KeyFrame內部研究專用

Why Being a Great Hacker Doesn't Pay Anymore

NahamSec17 min英文
觀看原始影片

三句話摘要

用AI模型自動化測試身份驗證繞過漏洞,讓漏洞賞金獵人在數分鐘內完成原本需要數小時的審計工作。 自動化測試系統已成為漏洞賞金的決勝因素——不是技術有多強,而是能否用AI將你的經驗複製並並行執行。

重點整理

  1. 工具化時代已來臨:高收入的漏洞獵人不一定是技術最強的人,而是擁有自動化系統的人。講者示例中,某人兼職6個月的產出等於之前全年成果的6倍,這不是技能差異而是系統差異。

  2. AI模型透過訓練資料學習模式:該AI模型經過講者10年的漏洞報告訓練,能將複雜的審計流程並行化。它不僅發現單一漏洞,還會連鎖發現後續的RCE、XSS、SSRF等相關漏洞。

  3. 速度與覆蓋度的指數級提升:在最複雜的實驗中,模型用1分11秒發現了需要手動審計數小時才能確認的內部RPC權限提升漏洞,同時確保不遺漏任何測試向量。

  4. 異常檢測是核心能力:模型的關鍵優勢是能快速識別應用行為中的「奇怪之處」,例如忘記密碼功能洩露令牌、客戶端包暴露角色配置、API盲目合併請求體等。

實用技巧與重點

  • 演示環境與工具
  • 平台:HackenProof、Hacking Hub
  • AI模型:Cloud Goat(使用講者10年報告數據訓練)
  • 實驗來源:基於講者自身研究或公開部落格靈感重構
  • 四個實驗的具體結果
  • Pulse實驗(耗時44秒)
  • 發現API洩露員工數據
  • 方法:利用忘記密碼功能洩露重置令牌 → 設置密碼 → 登入 → 訪問API → 提升管理員權限
  • Lumen ID實驗(耗時1分30秒)
  • JWT漏洞:`alg: none`攻擊與算法降級(RS256 → HS256)
  • 第一個實驗(無預設認證)
  • 自行發現註冊端點、客戶端代碼中的`owner`角色配置
  • 通過PATCH請求合併`is_owner: true`獲得`admin: true`權限
  • 貨物流實驗(耗時1分11秒)
  • 發現內部RPC需要V3標頭
  • 透過IAM服務授予`operations_admin`身份 → 數據交叉曝露
  • 基礎模型提示詞結構
  • 定義漏洞類型(身份驗證繞過)
  • 列舉攻擊向量:MFA繞過、SSO濫用、無密碼攻擊、密碼重置濫用
  • 測試需求:雙帳戶(攻擊者+受害者)

結論

自動化測試系統已成為漏洞賞金的決勝因素——不是技術有多強,而是能否用AI將你的經驗複製並並行執行。

完整解析

漏洞賞金行業正在經歷根本性轉變。傳統上,賺錢的是最會駭客技術的人——他們能找到不知名應用、滲透系統、獲取報酬。但這個時代已經結束。現在資金正悄悄流向那些開發自動化工具的人。講者指出,今年許多年收入超過他的人,技能水準卻只有他的一半,關鍵差異在於擁有系統。

講者以實例說明:某位漏洞獵人兼職工作6個月就提交了接近前一年全年6倍的報告量。他單日能提交21份報告,其中3份為嚴重級別。這不是因為他付出了6倍努力,而是他配備了AI代理。當他睡覺時,自動化系統仍在工作。

本影片的核心目的是展示針對身份驗證繞過的專用技能——能應對註冊限制、審批流程、難以進入的內部工具等場景。講者使用經過10年漏洞報告訓練的AI模型,在CloudGoat實驗室進行測試。

實驗演示涵蓋四個難度遞增的場景。第一個Pulse應用中,模型用44秒識別出登入頁面、忘記密碼功能,透過重置令牌漏洞完成登入並獲得管理員訪問。重要的是,它還連鎖發現了RC、XSS、SSRF等後續漏洞。第二個Lumen ID的JWT漏洞實驗中,模型在1分30秒內找到兩種利用方式:設置演算法為none,以及降級RS256到HS256。第三個實驗無預設認證,模型自行發現註冊端點並識別客戶端代碼中的權限配置。第四個最複雜的實驗涉及內部RPC和IAM服務,模型用1分11秒完成整個利用鏈。

模型的核心能力是異常檢測——尋找應用行為中的「奇怪之處」。基礎提示詞包含漏洞定義、攻擊向量、測試需求等結構,讓模型能並行執行並避免遺漏。講者並行工作時,模型在後臺自主測試,確保完整覆蓋。

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)