如今人人都是攻击面

XBOW 推出自主暴露管理（Autonomous Exposure Management）：以攻击者视角、无需源码与凭据，对企业整个外部应用资产并行发起测试，为每个发现附上可复现的利用证据。企业自有应用数量往往是渗透测试覆盖量的 3–10 倍，未被测试的应用并非低风险；AI 让软件产出与漏洞发现同时变便宜，证明可利用性成为把漏洞队列转化为处置决策的关键环节。

针对美国政府机构就开源软件（OSS）安全发布的信息征询（RFI），Trail of Bits 提出四方面建议：以 Rust 等内存安全语言重写遗留代码、强化软件供应链、规模化消除特定类别漏洞、加强开发者安全教育。

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。

Bugcrowd 推出 Savant Forge，将模糊测试与符号执行相结合并持续集成到 CI/CD 流水线，为每个缺陷提供可工作的漏洞利用用例、优先级评分与回归测试以降低误报；配套的 Savant Runtime 跟踪生产环境实际运行的第三方组件，误报减少 80%，支撑 SBOM 合规。

YesWeHack 分析了 AI 渗透测试的三大安全顾虑——测试范围控制、危害避免与测试可追溯性，并介绍其 Agentic Pentest 产品如何通过设计良好的 AI 执行框架（harness）逐一化解，使 AI 能够安全地发现真实攻击路径。

学习如何将 Gemini CLI 用于漏洞赏金研究：批量分析抓包流量与源代码、挖掘潜在线索，并人工验证发现。