基准测试内幕：应用架构、发现过程走读与各扫描器的实际战果

最终写进事故复盘的安全问题，在引入它们的 PR 里很少显得危险——不是谁粗心，而是改动本身看不出问题：代码按字面意思工作，毛病出在应用运行后的行为上。ProjectDiscovery 指出 LLM 代码审查在实测中精度仅约 63%，主张对 PR 补充针对运行中应用的行为验证。

ProjectDiscovery 工程博客回顾 Neo 的架构演进：从最初单一带沙箱、大工具集的 Agent，发展为可选规划、执行 Agent 委派并行专用子 Agent、再经验证循环的架构。上下文、时长与质量三重压力推动每次重构，典型任务约 26 次 LLM 步骤、40 次工具调用，最长单任务达 14.7 小时、2154 步、2398 次工具调用。

LLM 挖掘漏洞能力惊人（Anthropic 报告 Opus 4.6 发现 500+ 零日、OpenAI Codex Security 挖出 14 个 CVE），但噪音会快速累积，缺少验证环节只会带来更多分诊负担。ProjectDiscovery 让 Neo 扫描热门开源仓库并在运行时端到端验证，在 13 个项目确认 22 个 CVE，误报率约 10-20%，含沙箱逃逸与多步利用链，附带可用 PoC 与 OAST 回调等渗透级证据。

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。

《追踪手记》开篇：XBOW 如何融合源码分析与动态测试（以 DVWA 为例），用代码知识引导攻击方向，再以运行时证据确认真实漏洞。

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。