大模型安全资料库

针对 Anthropic 指控国内七家厂商"大规模蒸馏 Claude"，从蒸馏的业内共识、加密推理块重放路径、中转站生态与三类溯源手段的局限逐层拆解，指出目前指控仅有单方材料，缺乏可供第三方审计与可复现的血缘检验。

Packt 2025 年 12 月出版的英文专著，416 页，以 OWASP LLM Top 10 为主线系统梳理 LLM 十大安全风险及缓解实践。适合作为企业 LLM 安全治理的系统性参考。

米斯特 AI 社区洺熙基于《AI-Native LLM Security》整理的中文精编稿（40 页），按 2026 年 9 月现状逐章复核：保留跨越版本仍然成立的攻击机理、架构原则与工程实践，删除已失效的标准、法规与工具，并在原位标注过时原因及现行替代方案。原文

一条 Special Token 就能打崩 vLLM、llama.cpp 等主流推理引擎，AI 基础设施“一触即溃”。本议题拆解从 HTTP 到 GPU 的七层攻击面，用 AI 赋能的模糊测试实现全自动漏洞挖掘——一个 URL 进，一份漏洞报告出。

DEF CON 34 演讲。分享构建确定性 Agentic Web 渗透测试系统的架构经验，解决多 Agent 协作中 LLM 规划不确定性与结果可复现性的矛盾，为自动化渗透测试的工程落地提供可借鉴的架构模式。

DEF CON 34 演讲。当提示注入失效时，如何绕过 LLM 构建门禁（Build Gate）。揭示 CI/CD 中 LLM 代码审查环节的替代攻击面，提醒安全团队构建门禁并非万能防线。

DEF CON 34 演讲。以盗墓为喻，展示如何利用遗留系统漏洞攻入现代 AI 数据保险库窃取敏感数据，警示 AI 基础设施快速迭代中遗留组件带来的数据安全风险。

DEF CON 34 演讲。系统性研究 AI 基础设施（训练/推理/编排链路）的攻击面，展示一条链全链路突破的攻击手法，强调 AI 供应链各环节的连锁风险。

DEF CON 34 演讲。剖析主流 AI 编排平台"天然携带"的 RCE 设计缺陷——用户输入被直接引入代码执行环境，展示从使用 AI 到被 AI 平台攻击的完整链路。

DEF CON 34 演讲。两位资深固件逆向工程师实测 LLM 在蓝牙固件逆向自动化中的能力边界，哪些环节可被 LLM 接管、哪些仍需人工，为"AI 辅助漏洞研究"提供真实工程数据。

DEF CON 34 演讲。对最流行的 AI 网关实施安全研究，从认证绕过一步步走向云环境沦陷，展示 AI 网关作为安全边界时存在的信任假设缺陷与配置风险。

安全专家杨叔（杨晓东）关于企业安全新趋势的演讲/分享材料，主题为TSCM（技术监控对抗措施，即反窃听窃密技术）与企业网络安全的融合。内容涵盖物理空间与电磁空间的技术窃密威胁检测与反制手段，探讨了TSCM技术与传统网络安全协同防御的新思路，为企业构建"物理+网络"综合安全防线提供了前沿视角。