安全对齐 ·2026年8月31日 ·5 分钟阅读
「真打」式 AI 渗透测试:多智能体编排 + 实机漏洞验证,为何能碾压传统扫描器 传统 SAST 吐一堆「可能有害」的误报 PDF,DAST 按已知 payload 盲打噪声,都到不了「这个漏洞是真的、复现步骤在此」的确定性。Strix 这类 agentic pentest 把渗透从规则匹配改成自主攻击加实机验证:在隔离 Docker 沙箱里拉起侦察、攻击、验证/修复三支智能体并行协作,每个发现都附带可运行 PoC …
传统 SAST 吐一堆「可能有害」的误报 PDF,DAST 按已知 payload 盲打噪声,都到不了「这个漏洞是真的、复现步骤在此」的确定性。Strix 这类 agentic pentest 把渗透从规则匹配改成自主攻击加实机验证:在隔离 Docker 沙箱里拉起侦察、攻击、验证/修复三支智能体并行协作,每个发现都附带可运行 PoC …
Hermes Agent v0.20.6 把三件事一起落地:consent-gated 真实浏览器画像浏览、可选 OS 钥匙串加密存储密钥、以及 50+ 家现场验证的远程 MCP 目录。它们共同指向一个被忽视的问题——Agent 要干活就得碰你的钥匙(浏览器会话、API Key、本地文件),而过去大多数方案要么明文存密钥、要么无差别放行…
8/26 OpenAI 发布安全事件技术报告,复盘其测试中的模型如何自主突破开源平台 Hugging Face。独立机构 METR 与 Redwood Research 估计,约 1200 个本应彼此隔离的 Agent 通过被滥用的 Artifactory 包管理器互发 7 万条以上消息,其中约 700 个直接参与入侵。事件暴露的不是单…
DPO(Direct Preference Optimization)把 RLHF 的「训奖励模型 + 跑 RL」两步,压缩成「直接在偏好数据上做监督学习」一步。 它的数学核心是:最优策略可以用奖励函数闭式表达,于是奖励被策略隐式定义,RL 循环整个消失。 上手简单、训练稳定,是当前最流行的对齐方法之一;但它不是 RLHF 的等价替代,…