最新内容
AI Agent 的凭据风险并不只发生在代码仓库里。模型调用、工具执行、遥测日志和错误输出都可能把密钥带到不该去的地方。传统 secret scanner 擅长识别“看起来像密钥”的字符串，却很难回答...
当 AI Agent 替用户调用工具，问题不只是“它能不能拿到 API key”，还包括：它把任务交给另一个 Agent 后，用户原本设定的金额、用途和时限是否还跟着任务走？每一跳都单独配一组凭据，往...
当 AI 编码 Agent 能调用 GitHub、数据库或部署接口时，最省事的接法往往也是风险最大的：把访问令牌直接写进 MCP 客户端配置。这样一来，秘密可能进入对话上下文、调试日志或被复制的配置文...
AI Agent 获得 shell、数据库凭据或云 API 权限后，风险不只来自模型答错：一次间接提示注入、错误参数或失控循环，都可能把意图变成真实操作。把所有权限交给 Agent，再寄望于提示词提醒...
把威胁描述交给通用编码 Agent，让它直接产出检测规则，看起来很省事；但规则能通过语法检查，不等于字段映射正确，更不代表它能在真实日志里命中。Google SecOps 的 YARA-L 2.0 有...
把数据库账号交给 AI Agent，最让人担心的往往不是它不会写查询，而是它写对了语法、却做错了事：漏掉 WHERE 的 DELETE、误删表，或把不该读取的敏感列带出数据库。数据库权限能限制“谁能访...
AI Agent 的风险常常不在模型回答了什么，而在它被允许执行什么：一个工具调用可能启动子进程、改写数据库，或访问不该访问的网络地址。提示词可以要求模型谨慎，却不能代替执行边界。对于 Python ...
日志能告诉你请求失败了，却未必能回答更棘手的问题：Agent 为什么把资料发给了陌生收件人？它先读到了什么内容？审批策略放行了哪一步？如果日志文件后来被改过，调查者又如何知道？Mnestiq 将自己定...
AI 编码 Agent 能快速修改代码，却未必知道修改是否真的生效。它可能看到构建通过就宣布完成，但浏览器里的按钮仍然无响应、请求返回了 500，或页面状态与预期不符。单靠“再检查一下”的提示词，验证...
把 AI Agent 接入服务器，难点从来不只是“能不能执行命令”，而是它改了什么、谁批准、出错后能否恢复。LiteDeck 是一款 Apache-2.0 许可的桌面服务器管理工具：它通过已有 SSH...
