本文提出了一种针对AI智能体的侦察驱动渗透测试方法。传统渗透测试在每一步都使用侦察来发现隐藏的弱点、构建更强的攻击并推进目标，而作者认为AI智能体需要同样的处理。作者通过建模智能体侦察过程，识别其试图提取的知识资产：包括它们是什么、如何使用以及利用哪些智能体弱点来为攻击者在间接提示注入攻击中提供杠杆。基于这些洞察，作者实现了Know Your Agent (KYA)框架，该框架通过探测智能体、构建目标档案并利用这些档案来制定更强攻击，从而自动化黑盒侦察驱动渗透测试。在智能体安全基准测试和一个真实编码智能体上的评估表明，KYA能够有效生成更有效的攻击。作者开源了KYA、其基准测试和基线实现以供可重复性研究。本文适合AI安全研究人员、渗透测试人员以及LLM应用开发者阅读。

本文讨论了构建开源操作技术（OT）渗透测试平台LINICS的经验和教训。与信息技术（IT）安全领域有Kali Linux等成熟开源平台不同，工业控制系统（ICS）所依赖的OT安全领域缺乏类似的开源工具集。作者分享了LINICS平台的架构设计、构建过程以及发布后的反馈。LINICS旨在为OT安全研究人员和渗透测试人员提供一个集成的、可扩展的开源平台，包含专用的工具链、协议分析和漏洞利用模块。论文详细描述了平台如何适配OT环境的特殊性，例如对专有协议（如Modbus、DNP3、S7Comm）的支持、对物理过程安全的考虑、以及对实时性和可靠性要求的满足。实验部分可能展示了平台在模拟ICS环境中的有效性，以及与传统IT渗透测试工具的对比。主要贡献在于填补了OT安全开源平台的空白，降低了OT安全评估的入门门槛，并促进了社区协作。该研究适合OT安全工程师、ICS渗透测试人员以及工业网络安全研究人员阅读。