
SECURITY RESEARCH / TOOLCHAIN / FORENSICS
X7PEEPS
安全研究 / 工具开发 / 取证与攻防知识库
把复杂问题拆成可执行的流程,把经验沉淀成可以复用的武器库。
LAST 12 MONTHS
知识沉淀热力图
887 篇文章
RECENT UPDATES
最近更新
共 887 篇
- AI Agentic Coding 工程实践:从 Vibe Coding 到生产级自主编程的工作流设计 ai AI Agentic Coding 工程实践:从 Vibe Coding 到生产级自主编程的工作流设计 2025 年,Andrej Karpathy 提出了 “Vibe Coding” 的概念——开发者用自然语言描述 …
- AI Coding Agent 架构深度解析:从 ReAct 循环到多 Agent 协作的工程实现 ai AI Coding Agent 架构深度解析:从 ReAct 循环到多 Agent 协作的工程实现 2026 年,AI 编程工具的格局已经从"选哪个 IDE 插件"演变为"选哪种 Agent 架构 …
- AI 编程工具技术栈:Claude Code/Cursor/Copilot 能力对比与工作流 ai 引言 2024-2025 年,AI 编程工具从"锦上添花的自动补全"进化为"深度参与的协作开发者"。三款代表性工具——Claude Code(终端原生)、Cursor(IDE 原生)、GitHub …
- 多智能体系统安全:身份验证、合谋攻击与通信防护 ai 多智能体系统安全:身份验证、合谋攻击与通信防护 当 AI Agent 从一个独立的对话助手演进为多智能体协作系统中的一员时,安全问题从单点防护升级为网络化对抗。在多智能体系统(Multi-Agent System, MAS)中,多个 …
- 大模型红队测试:方法论、自动化工具与评测基准 ai 大模型红队测试方法论框架 大语言模型(LLM)的安全保障不能仅依赖静态规则过滤和输出审核。与传统渗透测试类似,红队测试(Red Teaming) 通过模拟真实攻击者的思维方式,主动发现模型在安全边界上的薄弱环节。但 LLM 红队测试有其独特 …
- Agent 安全运营体系:评估指标、监控与持续改进 ai Agent 安全运营体系:评估指标、监控与持续改进 当 AI Agent 从实验性项目演进为生产级系统时,安全不再是"一次性设计",而是需要持续运营的工程体系。Agent 的非确定性行为特征决定了它的安全状态不是静态的 …
- Agent工具调用层安全:参数校验、权限边界与沙箱逃逸 ai Agent工具调用层安全:参数校验、权限边界与沙箱逃逸 AI Agent 从"对话"到"行动"的跨越依赖工具调用。当 Agent 被赋予文件读写、数据库查询、命令执行、API 调用等能力后,工具调用层 …
- Agent规划与推理层安全:目标漂移、逻辑劫持与可解释性 ai Agent规划与推理层安全:目标漂移、逻辑劫持与可解释性 AI Agent 的核心能力在于自主规划与推理——接收一个高层任务后,将其分解为可执行的子目标序列,并在执行过程中根据中间结果动态调整策略。然而,推理层也是 Agent 安全架构中最 …
- Agent 记忆系统安全:污染防护、泄露检测与权限隔离 ai Agent 记忆系统安全:污染防护、泄露检测与权限隔离 AI Agent 的记忆系统是其智能行为的核心基础设施。短期记忆(上下文窗口)让 Agent 理解当前对话,长期记忆(向量数据库、结构化存储)让 Agent 跨会话积累知识和经验。然而 …
- AI Agent 安全设计:权限模型、沙箱隔离与审计日志 ai 从被动防御到主动安全架构 AI Agent 正在从"回答问题"的对话助手演进为"执行任务"的自主代理。当 Agent 被赋予文件读写、API 调用、数据库查询、代码执行等工具能力后,它就从一个封闭的文 …
- AI-Native 安全体系:企业安全从 0 到 1 的 AI 化实践 ai 企业安全体系框架 企业在建设安全体系时,首先面临的问题是"参照什么标准来搭"。全球主流的安全合规框架有三套,各有侧重,适用场景不同。 ISO 27001 / ISO 27701 ISO 27001 是信息安全管理体系 …
- AI 驱动安全运营:智能 SOC、自动化响应与漏洞分析 Agent ai 传统安全运营的结构性困境 现代企业的安全运营中心(SOC)正面临一场深刻的效率危机。随着企业 IT 基础设施的复杂度持续增长——混合云架构、微服务、IoT 设备、远程办公终端——安全团队每天需要处理的告警数量呈指数级增长。这种增长并非线性叠 …
- 合成数据工程:大模型时代的数据飞轮与质量保障 ai 合成数据工程:大模型时代的数据飞轮与质量保障 大语言模型(LLM)的能力飞速提升,但其背后隐藏着一个日益尖锐的矛盾:训练数据正在枯竭。Epoch AI 研究机构预测,到 2030-2060 年间,支撑大模型训练的关键语言和视觉数据将面临耗竭 …
- 如何训练一个原生 Computer Use 模型 ai Computer Use 模型的技术全景 2025 年,AI 领域出现了一个重要的范式转移:让大模型直接操控计算机界面。从 OpenAI 的 CUA(Computer-Using Agent)到 Anthropic 的 Claude …
- 应急响应大模型微调:基于 Qwen2.5-7B 的 QLoRA 训练实践 ai 应急响应大模型微调:基于 Qwen2.5-7B 的 QLoRA 训练实践 应急响应(Incident Response)是安全运营中最具时间压力的场景之一。从收到告警到完成根因分析,黄金窗口往往以小时计。通用大模型虽然知识面广,但在应急场景 …
- 模型微调技术全景:LoRA、QLoRA、全参数微调与实战选型指南 ai 模型微调技术全景:LoRA、QLoRA、全参数微调与实战选型指南 大语言模型(LLM)的预训练已经形成了"少数巨头训练基座模型、大量开发者微调适配任务"的生态格局。然而,全参数微调一个 7B 模型就需要 …
- 模型量化与压缩技术:GPTQ、AWQ、GGUF与FP8的工程实践指南 ai 模型量化与压缩技术:GPTQ、AWQ、GGUF与FP8的工程实践指南 大语言模型的参数规模在过去五年呈指数级增长——从 GPT-2 的 15 亿参数到 LLaMA-3.1-405B 的 4050 亿参数,再到 DeepSeek-V3 的 …
- 多模态大模型技术栈:从 Vision-Language Model 到原生多模态架构的技术演进 ai 多模态大模型技术栈:从 Vision-Language Model 到原生多模态架构的技术演进 多模态 AI 已从实验室中的"图像描述工具"演变为能够同时理解文本、图像、音频、视频的通用智能系统。2024 年 …