AI 赋能安全

这里把 AI 视为安全工作的工具，关注它能否帮助安全人员完成真实任务。评价对象是可验证的发现与处置结果，不是生成了多少报告、调用了多少工具。 当前内容重点是漏洞挖掘、授权攻防与能力评测；告警研判和安全运营形成独立实践后再增加专题，不预建空栏目。

寻找值得调查的漏洞线索

AI 漏洞挖掘从系统演进、组件契约、判断语义和能力组合出发，把开放式审计拆成可调查的问题。它讨论的是“用 AI 挖漏洞”，不是“只挖 AI 产品的漏洞”。

把线索转成受控执行

AI 自动化渗透：架构与工程挑战作为持续更新的方法文章，讨论状态、规划、工具、验证和副作用控制。

基于 AI 驱动的实战网络攻击保留演讲时的 APG、APG Runtime 与工具基础设施方案，是历史实践快照；其中的阶段判断不自动代表当前结论。演讲正文保持原貌，新的方法和验证结果进入持续维护的文章。

验证能力与落地效果

安全 AI 的能力与落地评测检查安全知识、分析、代码审计、攻防任务、工程可靠性和业务效果。安全风险是准入约束，不能用能力得分抵消；通用的对抗评测、发布证据和风险门禁方法引用 AI 系统安全评测与红队。

复用工程能力，不复制安全边界

通用 Agent 实践、AI 编程和 Skill放在智能工程。安全 Agent 的授权、凭证、工具隔离和审计要求引用 Agent 与工具调用安全；与攻击者滥用 AI 有关的防守问题进入 AI 滥用防御。所有主动验证以明确授权、限定范围和可停止性为前提。