







以证据为核心的恶意软件逆向工程,具备深度PE/.NET检查、Ghidra重构、AI交叉验证、YARA及ELF调试能力

一个实证安全测试平台,用于评估LLM智能体中的提示注入、混淆代理漏洞及工具调用防御机制。

研究项目,对 Windows 安全中心 COM 接口进行逆向工程,通过 ATL、vtable、WSCAPI 和 RPC 追踪防病毒软件注册,并借助 WMI 进行运行时验证。



Apache Log4j 2 中通过 FilteredObjectInputStream MarshalledObject 绕过实现预认证 RCE

针对道德安全测试和漏洞赏金猎取精心整理的载荷集合,涵盖常见Web漏洞与攻击向量。

一个实用框架,用于识别并优先处理AI数据中心基础设施中的主要安全风险,涵盖硬件、网络、管理平面和供应链,并为服务提供商和客户提供缓解策略。

模块化网络扫描框架,集成多种工具与外部数据库,用于检测漏洞和配置错误,并生成易于访问的报告,以支持持续安全监控。


Nuclei 模板和 PoC,用于利用 ZooKeeper 未授权访问漏洞(CVE-2014-085),可对目标 IP 进行自动化安全测试。

一个用于 LLM 驱动漏洞发现的密封基准测试:涵盖 43 个开源项目(C/C++/Java)中的 77 个挑战。每个挑战都是一个无答案的 Docker 镜像,并在镜像内进行评分——不附带补丁、PoC 或答案密钥。