直接利用修复进度：截至 2026 年 2 月 26 日，已修复超过 40 个漏洞2. 暴露面风险公网暴露实例：超 13.5 万个（覆盖 82 个国家）可被 RCE 利用：至少 12,812 个实例存在远程代码执行风险最新数据：3 月初发现超 40,000 个暴露实例，63% 部署存在漏洞3. 供应链风险 ClawHub 插件平台：存在超过 820 个恶意插件，占插件总数约 20% 技能增长失控：从 2,800 个飙升至 18,140 个（三周内增长 550%）发布门槛极低：仅要求发布者拥有超过一周的 GitHub 账户4. 企业部署风险影子部署：22% 的受监控企业中发现员工私自安装 OpenClaw 绕过管控：未授权部署形成隐蔽的安全风险点5. 恶意软件感染实际感染证据：Vidar 木马变种已成功感染 OpenClaw 实例信息窃取：出现基于该平台的信息窃取行为重大安全漏洞详解CVE-2026-25253（核心高危漏洞） CVSS 评分：8.8（高危）漏洞类型：错误资源传输/跨站 WebSocket 劫持影响版本：v2026.1.29 之前版本攻击机制：Control UI 从 URL query string 读取 gatewayUrl 时未做验证，自动建立 WebSocket 连接并发送认证 Token PoC 状态：已公开命令注入漏洞（3 个高危） CVE 编号：CVE-2026-24763 / CVE-2026-25157 / CVE-2026-25475 漏洞类型：命令注入攻击机制：用户可控输入未经充分过滤即传递给系统命令执行器 PoC 状态：已公开其他高危漏洞 CVE-2026-26322：SSRF（服务端请求伪造），CVSS 7.6 CVE-2026-26329：路径穿越（Path Traversal） CVE-2026-27001：日志投毒导致 Prompt InjectionClawHavoc 供应链攻击活动攻击规模恶意技能数量：335 个（在 2,857 个审计技能中发现）伪装策略：针对不同用户群体的精准伪装加密货币用户：111 个恶意技能YouTube 创作者：57 个恶意技能预测市场用户：34 个恶意技能开发者：28 个恶意技能攻击技术特征域名抢注（29 个仿冒名称）虚假系统提示时间延迟攻击（数小时或数天才激活）批量生成与快速扩散单个上传者发布 677 个恶意包攻击载荷类型外部恶意软件分发：技能包含恶意软件下载链接混淆数据外溢：通过 base64、Unicode 混淆窃取凭证安全禁用与破坏：诱导关闭安全机制、修改系统配置配置错误风险典型错误配置默认绑定 0.0.0.0：监听所有网络接口而非仅本地回环认证关闭：旧版本默认不启用认证 WebSocket Origin 校验关闭：导致 CSRF 攻击明文凭据存储：API 密钥、密码以明文形式存储真实利用事件 Shodan 扫描事件：研究员成功访问数百个实例的 API 密钥、Bot Token、聊天记录 Moltbook 数据泄露：150 万个 API 认证 Token、35,000 个邮件地址泄露 Vidar 木马感染：配置文件被窃取，包含完整 Agent 操作上下文攻击向量分析攻击场景一：公网暴露实例直接攻击前提：无认证或弱认证，监听公网 IP 攻击者可直接访问：控制面板、WebSocket 端口、明文凭据、聊天历史、已集成服务攻击场景二：本地浏览器劫持前提：运行未打补丁版本（ v2026.1.29），即使仅监听 localhost 攻击路径：恶意网站 → 用户浏览器 → 向 localhost:18789 发起 WebSocket 连接 → 窃取 Token → 获得完整控制权加固建议对企业用户紧急处置与基础防护升级至 v2026.2.26 及以上版本全面轮换关联凭证（LLM API 密钥、消息应用 Token 等）核查公网暴露情况，及时整改强制网关仅监听 127.0.0.1:18789 配置防火墙，拒绝 18789 端口公网入向流量启用密码认证（16 位以上强密码）定期轮换 Gateway Token 为 Control UI 配置独立浏览器 Profile长效安全管控仅安装经审核通过的 ClawHub 技能新技能部署前需在隔离环境完成代码审查监控 18789 端口异常连接行为监控 mDNS 广播，发现未申报的实例将 OpenClaw 纳入影子 IT 扫描范围制定专项使用政策，纳入标准变更管理流程对个人用户安全意识提升：充分认识安全风险，按照最佳实践配置环境隔离：考虑在虚拟机或容器中使用敏感信息保护：避免让 OpenClaw 访问敏感信息行为监控：监控网络连接和文件访问定期检查：检查系统异常行为应急响应准备：定期备份重要数据，发现异常时立即隔离系统核心警示OpenClaw 安全危机不仅是一个具体项目的安全问题，更是整个 AI Agent 技术发展过程中的重要警示。它提醒我们：技术革新与安全治理必须同步：在追求技术创新的同时，必须同步考虑安全治理便利性与风险的权衡：享受自动化便利的同时，必须清醒认识潜在风险供应链安全的重要性：开放生态需要严格的安全审核机制用户安全意识的关键性：技术安全措施需要配合用户的安全意识OpenClaw 的案例表明，AI Agent 具有巨大的潜力和价值，但其安全挑战也同样巨大。只有通过技术社区、企业用户、安全研究人员和政策制定者的共同努力，才能建立一个既能够促进创新又能够保障安全的 AI 生态系统。前往小宇宙评论区与主播互动

各位CSO好，这是一档分享网络安全建设干货的双人对话播客，emm~和全麦面包一样干

Creator

mztkn
Years Active

2024 - 2026
Episodes

76
Rating

Clean
Copyright

© mztkn@小宇宙App
Show Website

网络安全AI说