本文针对网络安全对抗中的侦察环节，指出现有工具存在信息收集准确性低、隐蔽性不足、耗时较长、集成度不均衡以及功能扩展性差等问题，严重影响用户体验和工作效率。为此，作者设计并实现了一款高度自动化的侦察与漏洞验证工具。该工具将侦察与漏洞利用验证（POC验证）流程相结合，旨在提升自动化程度、检索效率和可用性。论文首先介绍了工具的功能设计，包括目标信息自动收集、深度数据处理、漏洞自动检测与验证等模块；随后在在线安全仿真靶场中进行了功能测试。结果表明，该工具能够完成对特定目标的自动侦察与深度数据处理，并执行自动化的漏洞检测与验证，验证了工具功能的可行性和在安全运营中的优势。该研究主要贡献在于提出了一种更友好、更自动化的侦察验证工具设计，并进行了原型实现与验证，适合安全运营人员、渗透测试工具开发者及研究自动化安全评估技术的学者阅读。

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。

随着信息技术的快速发展，传统线下模式向高效互联的线上环境转变，但同时也带来了身份盗窃、冒充和网络钓鱼等网络威胁的增加。侦察（即信息收集）是攻击者的关键阶段，通常利用开源情报（OSINT）来收集目标的敏感和广泛信息。为应对这一挑战，本研究提出了reconCTI，一个基于Python构建的命令行工具，适用于Linux系统。该工具旨在搜索表层网络和暗网平台上的敏感数据泄露。用户可输入特定关键词，同时扫描多个站点，并通过引用MITRE ATT&CK框架评估发现结果。最终生成包含可能缓解策略的威胁报告。reconCTI旨在帮助网络安全专业人员和普通用户及早识别风险并采取适当行动。该工具的主要贡献在于提供了一种主动式的网络威胁情报方法，整合了OSINT收集、自动扫描、MITRE ATT&CK映射和报告生成，降低了威胁情报获取的门槛。