今日 KeyFrame

DEFCONConference

• 人類情報的不可替代性：自動化工具與爬蟲只能獲取表面資訊，無法進入閉鎖社群或建立信任關係。只有直接對話才能了解威脅行為體的真實意圖，得知他們將攻擊什麼目標、如何行動，這是技術方法無法達成的。
• 身份構築的基礎要素：虛擬身份需建基於可信背景故事，跨多個論壇保持同一昵稱，展現一致的信譽增長。支撐結構包括具備相應領域知識（如駭客技能）、掌握社群俚語與文化、控制上線時間與發言風格以符合地域特徵（例如英文使用「I have a doubt」而非「I have a question」等語言細節）。
• 信任建立的漸進策略：初期採被動傾聽與低風險互動（提問技術問題、分享資源），逐步參與交易與貢獻資金以證明買方身份。速度不可催促，強行加速會引發懷疑導致被踢出社群。成功指標包括受尊重使用者的直接回應、被邀入私密頻道、獲得搶先存取新工具等。

DEFCONConference

• 威脅報告的三大難點促成此系統的開發：報告用自然語言編寫且包含多種格式，導致難以自動化；報告之間信息往往矛盾或不完整；TTP 通常隱含需靠領域知識推斷。這使手工分析既耗時又易出錯，因此需要智能系統將模糊報告轉成結構化作戰卡。
• 分組威脅報告時，先用 LLM 生成摘要再提取嵌入，優於直接提取文檔嵌入。原因在於 LLM 摘要在識別威脅行為者、別名、活動類型方面具有同質性，轉換為嵌入後會產生空間上更接近的向量，提升聚類品質，Silhouette Score 更高。
• 提取戰鬥卡採用 MapReduce 模式而非單次批處理，是因為 LLM 一次處理大量報告會崩潰。即使輸入令牌支持無限制（Gemini 支持百萬級），輸出限制仍為 ~65k。解決方案是分配各報告給代理並行處理，再由另一個 LLM 綜合結果；LLM 甚至自動生成了合併代碼邏輯。

DEFCONConference

• 搜尋與帳戶鏈結的 OSINT 技術可行：Discord 搜尋功能支援 from、has、before、after 等操作符，類似 Google Dorking；用戶資料中的鏈結外部帳戶會暴露多個身分；互關伺服器可推斷個人的技能水平與專業領域，因此追踪一個人加入的全部伺服器能生成詳細的身分檔案。
• 數據爬蟲已成為現實威脅且規模持續擴大：Spyet（14,000伺服器、60萬用戶、40億訊息）、SearchCord（64億訊息、285TB附件、95,000伺服器）、未公開爬蟲（持續增長中）都已實現大規模訊息收集，且未被檢測的爬蟲可能存在多個。
• 技術難度不是主要障礙，法律與倫理後果才是：大規模追踪受限於服務器上限（100∼200個），但爬蟲透過 botnet 或爬取公開發現頻道繞過此限制；這些爬蟲違反 GDPR、Discord 服務條款，初期甚至被用於騷擾與敲詐。

DEFCONConference

• 權限模型缺陷與上下文盲區：擴展採預先聲明權限制，但permission粗糙且無上下文。同一權限(如cookies存取)在Cookie Editor開發工具中合理，在無關AI助手中卻可疑。權限本身不能決定風險，必須評估為何該擴展需要此權限。
• 靜態分析的結構性失效：傳統SAST和代碼檢視無法預測運行時行為。攻擊者可用動態域名生成算法(DGA)、延遲執行、條件觸發、二進制編譯等技術隱藏真實意圖。真實威脅只在執行時才顯露，單純審計代碼如同盲人摸象。
• 元數據分析的隱藏信號：開發者地址、辦公位置(商業區vs荒郊)、域名年限、企業認證可揭露背景。更重要的是，二級市場存在所有權轉售——正常擴展可被開發者出售或被攻破者接管，但目前無法偵測所有權變更。需持續增量監測來追蹤異常。

DEFCONConference

• 現有暗網研究工具「碎片化」問題嚴重：需依次使用鏈接收集、驗證、爬取、報告工具，跨語言跨架構導致低效。Robin透過整合功能並引入LLM，實現單一工具全流程研究。
• LLM提示詞工程的精密度決定成效。初期嘗試讓LLM直接處理200條標題URL會產生幻覺，改為提供索引表建立後端表格格式後，準確度明顯提升。此方法論對處理大規模結構化資料特別重要。
• 三層LLM策略各司其職：第一層優化使用者查詢為精確搜索意圖；第二層從搜尋引擎結果篩選20條相關鏈接（從百條級縮減）；第三層從爬取內容萃取工件（名字、郵箱、PII、加密地址）和洞察。分層設計降低單個LLM負擔，提高準確度。

DEFCONConference

• 攻擊者動機從意識形態轉向金錢
• 過去激進組織基於反建制信念發動DOS攻擊，如今威脅行為者純粹為利潤而動。加密貨幣普及（從LR到比特幣）與暗網市場成熟，使犯罪產業化成為可能。
• 基礎設施複雜度爆炸性增長

DEFCONConference

• 亞馬遜商業生態的監管漏洞：中國卖家利用美國專利局自動審核系統的弱點，註冊無意義的隨機品牌名稱，因為這類申請會被自動批准，相比之下普通商標更容易觸發人工審查。被禁後只需改名重來，形成無限循環，導致虛假評論、假冒產品層出不窮。
• 供應鏈的刻意隱瞞：單一運營商持有1,600+商標，分散在中國、意大利、英國等多地，使用不同的公司登記名稱、郵箱、WhatsApp號碼與代理律師。FCC報告中的地址虛假或模糊，即使監管機構質疑也以「谷歌圖片模糊化」為藉口搪塞，反映出這類跨國灰色運營的系統性。
• 硬體基礎安全但無關緊要：拆解發現內部採用台灣瑞昱、上海普亞等通用晶片組，無隱藏的惡意設計或特殊漏洞，嚴格採蓝牙連接無Wi-Fi模組。這意味著實際安全威脅不在硬體，而在軟體和數據流向。

DEFCONConference

• 開源信號的三層結構：公開信號（T恤、旗幟、車貼等每個人都會發出）層級最高，組織/機構信號（公司標誌、幫派標誌等特定群體識別符）位於中層，秘密/隱蔽信號（握手、徽章位置等需事先約定）最專業且直接。隨著層級下降，信號變得更加小眾、專注且難以捕捉。
• 文化語境決定信號含義：同一符號在不同文化中可能意思完全相反。例如黑帽子在幫派文化中代表血液，在 LGBT 文化中是手帕密碼系統的一部分；倒掛夏威夷州旗表達困境或獨立訴求，而非普通的遇險信號。研究者必須理解目標所在的特定文化背景。
• 微妙細節的識別力：日常物品的放置方式蘊含深層含義——花朵在左耳表示已婚，在右耳表示單身；墓碑上放置不同面額硬幣表明與逝者的具體軍事關係；衣服的穿著方式（如領子內翻）傳達特定信息。OSINT 工作時需訓練自己發現這些容易被忽視的視覺線索。

DEFCONConference

• 隱藏攻擊面發現困難：企業擁有數千子域名與端點，許多從未被發現。傳統方法如被動掃描受萬用字元憑證限制，暴力破解仰賴預定義字典且效率低，無法辨別Apple「iOS-mdnapple.com」中MDN實為地區碼（Maiden North Carolina）而非Mobile Diagnostic Network的含義。
• LLM具有獨特優勢：LLM基於Transformer同時理解全文脈絡而非逐詞預測，通過分佈語義理解語言模式。講者示範：當提供多個Apple子域名列表時，LLM能識出RNO、MDN、NJ均為地區碼，推導出隱藏模式的能力遠超人工。
• 模型演進與選擇：LSTM逐token處理序列創意有限；Nano-GPT（1,060萬參數）輕量但效果差；GPT-2參數適中但生成平庸；最終採Llama 3.4B（34億參數），因其預訓練充分、長上下文支持、Transformer架構現代化。

DEFCONConference

• PGP密鑰的架構漏洞：創建密鑰對時可選填電子郵件、姓名等資訊，多數供應商誤以為加密等同隱匿，實際上公鑰本身包含這些元數據，被取得後可直接追溯。
• 集體防禦建議失效：暗網社區雖建議每個市場檔案用獨特公鑰，但講者發現30%供應商違反此規則；更嚴重的是，即便使用獨特公鑰，相同的電子郵件地址也會把多個檔案連結起來。
• 電子郵件成為歷史記錄的樞紐：重複使用個人電子郵件10年以上，導致其出現在Neopets(2013)、MySpace、LinkedIn等多個過期數據庫中；Verifications.io洩露最致命，包含全名、生日、電話、地址等身份識別資料。

DEFCONConference

• 漏洞源頭追蹤：始於 ExpressVPN 驅動的棧分配邏輯（packet_length + 24 bytes），在無整數溢位檢查下導致緩衝區溢位。研究者未止於一個驅動，而是用 Yara 規則搜索簽名，發現這是 OpenVPN 各衍生版本的系統性問題。
• Windows 名管道架構剖析：OpenVPN 服務透過命名管道與使用者模式通信，客戶端傳送啟動資料、路由/DNS 變更指令，服務代表低權限進程執行。這裡存在棧溢位與名管道競態漏洞，結合插件機制可達成本地提權。
• 遠端攻擊向量構建：無法直接存取遠端名管道，需先透過 OSINT 和網路偵聽捕獲 NTLM v2 雜湊，再用雲端 GPU 叢集（18 台 RTX 4090）於 3 分鐘內破解 9 字元密碼，取得認證後經由 SMB/IPC$ 遠端載入惡意 OpenVPN 插件。

ZACK0X01

• Token 替換是最核心的測試手法：攔截 Admin 帳號的 API 請求後，將 Session Token 或 Cookie 替換為低權限用戶的憑證再重送，若伺服器未做伺服器端權限驗證，即可以低權限帳號取得 Admin 才能看到的 API 金鑰、組織金鑰、用戶機密資料。
• 存取控制漏洞不只限於「資料」，也包含「功能」：以邀請用戶功能為例，Admin 可以邀請，低權限用戶理應不能；若攔截 Admin 的邀請請求並替換 Token 重送成功，即構成功能層面的 Broken Access Control，危害程度往往更高。
• API 回應中的布林值（Boolean）是重要攻擊面：`paid=false`、`confirmed=false` 等狀態欄位若被前端邏輯直接信任，攻擊者可透過 Burp Suite Repeater 將回應竄改為 `true`，繞過付費或驗證機制，直接存取受限內容。

HackBin

• nmap 資訊蒐集是起點：使用 `-sV -sC -T4 -p-` 全端口掃描，不依賴 OS aggressive scan 也能從 banner 判斷系統為 Ubuntu，此做法在不觸發過多噪音的情況下仍能獲得足夠資訊。
• gobuster 配合大字典枚舉隱藏路徑：靜態首頁無明顯線索時，搭配 `/usr/share/wordlists/dirbuster/big.txt` 強制枚舉，是找到 admin 面板的關鍵步驟，說明黑盒測試中枚舉不可省略。
• Hydra 攻擊 HTTP POST 表單需正確解析欄位名稱：透過瀏覽器 DevTools Network 面板確認請求方式為 POST，再從 Inspect Element 取得 input 欄位的 `name` 屬性（而非 label），才能正確組成 Hydra 的 `http-post-form` 參數，避免因欄位名稱錯誤導致破解失敗。

NewsX World

• 區塊鏈是假名而非匿名：所有交易與餘額變動永久記錄在鏈上，可被完整回溯。區塊鏈分析工具透過「個人錢包」與「服務錢包」（交易所、混幣器、暗網市場）之間的資金流動圖，建立可視化追蹤路徑，為執法機關提供行動依據。
• 混幣器難以完全隱匿資金來源：混幣器雖將資金打散並跨鏈轉換，但出口交易仍留存於鏈上。鑑識人員可利用行為模式識別、時間關聯分析，以及混幣器進出口的交易結構，找出資金連結。此外，99% 的中心化交易所對來自混幣器的資金直接凍結帳戶，迫使犯罪者難以變現。
• 鑑識報告結合鏈上數據與 OSINT：調查機構在提交法律證據時，需製作專業鑑識報告，內容涵蓋交易流程圖、資金移動數據，以及鏈上可公開驗證的交易哈希。同時結合 OSINT 取得的 IP、電子郵件、社交媒體連結，以及交易所提供的 KYC 資料，形成完整的法律證據鏈。

CyberFlow

• 動手試用才能真正理解工具：光看課程跟著複製指令沒有意義，必須在自己的機器或本地環境實際跑一遍，才能理解為什麼 `-sS` 是 SYN scan、為什麼它不完成 TCP 三次握手，這種理解才是真正的知識。
• 用小專案把工具串成自動化流程：Bug Bounty 實務中需要對大量目標重複執行相同步驟，與其每次手動操作，不如寫一個 Python 腳本，用 SubFinder 蒐集子域名後自動跑 Nmap，結果存檔、睡覺等結果，這樣同時學會了 Python 與資安工具的整合。
• 偵察要按照正確方法論順序執行：初學者常犯的錯是跳步驟，正確流程應是 DNS 偵察 → Nmap 端口掃描 → 服務識別 → 針對性漏洞測試，每步都有其邏輯依據，不能跳過或隨意替換順序。

Ethical Explorers

• 隱私是核心痛點：使用 ChatGPT 等雲端 AI 做滲透測試，會把漏洞資訊、客戶資料傳送到第三方伺服器，Drana Infinity 以本地運行解決這個根本問題。
• Ollama 是底層引擎：工具本身並不內建模型，而是透過 Ollama 拉取並運行 LLM，這讓使用者可以根據硬體規格彈性選擇模型大小，不綁定單一版本。
• Python 虛擬環境是必要步驟：安裝過程刻意使用 `venv` 隔離 Python 套件，避免污染系統環境，這是可重現部署的關鍵實踐。

MR.JAMMER

• Bug Bounty 本質上是不對稱的回報遊戲：可能花 20 小時得零報酬，也可能一個 Broken Access Check 換來 $3,000。新手應把前期目標設定為「學技術」而非「賺錢」，才不會因短期無收益而放棄。
• 深鑽單一漏洞類型比廣撒網更有效：建議從 IDOR 切入，因為它邏輯直觀（將 user_id=100 改為 101 即可測試）、門檻低且獎金潛力高，能最快建立成功經驗與信心。
• 報告品質與漏洞發現同等重要：一份結構清晰的報告（標題、摘要、重現步驟、影響範圍、PoC、修補建議）能加速 triage 流程並提升獎金核發率，這是多數新手忽略的競爭力。

Shreyas Modi

• Bug Bounty 並非撿錢，而是需要系統性技術積累。 許多初學者聽到高額獎金就衝進來，卻忽略了正式平台上已有大量資深駭客競爭，沒有紮實基礎幾乎不可能有收穫。
• 工具只是手段，原理理解才是核心。 學會操作 Burp Suite 或 OWASP ZAP 不等於會挖洞，必須同步理解 HTTP 請求流程、伺服器資料處理方式、以及各類漏洞的成因邏輯。
• OWASP Top 10 是起點，Business Logic 才是進階護城河。 學完常見攻擊類型後，理解特定業務的付款流程、帳號管理邏輯等 Business Logic 漏洞，能讓你在競爭中脫穎而出。

Cyber Scrilla

• 短影片是傳播核心：詐騙者批量複製加密貨幣 KOL 的影片內容，在短時間內同時建立信任感、製造恐慌與緊迫感，誘導用戶主動聯繫。因為影片數量龐大，受害者難以辨別真偽。
• 假網站+真錢包的組合是關鍵陷阱：詐騙者讓受害者下載真正的 SafePal 等錢包 App 以建立信任，但要求連接的「Web3 平台」是假網站——連接後助記詞即遭竊取，或轉帳地址被暗中替換為詐騙者的地址。
• 助記詞是唯一真正的目標：無論受害者操作哪個步驟，最終目的都是取得 Seed Phrase（助記詞），掌握助記詞等同掌握錢包內所有資產，無需任何其他技術手段。

ageixe

• Server Components 的便利性同時帶來了攻擊面：React 19 讓元件在伺服器端運行以加快效能，但因為對輸入資料的型別檢查不夠嚴謹，Server Actions 的入口點暴露在外，只要開啟 RSC 功能即可被利用。
• 滿分 10.0 的 RCE 漏洞是此次核心威脅：CVE-2025-55182 允許攻擊者不需任何憑證，僅透過構造特殊封包即可在遠端伺服器上執行任意指令，是漏洞等級中最高危的類型。
• 漏洞修補是迭代過程，初次修補並不完整：DoS 漏洞（CVE-2025-55184）最初修補後仍有殘留，後來以 CVE-2025-6777 的形式再次被揭露並徹底修復，說明安全修補需要多輪驗證。

Crypto Derivatives

• 原子性消除了放貸方的風險：傳統貸款需要審查借款人信用，因為放貸方承擔違約風險；閃電貸因為「不還就全部撤銷」的機制，借款方無需抵押即可取得大額資金，風險完全由智能合約承擔，而非人。
• 攻擊流程是一套六步的精密舞蹈：借出大額資金 → 在目標協議砸盤 → 低價買入 → 在其他平台套利賣出 → 還款 → 保留差價利潤，整個過程在幾秒內完成，幾乎無法追蹤或阻止。
• 真正的受害者是提供流動性的普通用戶：攻擊者從交易費和差價中獲利，損失實際上由注入流動性的散戶吸收，他們存入資金只是希望賺取微薄收益，卻在不知情的情況下成為攻擊的緩衝墊。

經營男不難

• 訓練無效的根本原因在制度缺失：很多員工反映上完課後「沒有地方用」，是因為回到公司後工作說明書不清、權責模糊、績效指標不明確，即使學再多也無法落實應用。
• 階段式推進才能產生實效：老闆和HR必須先受訓，理解訓練的價值和課程內容，才能有判斷力地篩選和派遣員工，避免盲目派訓或派訓後老闆不支持。
• 績效評估應該在一個月後檢視實際工作表現：觀察業績、客訴率、成本、工作品質等具體指標，而非寫心得報告，心得報告只需100字三重點即可。

DeFi Security Summit - DSS

• Move 的資料模型根本上不同於 EVM：EVM 以合約為中心儲存狀態；Aptos 將資料存於帳戶，Sui 將資料存於獨立物件。這意味著 EVM 的安全思維不能直接套用。
• Move 的類型系統是安全的核心工具：Move 編譯器在編譯期就拒絕類型錯誤，加上物件與函式皆可攜帶類型能力（abilities），讓許多 EVM 常見漏洞在語言層面就被阻擋。
• 語言無關的審計方法仍然必要：無論哪種語言，都要以狀態機框架思考協議（開放 → 活躍 → 高風險 → 關閉），並定義不變量（invariants），找到能使其失效的反例即為漏洞。

DeFi Security Summit - DSS

• 「能轉」不等於「永遠能轉」：代幣邏輯可隨時被所有者修改，蜂蜜壺（Honeypot）正是利用此機制——允許買入但禁止賣出，僅靠當下模擬無法發現未來封鎖。
• USDT 是真實的中心化風險案例：USDT 合約內含黑名單機制，所有者不僅可凍結地址交易，更可清空其餘額，且所有者權限未被放棄（non-renounced），此風險長期存在。
• 源碼不可得時，反編譯是最後防線：代幣剛部署時最容易被操縱，卻往往尚未開源，此時將 EVM bytecode 反編譯成人類可讀格式，是唯一能審查暫停、黑名單等隱藏行為的方法。

查理的創業化合物

• 自己管錢是最安全的理財方式。 託給別人管錢的目的一定是為了賺你的錢，縱使是信任的人也容易出問題（如親友拿去標會倒會、詐騙集團套利）。自己用網路銀行管理遠比過去排隊存款方便得多，這是保護資產的基本功。
• 複利是致富的終極武器，需要長期紀律。 從2003年4月投100萬於ETF 0050不動，到2025年變成1100多萬；若每月加碼1萬元，22年後達2100多萬。關鍵不在投資金額大小，而是進入軌道後保持節奏，跌的時候還要有勇氣加碼。
• 阿米巴經營模式降低風險，提升靈活性。 將員工轉化為獨立合作的小公司，各自承接業務、分享利潤，而非傳統的僱傭關係。這樣公司永遠人數精簡，風險低於大規模組織，AI時代反而更能應變。

經營男不難

• 從經驗管理轉向系統記錄：過去依賴業務個人記憶與習性，現在應建立電子化日報與CRM，讓知識成為公司資產而非個人資產。這樣業務更替時，新人可通過完整記錄快速上手。
• 業務管理（業管）是監督關鍵：業管不是幫助業務做事，而是協助主管記錄與驗證業務團隊運作，主動call out客戶確認記錄真實性，防止業務應付文書工作。
• 制度與考核勝於扣獎金：不能在獎金辦法上扣分（獎金與業績直接相關），應在考核的出勤、作業品質、作業實效上扣分，搭配警告制度，第三次違規直接解雇。

DeFi Security Summit - DSS

• 訊息驗證不足可完全繞過用戶審核：瀏覽器擴充套件錢包的內部流程依賴 post message 串接多個 UI 步驟，若後台腳本未嚴格驗證訊息來源與類型，攻擊者可構造訊息直接跳至「簽名執行」階段，跳過確認介面。
• origin 欄位不可信，必須使用瀏覽器事件的只讀 origin：`postMessage` 中的 `origin` 欄位可被 iframe 任意偽造，錢包若依賴它顯示「請求來源站點」，將給用戶呈現假的合法域名，應改用 `MessageEvent.origin` 並對照白名單驗證。
• 用戶新增網路時 chain ID 驗證邏輯存在缺陷：部分錢包從 RPC 端點動態取回 chain ID 與用戶輸入比對，但若 RPC 被攻擊者控制，兩者皆為惡意值，比對永遠通過，錢包就會接受偽造網路並顯示假餘額與交易記錄。

DeFi Security Summit - DSS

• 標準不阻礙創新，關鍵在於設計得夠輕量靈活：標準應可分解為可管理的模組，讓不同規模的團隊各自採用最適合的子集，並隨行業演進持續更新，如同ERC20一樣可以在其上疊加新標準。
• Web2是Web3系統的攻擊面，而非「後門」：攻擊者會做成本效益分析，破解成熟智能合約需要數年，但用幾千美元偽造履歷入侵開發者電腦即可達成同等目標；因此過去40年的傳統網路安全知識對Web3公司同樣適用。
• 智能合約標準必須覆蓋整個開發生命週期：從使用經過實戰驗證的開源合約作為起點、測試覆蓋率（50%/80%/90%）、模糊測試（fuzz testing）、程式碼文件化，到審計流程標準化、版本升級時的流動性遷移規範，每個環節都需要定義基線。

DeFi Security Summit - DSS

• 職責分離降低複雜度：Poco 明確不處理漏洞發現，只接受已標注的漏洞描述做輸入，避免將「偵測」與「利用生成」兩個高難度問題混在同一個系統裡，使各自研究可以獨立推進。
• 補丁即 Oracle 的評估設計：傳統 PoC 正確性依賴人工驗證，主觀性強。Poco 改用已被接受的真實補丁作為評估標準——若生成的 PoC 在補丁後的程式碼上執行失敗，即可客觀確認該 PoC 是正確的，大幅提升評估的可信度。
• 沙盒架構確保安全執行：代理框架讓 AI 取得工具存取權時存在風險，Poco 在沙盒環境中運行，限制其無法接觸私鑰等敏感資訊，並明確列舉可用工具清單（代碼探索、規劃、Solidity 編譯與測試）。

DEFCONConference

• 第一，講者透過HTTP代理嗅探流量，識別協議使用Google protobuff序列化格式，RequestContainer包含請求清單，其中類型106的GetMapObjects請求接受S2網格ID作輸入，返回該格子內寶可夢的確切位置——這成為掃描器的核心機制。
• 第二，當Niantic啟用證書固定防禦時，講者團隊使用Frida框架鉤取Niantic Trust Manager的checkServerTrusted函數，在執行前將待驗證的代理證書替換為真實伺服器證書，使應用仍信任HTTP代理而繞過了該防禦。
• 第三，新版本新增必填欄位Unknown 6（加密簽名），講者透過被動分析發現其結構為32字節時間種子+256倍數加密資料，使用IDA追蹤時間函數交叉引用找到簽名生成函數，發現採用CBC模式加密，並用14,000行反編譯C代碼復製了加密邏輯。