KeyFrame內部研究專用

I Made an AI Agent That Reverses CVEs While I Sleep

NahamSec16 min英文
觀看原始影片

三句話摘要

使用 Claude Code 和 Zapier MCP 構建自動化 CVE 逆向工程系統,每日自動從補丁中識別漏洞、生成 PoC 和 Nuclei 模板。 透過 Claude Code 和 Zapier MCP 的結合,一個人可以用自動化工廠的方式每日處理數十個 CVE,把漏洞逆向工程從手工活變成流水線生產,大幅降低安全研究的門檻。 補丁逆向比漏洞發現更易行:每天數百個 CVE 公開發佈,補丁也同時開源。比起從零發現漏洞,直接閱讀補丁的改動就能理解漏洞、寫出 PoC,門檻遠低。

重點整理

  1. 補丁逆向比漏洞發現更易行:每天數百個 CVE 公開發佈,補丁也同時開源。比起從零發現漏洞,直接閱讀補丁的改動就能理解漏洞、寫出 PoC,門檻遠低。

  2. 架構設計:腦與手的分工:Claude Code 負責邏輯推理和漏洞分析,Zapier MCP 則作為執行層,連接 GitHub(存儲 PoC)、Google Sheets(備份數據)等服務,無需複雜程式碼即可整合。

  3. 完整自動化流程:從 Patch Stack 資料庫拉取 WordPress 高危 CVE(CVSS ≥6)→ 下載漏洞版本和修復版本 → diff 對比找出改動 → 識別漏洞原因 → 生成可執行 PoC → 建立 Nuclei 掃描模板 → 全部提交到 GitHub。

  4. 可規模化的監控能力:不限於 WordPress,可擴展到 Drupal、其他開源軟體;並可透過 Discord webhook 實時通知新漏洞,形成持續的漏洞監控和逆向工廠。

實用技巧與重點

  • 工具與平台:
  • Claude Code(自動化引擎)
  • Zapier MCP(連接器)
  • Patch Stack(漏洞資料庫,patch-db.com)
  • GitHub API(儲存與版本控制)
  • Google Sheets(數據備份)
  • Nuclei(漏洞掃描模板)
  • Patch Stack 篩選條件:
  • 平台:WordPress 外掛
  • 嚴重程度:CVSS 6-10
  • 排除:管理員專用漏洞
  • 生成的文件結構:
  • `README.md`:漏洞基本資訊、Patch Stack 連結、可信度
  • `report.md`:詳細的漏洞分析、受影響代碼、修復方案
  • `poc.md`:可執行的 PoC(含 HTTP 方法、端點、必要參數、curl 命令)
  • `nuclei.yaml`:自動生成的漏洞掃描模板
  • CVE 資料夾結構:
  • 年份/CVE ID 為目錄名稱
  • 具體例子(漏洞:WP Meta SEO SSRF):
  • 漏洞類型:未認證 SSRF,可反射內部服務響應
  • PoC:調用特定端點,設置特定 Header 和 Cookie
  • 驗證方式:發送 HTTP 請求,檢查是否返回內部服務內容

結論

透過 Claude Code 和 Zapier MCP 的結合,一個人可以用自動化工廠的方式每日處理數十個 CVE,把漏洞逆向工程從手工活變成流水線生產,大幅降低安全研究的門檻。

完整解析

這支影片展示了一個革命性的漏洞研究工作流。傳統上,安全研究人員要發現漏洞要麼需要深入審計代碼,要麼需要投入大量時間進行黑盒測試。但講者提出了一個關鍵洞察:每天有數百個 CVE 被公開發佈,同時補丁也開源公開,這意味著漏洞的「前後對比」就直接擺在眼前。只要會讀補丁,就能理解漏洞原理,寫出工作中的 PoC。這種方法叫「CVE 逆向工程」,難度遠低於傳統漏洞發現。

講者利用 Claude Code 和 Zapier MCP 打造了一個完全自動化的系統。整個架構很清晰:Claude Code 是「大腦」,負責邏輯推理、diff 分析、漏洞識別;Zapier MCP 是「雙手」,負責連接各種服務——GitHub 用來存儲和管理 PoC、Google Sheets 用來備份數據、Slack/Discord 用來發送警報。這樣的分工讓整個系統無需複雜的自定義代碼,純粹靠 Claude 的 Skill 和 MCP 的連接器就能運作。

具體流程是這樣的:系統每日從 Patch Stack 漏洞資料庫拉取 WordPress 外掛的高危 CVE(CVSS 分數 6 分以上)。對於每個 CVE,Claude 會自動下載漏洞版本和修復版本的源代碼,進行 diff 對比,識別出具體改動了什麼。然後它分析代碼邏輯,推斷出漏洞原理,自動生成可運行的 PoC(包含 HTTP 方法、端點、必要參數、curl 命令),同時生成詳細的技術報告說明漏洞細節,最後還會創建 Nuclei 掃描模板,方便後續批量檢測。所有這些文件都自動提交到 GitHub 倉庫,形成一個不斷增長的 CVE 資料庫。

講者展示的實例中,系統成功逆向了一個 WordPress 外掛的 SSRF 漏洞。生成的 PoC 可以直接在測試環境中驗證,確實能成功觸發漏洞。更強大的是,這個系統可以輕易擴展——不限於 WordPress,還可以監控 Drupal、其他開源專案的補丁;可以設置 Cron 任務讓系統每天自動運行;可以透過 Discord webhook 實時通知新漏洞。這樣就形成了一個「CVE 工廠」,源源不斷地生產高質量的漏洞分析和 PoC,既可用於學習研究,也可以幫助 bug bounty 獵人快速定位目標。

73 min
Web2 安全中文11月16日

TryHackMe AI in the Modern SOC | Full Walkthrough 2026

Djalil Ayed看原片 ↗
  • AI 生成內容需要人工驗證:AI 提供初步的案件摘要和假設,但分析師必須通過查詢實際日誌、確認程序關係、檢查時間線來驗證每一個發現,不能直接相信 AI 的输出,因為它可能存在誤差或幻覺。
  • 程序族譜追蹤是關鍵:需要追蹤完整的父進程到子進程的鏈条,記錄每個進程的實體 ID(process entity ID)、父進程實體 ID 和執行時間戳,藉此判斷是否為惡意活動鏈条。
66 min
企業管理中文11月13日

資安事件連環爆,AI淪駭客武器?宏碁二代施宣輝:打造台灣資安龍頭還不夠,為何押注「低軌衛星」搶攻太空新戰局?【哈佛人物面對面】

哈佛商業評論看原片 ↗
  • 資安投資陷阱源於無形價值:資安是預防性成本,當沒有駭客入侵時使用者感受不到價值,導致企業傾向於不投資。企業即使遭受攻擊後復原,由於沒有聯防機制,駭客的AI大腦會立即將攻擊手法複製到其他目標,形成全球皆然的惡性循環。
  • 駭客AI化改變攻擊規則:AI語言模型具有單一大腦同服多人的特性,一旦找到攻擊方法就能同時突破所有使用同一系統的用戶。因此個別企業的自我修復已經失效,必須轉向整個供應鏈的聯防體系才能應對。
10 min
Web2 安全中文11月2日

I Used AI to Pick My Bug Bounty Targets

  • 漏洞賞金領域競爭激烈,大型知名程序的簡單漏洞已被眾多獵人發現,初學者會面臨重複提交和被忽視的風險,因此應選擇新程序和新增範圍以獲得更多機會。
  • 五個關鍵篩選指標為:回應時間(追求24小時快速回應,避免一個月以上),範圍大小和新鮮度(新添加的資產競爭較少),程序年齡(2025-2026年啟動的新程序較佳),安全政策規範檢查,報酬結構(穩定中等報酬的冷門程序優於高報酬但擁擠的大牌項目)