AI 智能体攻陷 AI 平台，AI 反制取证
7 月 20 日，Hugging Face 官方证实，其生产环境遭遇了入侵。幕后黑手并非人类，而是一个自主运行的 AI 智能体。这并非人类黑客借助 AI 辅助作案，而是 AI 自主设定目标、实施攻击并销毁痕迹。整个过程中，AI 机器人执行了逾 17,000 次操作，这一数字令人咋舌。人类黑客团队即便全天候工作，日操作数也难达此数，而 AI 仅用周末时间便完成了 17,000 次攻击。这种效率差异是质的飞跃。更关键的是，这些操作并非机械重复，而是基于明确策略的精准打击，显示出 AI 攻击已具备「思考」与自适
自然语言驱动：利用 Claude AI 实现自动化渗透测试全链路
导读：本文展示了一场近乎完全由自然语言指令操控的端到端渗透测试实战。我们将 Claude Desktop 连接至部署在 Kali Linux 上的模型上下文协议（MCP）服务器，将 AI 助手转型为安全攻击的副驾驶员——只需口述"执行 Nmap 扫描"，它便能立即行动。在包含多台主机的实验环境中，从初始配置起步，直至成功获取 Windows Server 2019 域控制器的管理员权限。我们在复盘每个攻击环节的同时，也详细剖析了相应的防御策略。来源说明：本文系对 Hacking Articles 发布的《
深度解析：人工智能安全体系与网络空间防御
1人工智能安全人工智能安全主要涵盖三个细分领域：人工智能赋能安全（AI for Security）人工智能内生安全（AI Security）人工智能衍生安全（AI Safety）其中，赋能安全彰显了 AI 技术的辅助增强作用；而内生安全与衍生安全则反映了 AI 技术伴随产生的效应。构建人工智能系统不能仅依赖技术，还需结合外部多重约束，共同打造合规且完善的体系。人工智能安全的整体架构及其外部联系参见图 1。人工智能赋能安全主要体现为辅助防御与辅助攻击两大维度。在辅助防御层面，防御方正借助 AI 技术优化并拓
AI黑客实力惊人：安全专家称其为颠覆性变革
上周，一篇来自 Politico 的深度报道在科技界引发热议：多位安全专家在测试 Anthropic 的 Mythos 和 OpenAI 的 GPT-5.5 后，不约而同地用了一个词——"game-changer"。这并非称赞它们编写代码的速度，也不是夸它们对话能力强。而是指出，这两个模型在网络攻击方面的表现，已经让华盛顿的政策制定者感到不安。先回顾一下背景。过去几年，AI 在安全攻防中一直扮演"辅助角色"——协助扫描漏洞、生成测试用例、自动化重复任务。但 Mythos 和
AI四小时破解FreeBSD，最安全系统神话终结
2026年4月，网络安全界遭遇了史无前例的冲击。安全专家尼古拉斯·卡里尼进行的一项测试表明，AI仅耗时4小时，便突破了被称作“全球最安全”的操作系统内核——FreeBSD。这不仅是技术的飞跃，更是对全球网络安全防御架构的一次严厉警示。FreeBSD绝非普通的消费级应用。作为拥有30余年历史的开源系统，它以卓越的稳定性与安全性著称，被广泛应用于全球最苛刻的生产环境中，是支撑数字基础设施的核心支柱：长久以来，FreeBSD凭借成熟的代码库和严密的审计机制赢得信任，被视作“固若金汤”。按传统观念，要攻破它，往往