本文探讨了利用AI辅助渗透测试的方法论，核心是设定边界与目标后让AI无限推理以提升效率。作者通过多个实战案例展示了AI在信息收集、接口分析及漏洞发现中的优势，如通过报错获取token、利用OAuth2弱口令接管后台、Fuzz发现隐藏存储桶及云凭证。文章强调AI能显著放大攻击面，但需人工引导与复盘，将经验转化为可复用的逻辑。

本文记录了一次针对某学院学工系统的渗透测试过程，通过信息搜集获取学生学号与身份证号，利用默认密码（身份证后六位）成功登录系统。随后发现SQL报错注入、布尔盲注、XSS及逻辑越权等多个漏洞，并打包提交。文章强调信息搜集的重要性，建议根据系统语言框架针对性测试，并全面覆盖各功能点以增加漏洞发现概率。

工业和信息化部NVDB监测发现AI编程工具ClaudeCode存在安全后门隐患，影响2.1.91至2.1.196版本。该工具内置监控机制，未经用户同意回传地域、身份标识等敏感信息。建议相关单位立即排查，卸载或升级至安全版本，并加强开发工具外联管控与流量监测，防止数据违规外传。

厦门大学沈耀斌副教授课题组在JournalofCryptology发表论文，系统分析了NISTSP800-108标准中基于CMAC和HMAC的密钥派生函数安全性。研究发现计数器模式存在常数时间碰撞攻击，而反馈和双管道模式安全。该成果理清了KDF安全边界，为标准化算法安全使用提供理论依据。