登录社区云，与社区用户共同成长
邀请您加入社区
2026年AI智能体开始接管数据库、支付、发布等真实权限，安全成为最大瓶颈。本文用一次"伪招聘邮件"故事讲透提示注入攻击：恶意内容藏在网页、邮件、文档里，Agent读取时把其中指令当成主人任务执行。干货：直接注入、间接注入、权限过度放大三大威胁，以及输入输出隔离、最小权限、沙箱执行三板斧。最后演示用MonkeyCode云端沙箱搭建"构造攻击→注入→检测→拦截"演练管线，内置GLM/Kimi/Min
DistributedDataParallel是PyTorch推荐的分布式训练方案，采用多进程架构，每个GPU对应一个独立的进程。DDP在执行前向传播前，通过环状通信的方式在所有进程间同步模型参数，确保每个GPU上的模型副本具有相同的初始状态。与DP相比，DDP支持多机训练，具有更好的扩展性和更高的训练效率。虽然DP实现简单，仅需几行代码即可实现，但其性能受限于主GPU的通信带宽，且无法实现真正的
Coremail邮件系统存在未授权访问，攻击者可获取管理员账号密码。
本文聚焦于大模型智能体的现状、协同范式、安全威胁、未来趋势。首先研究了大模型智能体的基础原理，包括其通用架构、关键组件、支撑技术及典型应用。随后，从云边端协同和数据、计算以及知识的视角讨论了实现大模型智能体互联智能的实际协作范式。接着，本文分析了大模型智能体在多智能体设置中的安全漏洞和隐私风险，深入探讨了其内在机制，并回顾了现有及潜在的应对措施。最后，本文提出了构建稳健且安全的LM智能体生态系统的
本文详细介绍啦随着科技的发展，传统算法的未来会怎样？量子计算机是什么？他真的安全吗？靠什么对传统算法进行降维打击？
以上攻击示例展示了常见的网络攻防技术，包括网站、服务器和局域网三个方面。每种攻击都有相应的解决方案，建议在实际应用中采取多层次的安全措施，确保系统的安全性。作者-帅气的马 提示：仅做示范！严禁用于其他目的！废话（结语）在数字浪潮汹涌澎湃的今天，网络安全已成为我们不可忽视的重要课题。它如同坚实的盾牌，守护着我们在虚拟世界中的每一步前行。回顾我们走过的网络安全之路，我们看到了政府的坚定决心和有力举措。
最近要看一些推理攻击的内容，把看过的都放过来吧， Unstoppable Attack: Label-Only Model Inversion， 无条件攻击：基于条件扩散模型的只有标签模型反演，TIFS2024，模型逆向攻击
一句话说，IPS 管网络层攻击流量，WAF 管 Web 应用层，而漏洞无效化盯的是“某个漏洞被利用”这件事本身，范围更聚焦操作系统、中间件、应用组件这些层面，而且是旁路免重启。漏洞无效化，也叫虚拟补丁，它不修漏洞本身，而是把“利用这个漏洞的攻击”在到达服务器之前拦下来。它拦的是“利用漏洞的行为”，不是简单匹配几个特征串，所以哪怕补丁还没出、PoC 都没公开，也能顶住。国内走这条路线的产品里，盛邦安
一个面向安全教学、课题研究和本地样本辅助研判的 Web 系统。系统支持上传源代码文件与 EXE、APK 文件，通过机器学习输出分类结果，结合静态规则展示证据，并允许用户手动调用大模型进行二次分析复核。系统不仅提供文件检测，还覆盖数据读取、模型训练、模型评测、版本发布、批量检测、AI 复核和历史追溯，形成较完整的模型使用流程。系统坚持静态分析：不执行上传代码，不启动 EXE，不安装 APK。输出用于
今天咱们来扒一扒自适应VSG的核心玩法——特别是那个能自动调节参数的惯量阻尼控制，这货能让系统在电网波动时稳如老狗。先看个实际场景：当电网频率突然抽风时，传统VSG的固定惯量参数就跟穿小鞋跑步似的，容易崴脚。最后说句大实话：现在的自适应VSG还像个戴着镣铐跳舞的壮汉，既要模仿同步机的机械特性，又要保持电力电子的灵活身段。并网型VSG的电压电流双环控制才是真功夫，这里头藏着个经典套路：外环玩电压，内
美国自2020年起，连续两年举办太空信息安全大赛“黑掉卫星（Hack-A-Sat）”，在《Hack-A-Sat太空信息安全挑战赛深度解析》一书中有详细介绍，本文介绍了Hack-A-Sat黑掉卫星挑战赛的卫星任务规划制订mission这道赛题的解题过程。
熟悉Masm32的使用，熟悉病毒重定位的基本思路和方法，在 HelloWorld.exe 中添加一段代码， 该段代码满足以下几个条件：1.该段代码弹出一个对话框 (标题： 武大信安病毒重定位，内容： 姓 名+学号后四位) 2.该段代码同时包括代码和字符串数据。3. 该段代码可以插入到.text节的任意指令之间，而不需要修改该段代 码中的任何字节。
我们只需要根据内容生成≤150字的摘要。需要简洁概括主要观点。内容讲AI让社会工程攻击更高效，尤其是钓鱼、短信钓鱼、深伪等，传统检测失效，需行为分析、AI辅助响应、透明AI重构防御。摘要要≤150字。试着写。</think>AI正大幅提升鱼叉式钓鱼、短信钓鱼和深伪等社会工程攻击的规模与精准度，传统基于特征的检测难以应对。为有效防御AI驱动的攻击，需以统一遥测进行行为分析，借助生成式AI
本文介绍了双模态对抗性提示攻击（BAP），这是一种新的框架，通过同时优化视觉和文本提示来越狱LVLMs。
机器学习也借鉴了人类学习模式，分为有监督学习（如识别物体）、无监督学习（无监督学习就像是让计算机自己在一堆杂乱的数据里找规律、做分类，不需要人提前告诉它 “答案”。从定义看，对于给定任务 T，在合理性能度量方案 P 下，计算机程序可自主学习任务 T 的经验 E，且随着优质、大量经验 E 的积累，程序对任务 T 的性能会逐步提升。机器学习的运作，依赖计算机系统依据训练数据按特定方式学习，随着训练次数
这种转变不仅极大地提升了软件交付的频率和效率，更重要的是，它将开发与运维团队从繁琐的手工操作中解放出来，打破了传统的部门壁垒。这为后续更高级的实践奠定了坚实的基础。日志聚合、链路追踪和指标监控工具的组合，使得我们能够快速定位故障根因，理解用户真实体验，并为后续的数据驱动决策提供了必要的数据支持。需要强调的是，从自动化到智能化的演进，不仅仅是工具和技术的升级，更是一场深刻的文化转型。同时，结合混沌工
同时，可解释性AI（XAI）和联邦学习等新兴技术，正致力于在保持模型性能的同时，增强其透明度和隐私保护能力，推动商业决策迈向更加智能、负责和高效的未来。同时，决策的依据也从“谁的经验更丰富”转向“谁的数据和模型更有说服力”，催生了更加客观、透明的决策文化，减少了内部政治和主观臆断对业务的干扰。在传统的商业环境中，决策往往依赖于管理者的直觉、经验以及对市场有限的抽样调查。然而，随着信息技术的爆炸式发
本文档基于TMS320F28335 DSP芯片的光伏逆变器项目代码，聚焦核心外设驱动模块，详细解析ADC（模数转换）、CPU定时器、DMA（直接内存访问）、中断控制器（PIE）、PWM（脉冲宽度调制）等关键模块的功能定义、工作机制与应用逻辑。所有分析基于TI官方标准驱动框架，旨在为光伏逆变器的硬件控制、数据采集、实时调度等核心功能提供技术支撑，同时避免泄露完整业务逻辑代码。ADC模块通过结构体AD
主要应用于AI研发团队需要集中管理模型和数据集资产的场景，支持团队协作开发、模型版本控制、在线预览数据集、内容审核等关键功能，类似于Android应用市场排名靠前的APP提供的集中化管理体验。：该项目是一个专注于大模型资产管理的开源平台，通过REST API实现对模型、数据集等AI资产的全生命周期管理，为AI开发团队提供统一的资产管理解决方案。（1）需求1：用户希望支持更多模型格式转换功能，实现主
中国在 AI 安全合规领域已形成 “法律 - 标准 - 实践” 三位一体的体系。
本文以国科安芯推出的国产RISC-V架构商业航天级MCU AS32S601为研究对象，系统阐述其单粒子效应（SEE）与总电离剂量（TID）试验验证数据，构建基于LEO轨道辐射环境模型的算力－功耗－可靠性三维评估框架，针对数据采集、姿态控制、协议处理三类典型边缘计算场景开展适配性分析，为商业航天边缘计算节点的架构选型提供工程化决策依据。对于5-8年LEO任务，年累积剂量约30krad(Si)，器件的
国科安芯推出的AS32X601系列MCU芯片内置的I2C模块提供了符合工业标准的两线串行制接口，可用于MCU和外部I2C设备的通讯。I2C总线使用两条串行线：串行数据线SDA和串行时钟线SCL。I2C接口模块实现了I2C协议的标准模式和快速模式，支持多主机I2C总线架构。其标准模式为100K，快速模式400K。而EEPROM，作为一种支持字节级单独擦写、数据掉电不丢失的存储器，其存储容量（从几字节
本文探讨云计算环境中的安全反渗透技术体系。通过分析云渗透攻击路径（API滥用、容器逃逸等）及攻击工具演化，提出多层防御策略：流量监控（如eBPF技术）、行为审计（Falco检测引擎）、欺骗防御（云蜜罐）和动态访问控制（OPA策略引擎）。重点介绍了数据驱动防御方法，包括威胁情报融合和LSTM异常检测模型，以及自动化响应机制。文章指出多云环境防御统一和AI对抗等未来挑战，强调从被动防护转向主动狩猎的安
云安全面临配置复杂、快速采用和网络攻击三大挑战，主要解决方案包括云访问安全代理（CASB）、云安全态势管理（CSPM）和云工作负载保护平台（CWAPP）。有效的云安全需围绕五大支柱：身份访问管理、基础设施保护、数据加密、威胁检测和事件响应。云账号AK泄露是重大风险点，可能导致数据泄露和业务损失。传统SIEM工具在云环境中存在覆盖不全、误报率高和成本上升等问题。企业需加强认证机制、加密标准和密钥管理
☁️ 企业上云是大趋势，云安全工程师就是风口上的岗位。
自动化与容器技术（现代运维标配）现在的服务器动辄成百上千台，靠手工操作已经不可能了。容器技术：Docker 和 Kubernetes（K8s）是目前的绝对主流。你需要知道如何把应用打包成镜像，以及如何用 K8s 进行大规模的容器编排和管理。自动化配置工具：像 Ansible、Puppet、Chef 这类工具，可以让你写一段代码，就自动在成百上千台服务器上完成软件安装、配置更新等操作。
面对密码复用、验证码破解、接码和AI伪造等风险，企业需要覆盖注册、登录、登录态和交易操作，通过设备、环境与行为识别，持续判断请求是否真实、
本文从请求频率、间隔变异、导航路径、客户端一致性和群体协同等信号出发，讲清会话风险评分与渐进式处置，并提供可运行、带原因码和测试的 Python 演示评分器，同时讨论误报、隐私和无障碍边界。
本文探讨了企业AI资产管理中的权限治理体系，提出四层递进式框架：第一层明确AI资产（模型、知识库、Skill、MCPServer）的分类及权限关注点；第二层构建三条核心权限链路（模型调资源、Skill调工具、用户用资产），强调身份透传和逐层校验；第三层区分人类与非人身份；第四层详解八种安全认证方式（APIKey/OAuth2/JWT/mTLS等）的原理及组合应用。文章重点阐述了JWT断言在服务间鉴
本文系统介绍了NORP Agent智能体为应对提示词注入等安全威胁而构建的纵深防御安全体系，涵盖输入、命令、沙箱、权限与插件等多层防护。
本文介绍了浏览器开发者工具的使用技巧和JS加密分析实战。主要内容包括：1.浏览器控制台的核心功能：元素检查、网络监控、样式编辑、JS调试、性能分析和存储检查；2.通过站长工具MD5加密靶场，演示如何利用断点调试分析JS加密逻辑；3.提供Python实现MD5加密的代码示例，确保与JS加密结果一致。重点讲解了如何通过控制台定位加密函数、设置断点验证参数传递，以及Python还原JS加密逻辑的方法。
摘要： 本文记录了实习生参与AI Agent SOC平台开发的初期思考。传统SOC面临告警疲劳、工具割裂、研判低效等痛点，团队尝试引入LLM作为"数字安全分析师"，构建自动化研判流程。架构设计上，采用LangChain+DeepAgents框架，通过工具调用、ReAct范式和状态管理实现多步骤安全分析。当前已完成技术选型，下一步将解决ELK数据到Agent的上下文构建问题。项目体现了AI与安全运维
实测中文、日文、韩文、阿拉伯文全部受影响。4 种语言。6 层影响。1 个根源。
安全威胁分析
——安全威胁分析
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
天工造物局
openEuler 社区
2048 AI社区
AtomGit AI 社区
乐奇 Rokid 开放社区
码道开发者社区
亚马逊云科技技术品牌专区
DAMO开发者矩阵
龙虾开发者社区
AI Agent技术社区
智能体开发者社区
