mztkn123456

本期是关于年度攻防演练的关键点分析。详细阐述了防守方在演练中失分的常见原因，例如未受关注的暴露面和难以监测的社交工程钓鱼，并指出了得分的关键要素，如有效的监测发现和快速的应急处置能力。文本还探讨了年度攻防演练所面临的最大挑战，包括值守人员的疲劳和设备的大量漏报。最后，它提出了2025年防守的五大关键布局点，旨在解决数字资产攻击面、社交工程防护、集团统一安全防护、威胁检测研判效率以及长周期常态化攻防对抗等核心问题。

本期探讨了大型语言模型应用程序中可能出现的提示词注入攻击，解释了攻击者如何通过精心设计的输入来劫持模型，使其生成有害内容、泄露敏感信息或执行非预期行为。 文章区分了直接注入（攻击者直接与模型交互）和间接注入（通过第三方或嵌套提示进行），并提供了生成有害信息、泄漏敏感信息以及上传文件执行恶意代码的具体示例。 此外，文本分析了大型模型自身防护机制的局限性，特别是在面对复杂和多轮攻击时的不足，并指出高质量基准测试和复杂应用场景的增加使得攻击更难检测。

作者：李维春（某券商安全总监）

选自公众号：安在

原文链接：https://mp.weixin.qq.com/s/NUBg8yS6aJcOegNcMYxczw

近期有幸见到李老师，听他讲解如何度量企业安全团队的价值，将课题的心路历程与思考方式细致无私分享，收获颇丰。其中观点想必对各位老师也是一个很好的参考，特做本期播客，原文文字更加精彩。

从网络安全法，到关保条例，都有对总部实施统一运营/监管，降低分支安全风险的要求。以下从“监管赋”的思路谈一下网络安全建设思路

出于敏感要求，本次无法放置文字稿，劳烦各位听音频啦。

如何在云环境下做好安全运营的效果成为了大量企业面临的安全重要挑战。尤其是企业使用多家公有云时，多云环境下统一安全运营便成为难题，企业希望通过本地的一个安全运营中心SOC把所有云的安全都管理起来。我们从以下几个点来看看现在的好方法。

1、我们公司有多个公有云，本地也有私有云，我想把全部主机的访问关系都一盘棋看到。特别注意，我不想再额外部署任何其他安全厂商的主机安全，我在各个云上已经有不同品牌的主机安全了。

方案：利用安全运营平台SOC，与公有云平台运维API进行数据对接，从而获取云上全量资产和网络数据，结合图数据库技术最终进行拓扑图绘制与展示。

2、如果我还是想看流量侧的各个风险怎么做，云上很难像本地一样部署探针

1️⃣直接云厂商的NDR产生的各个安全告警等日志传到安全运营中心SOC进行综合分析。

2️⃣在云上部署传统安全厂商的虚拟化探针，云主机网卡转发流量到虚拟探针即可。或者把多个VPC的虚拟交换机流量镜像到虚拟话探针。需要注意的是部分云厂商有收费和可用区限制，且如果仅镜像虚拟交换机的流量那云主机的东西向流量便无法检测到了。

3️⃣安装传统厂商的终端探针，需要在云主机上安装Agent进行流量转发，需要注意的是有可能会影响云主机性能。

3、云上有啥比本地好的安全措施吗

由于本地很难去看东西向流量，而云上可以通过对接云API很容易拿到这部分数据，所以会有一个新能力：云攻击路径预测分析。即是基于云网络访问关系、云环境配置信息、云上漏洞信息，自动化的预测存在高危风险同时暴露外网的攻击入口，并预测入口资产实现后黑客可能横向移动方向，形成云攻击路径预测分析能力。云攻击路径区别于业界已有的“事后攻击链分析和还原”，旨在以攻击者视角事前预测云环境中存在的实际可利用攻击路径。

选自公众号：安全村SecUN

原文链接：https://mp.weixin.qq.com/s/0DDAKqWA7c5RzD3lox0rdw

网络安全AI说：原文更精彩，篇幅较长，很详细的讲述了自身对攻击面管理的看法，长江证券的老师们对这块的研究确实非常深入，感兴趣的各位建议可看下原文，很体系化。

       苹果公司会对其供应链体系内的公司，做网络安全现状的现状调查，安全要求较为具体，评估结果会和苹果给到的订单正相关。苹果会通过邮件的形式发送要求整改的文档给到供应商，让供应商对标进行整改。整改完成后会给到要求其使用对话框回复给到苹果官方，最后苹果官方评估是否符合要求，如审核通过后，会关闭该弹窗的对话框。如限期内无法完成整改，则会发邮件警告。

以下列举部分苹果的要求以及业内的解决方案

本篇的文字版出于敏感要求无法放出，劳烦各位听播客啦

从国内某领先安全厂商的网络安全大模型出发，看行业内的技术情况

一、网络安全大模型的构建过程，四个阶段

二、安全大模型利用 MoE 的设计思想，运行原理是怎么样的

三、MoE 架构包含多个专家模型是哪些

四、训练用到的数据是哪些

一、从输入输出角度看，大模型应用的风险

1、输入风险：

1️⃣提示注入攻击：不仅针对文本形式注入，也要关注通过多轮文本交互、文档、图片、代码等复杂形式进行的注入攻击。这种注入攻击通常会让模型绕过安全控制，生成一些不好的内容，或者生成一些非当前用户权限范围内能查看的数据。

2️⃣敏感或重要信息泄露：用户输入时可能存在企业数据泄漏。

2、输出风险：

1️⃣生成有害信息：如涉政、涉恐、涉暴、涉黄、违反伦理道德，尤其对公众提供服务时。

2️⃣敏感或重要信息泄露：模型输出核心代码、设计原理、经营数据、个人隐私等导致数据泄露

3️⃣输出影响范围扩大：生成错误的执行路径或重大策略建议，向下游设备或者工具下发异常指令。

二、防护类型分类

1、对于企业内部员工，访问企业内部自建大模型：

1️⃣防止输入风险：提示注入防护

2️⃣防止输出风险：信息泄漏防护、生成有害信息防护

2、对于企业内部员工，访问互联网大模型

1️⃣仅防止输入风险：信息泄漏防护

三、有什么解决方案

1、防护框架

从整体上看，其实有三层风险需要关注，由于比较新的是智能应用风险，所以本此重点讲解第三部分智能应用风险。

1️⃣模型开发风险：模型幻觉、数据投毒等

2️⃣系统平台风险：模型漏洞、访问权限失效等

3️⃣智能应用风险：提示注入、敏感信息泄漏、有害内容生成等

2、自建大模型防护

1️⃣将原本发送到业务大模型的提示内容，送入到安全系统中检测（这里的检测系统可以用“大模型防火墙”，也看到有专业安全企业在单独做此类“安全检测智能体”，这个单独的“安全检测智能体”就可以检测提示词注入攻击，或者信息泄漏，或者有害内容生成等）。 2️⃣如果检测结果正常，则将原始提示词发送给业务大模型；若结果异常，则拦截并提示。当然业务大模型生成的内容也可进行有害性与合规性的检测和拦截 3️⃣企业管理员可针对提示注入规则、重要或敏感字段/内容规则、有害/合规内容规则等进行自定义，匹配实际要求。

3、互联网大模型防护

 1️⃣直接用常见的防泄密方案即可，注意要做到影子AI应用发现、敏感文件上传管控等。

      奇安信、三六零、亚信、安恒、天融信、启明等陆续发布了DeepSeek接入的热点软文，本期探讨DeepSeek在网络安全大模型下的应用真的那么简单吗。

      本期文字内容不便发，劳烦各位听播客吧