52 篇博文 含有标签「漏洞检测与插件」

内容速览​

• 适用场景： 希望让安全插件被 AI Agent 搜索、选择、编排和执行的插件作者与平台维护者。
• 实现方法： 将插件与 Tool、Blueprint、Skill、Focus Mode 统一抽象为 Capability，再通过分层意图路由、渐进式披露、能力目录 Grounding 和统一调度器执行。
• 关键结论： 插件商店不只是脚本下载入口，也可以成为 Agent 的能力目录；可发现性、约束和结果验证与模型能力同样重要。

常见问题​

插件接入 AI 是否需要重写一套适配代码？​

不需要。按照文中的流程，插件作者开启“开放给 AI 使用”并补充准确的插件描述，即可进入统一能力目录。

系统如何降低 AI 选错插件的概率？​

能力会先经过意图路由和目录 Grounding，再逐层收敛候选范围；执行阶段仍由统一调度链路管理和验证。

背景​

过去如果想拓展 AI 的安全能力，通常有两种思路：

内容速览​

• 适用场景： 需要对大型项目进行分阶段代码审计、漏洞证据整理和 SyntaxFlow 规则辅助生成的安全团队。
• 实现方法： 先探索项目并制定扫描计划，再按类别审计、逐条验证证据、生成报告，并依据风险生成 PoC 示例或规则建议。
• 关键结论： AI 的价值在于把探索、验证和报告组织成可追踪流程；高风险结论和 PoC 仍需要在隔离、授权环境中复核。

常见问题​

AI 审计是否会直接跳到漏洞结论？​

不会。文中的流程把项目探索、扫描计划、分类审计、证据记录和报告生成拆成独立阶段，要求结论能够回到具体证据。

自动生成的 PoC 可以直接用于生产目标吗？​

不可以。PoC 用于授权范围内的风险复现和验证，应在隔离环境中审阅输入、影响和执行边界。

随着 Memfit AI 新功能的扩展和相关机制的完善，我们已经可以将现有的 AI 功能扩展到我们的其他产品中，本文主要介绍目前我们在 IRify 工具的 AI 化扩展中做出的新尝试。

在之前的文章中有提到我们为处理超长输入的上下文，进行一些知识蒸馏萃取的功能，在最近的一段时间里这部分的工程有了一些的应用，也就是在 yakit 中新增的两个内置插件——知识构建与知识检索。

PluginTrace 功能介绍​

在渗透测试和自动化工作流程中，YAK 插件是实现自定义安全逻辑、扩展 Yakit 功能的核心工具。然而，随着插件数量和复杂度的增加，如何有效监控其执行状态、诊断潜在问题，成为保障工作流高效顺畅的关键。

SQL 注入是一种常见且危险的网络安全攻击技术，将恶意的 SQL 代码“注入”到原本合法的数据库查询请求中。本文围绕 YAK 靶场的 SQL 注入教程，详细介绍分析过程和利用方式。

今天我们将通过一个实际案例，展示如何通过 IRify 辅助定位并最终验证某 admin 中的一个组合漏洞。

某 Admin 是一款基于 webman + Layui 开发的高性能 HTTP 服务框架，提供了简单易用的权限后台管理系统。它具有以下特点：

做 ssa 的开发和维护至今，从 ssa 的底层到 syntaxflow 的语法构建，ssa 的能力也逐渐提升，在上一阶段中，我也提供了一些 ssa 的漏洞挖掘案例。在最近的一段时间内，对 ssa 优化和增加新语法的同时，我也对 webshell 做了一些分析和审计。

接下来，我将会从两个方面进行展开讲解。

在代码审计产品从yakit分离出来作为单独产品的这一段时间中，除了底层ssa bug的修复和syntaxflow规则编写之外，我还利用irify做了一些新尝试，比如：

·对某些CVE进行复现，并且进行指定框架/某些漏洞的查缺补漏。

·进行未知的漏洞挖掘，并且进行CVE漏洞提交。

在开始读取文章之前，你可以对代码审计是弱基础，基于irify工具进行漏洞挖掘，会对代码审计流程进行优化，简化审计流程。希望读者也可以通过irify的助力去进行深入的代码审计。

之前的文章为大家介绍过

YAK在渗透测试过程中，已经集成了一系列插件，无论是主动扫描部分，还是被动扫描部分，都在逐渐完善，在前段时间中上线了 MITM 越权插件，使得对越权的检测也变得更为简单起来。

在今天的文章中，我将详细介绍主动扫描和被动扫描的区别和一些插件/功能的使用技巧。