360漏洞云亮相看雪峰会｜人机共智·重构安全

360漏洞云 2026-10-27 14:56 北京

2026年10月23日，第十届安全开发者峰会（SDC 2026）在上海环球港凯悦酒店举行。本届峰会以“人机共智·重构攻防”为主题，吸引近700位网络安全从业者、技术研究人员、企业安全负责人及高校学者到场，共同探讨AI时代网络安全技术的发展与攻防实践。

从2017年首届峰会举办至今，SDC已走过十年。站在十周年的新起点，本届峰会聚焦AI安全、智能体攻防、漏洞挖掘、移动系统安全、硬件安全及物联网安全等方向，邀请来自企业、高校和独立研究团队的技术专家，分享一线研究成果与实践经验。

大会特邀华为终端奇点安全实验室主任——陈良担任技术主持，感谢全程坐镇，以一线攻防研究者的视角，解读议题、串联全天技术分享。

本场分享从红队攻防视角出发，围绕LLM到Agent的发展脉络，探讨AI攻击面的演变及其带来的新型安全问题。随着智能体逐步进入真实业务环境，如何识别新增攻击面、分析风险传导路径，并建立与之匹配的安全评估和防护机制，已成为AI安全研究的重要课题。

近年来，基于大模型构建自动化渗透智能体成为AI for Security的重要探索方向。然而，增加调度逻辑、状态管理和复杂工作流，并不一定能带来更好的实战效果。如何在模型能力、工具选择与系统架构之间找到合理平衡，是Agent工程实践需要解决的问题。

本场分享以渗透Agent的架构重构为切入点，探讨通过简化设计提升自动化攻防效果的实践思路。相比单纯堆叠功能，如何发挥大模型的推理能力、选择合适的安全工具，并让Harness承担恰当的协调职责，更值得深入研究。这一实践也为安全自动化系统的设计提供了新的思考方向。

随着Android开源项目AOSP逐步引入Kotlin，部分组件可能同时保留Java与Kotlin两套实现。即使两套代码在功能设计上保持一致，语言语义、类型处理及边界条件上的细微差异，也可能成为潜在的安全隐患。

本场分享聚焦跨语言代码迁移过程中的安全问题，介绍Android框架Java-Kotlin并行实现漏洞的分析与挖掘思路，并涉及自研工具ParaDroid的实践。该研究将代码迁移这一工程问题与系统安全研究结合起来，为发现传统代码审计容易忽略的实现差异提供了新的切入点。

AI代码审计能力不断提升，自动识别潜在漏洞的效率持续提高。与此同时，传统模糊测试技术仍然在复杂程序、协议实现和运行时行为分析中发挥着重要作用。AI审计与Fuzzing之间究竟是替代关系，还是可以形成互补，成为值得讨论的问题。

本场分享围绕Storm智能模糊测试框架展开，探讨AI审计时代下Fuzzing的技术价值与适用边界。静态分析、智能推理与动态测试各有优势，如何结合不同技术的特点，利用实验对比分析实际效果，是推动漏洞挖掘技术持续进步的重要方向。

RISC-V架构具有开放、灵活的特点，但不同硬件实现之间的差异，也给漏洞分析和利用带来了挑战。面对复杂的硬件设计，如何利用已有知识辅助分析，并将漏洞检测与后续利用验证衔接起来，是硬件安全研究的重要方向。

本场分享介绍了知识驱动的多智能体硬件安全分析方案，关注从漏洞检测到利用的完整研究链路。通过将知识组织、智能体协作与硬件安全分析相结合，该方向为复杂硬件漏洞研究提供了新的自动化探索思路，也展现了AI技术在软硬件协同安全领域的应用潜力。

移动软件逆向分析和漏洞检测长期面临代码混淆、API迭代以及分析成本高等挑战。大语言模型为代码理解与分析带来了新的可能，但模型幻觉和上下文限制，也会影响分析结果的可靠性。

本场分享围绕大语言模型与传统程序分析技术的结合，探讨移动软件安全分析中的实践方法，包括代码去混淆与检测规则生成等方向。如何发挥大模型在语义理解方面的优势，同时借助程序分析技术约束结果、验证结论，是提升智能化安全分析可靠性的关键。

随着AI模型被广泛部署，模型自身的安全机制、权重加载过程及运行行为也逐渐成为安全研究的新对象。对于长期从事二进制分析的研究者而言，底层数据与执行机制为理解AI系统的潜在风险提供了不同于传统模型分析的视角。

随着Agent逐渐参与自动化漏洞挖掘，研究任务也从单点缺陷识别转向复杂攻击链分析。对于Linux内核、虚拟化和物联网等复杂系统，漏洞线索可能分散在不同模块中，如何关联信息、验证假设并形成完整的分析证据，是自动化漏洞研究面临的挑战。

本场分享介绍ZeroMDASH框架，围绕领域自适应建模、多智能体协作与对抗验证展开，探索面向真实漏洞研究的Agent工程方法。与单纯依赖模型生成分析结论不同，复杂漏洞挖掘还需要对线索进行关联、对推断进行验证，并形成可追溯的证据链。这也是智能体从辅助分析走向实际安全研究的重要环节。

AI Agent正在改变软件逆向分析与代码理解的效率。过去依赖人工时间成本形成的逆向门槛，可能随着自动化分析能力的提升而发生变化。面对更高效的分析工具，代码保护技术也需要重新审视自身的防护思路。

本场分享从AI辅助逆向的实际挑战出发，探讨逻辑混淆、语义误导、内存蜜罐等代码保护思路。随着攻击工具的智能化，防护技术不仅需要提高分析成本，也需要关注方案在真实环境中的有效性、稳定性及兼容性，为AI时代的软件保护提供新的探索方向。

物联网设备的安全问题不仅存在于软件代码中，还涉及物理接口、通信总线、无线协议以及真实设备的运行状态。相比纯软件环境，IoT安全测试还需要面对设备交互、异常恢复和测试环境稳定性等工程挑战。

本场分享将多Agent协作与真实IoT设备测试相结合，介绍无人值守自动化漏洞挖掘实践，并关注设备防护、异常处理与死机自愈等工程问题。它展现了AI安全研究从代码分析进一步走向真实物理设备的趋势，也说明自动化攻防不仅需要智能分析能力，还需要可靠的硬件环境与工程体系支撑。

跳转微信打开