Vibe 编程安全风险

一位渗透测试员实测发现：Claude 会拒绝编写 LSASS 转储工具，而本地运行的 DeepSeek 及去审查版 Qwen 模型可轻松生成可用的 XOR 加密 minidumper，表明借助本地 AI 绕过 EDR 已相当容易。

作者用两个 LLM 以相同提示词从零构建应用并审查其漏洞：vibe coding 提速明显，但 LLM 有限的上下文窗口和被跳过的安全审查，可能让开发速度与漏洞数量同步增长。

SpecterOps 结合红队实战系统梳理 AI 在进攻性安全中的适用边界：侦察与数据降噪、工具开发、社会工程、漏洞发现与验证、长期自动化及报告整理等场景已见实效，但模型仍可能误读工具输出、虚报漏洞利用或提权结果。文章强调成败关键在于模型之外的工程化 harness——上下文、可用工具、持久状态、独立验证与人类判断。

Tenzai 的安全基准测试让 Cursor、Claude Code、Codex、Replit、Devin 五个 AI 编码 Agent 用相同提示词构建 15 个应用，共发现 69 个漏洞，每个 Agent 都写出了带缺陷的代码，包括失效的认证与 SSRF；不过 SQL 注入和 XSS 等传统漏洞反而较少出现。

NetSPI 用 AI 编码工具「vibe coding」构建了一个 Web 应用并进行安全测试，结果好坏参半，说明 AI 生成代码仍需主动安全审查。

Project Zero 将 Project Naptime 升级为 Big Sleep：利用大语言模型在真实世界软件中发现漏洞，并分享首批成果与观察。