经典，AI vs AI 真实攻防战👍 这次事件与我们以往处理过的任何事件有一个重要区别：它是由一个自主 AI Agent 系统从头到尾驱动的，而我们也主要依靠自己的 AI 来检测和剖析它。 … 这次行动由一个自主代理框架执行（看起来是基于一个代理式安全研究框架构建的，具体使用的是哪个 LLM 尚不清楚），它在大量短生命周期沙箱组成的集群中执行了数千个独立操作，命令与控制（C2）服务器自迁移部署在公共服务上。这与行业一直在预测的“代理式攻击者”（agentic attacker）场景完全吻合。 … 不对称性问题（The asymmetry problem） 当我们开始日志分析时，首先尝试使用商业 API 背后的前沿模型。但这行不通：分析需要提交大量真实的攻击命令、利用负载和 C2 产物，而这些请求被提供商的安全护栏（safety guardrails）拦截了——它们无法区分事件响应者和攻击者。 我们最终改用 GLM 5.2 在自己的基础设施上运行取证分析。这带来了第二个好处：没有任何攻击者数据或它引用的凭证离开我们的环境。

5年沒上 Kaggle 打 AI 演算法比賽，久違的回到銀牌 ZONE。 現在打比賽比以前友善許多，只需要把想法跟 Agentic AI 討論，就可以直接做出實驗。 以前做 EDA、驗證策略、改模型或調參，常常要花不少時間改 code，現在很多時候只要一句 prompt，然後就可以去做自己的事情，晚點回來看結果跟報告。 分享一下我的 agent 目前打得最漂亮的一場 PTCG 比賽。 同樣是 Lucario 牌組，中盤一隻 Mega Lucario 剩 10 HP，還是成功撐住節奏、反殺對面，接著接上第二隻 Mega Lucario，把 prize race 收掉。 感覺最有趣的不是單純比「牌組強」，而是 agent 在交換、備用 attacker、Boss timing 這些細節上真的有做出一些像人在打牌的判斷，後期就是真的在比Agent出牌的Policy了。

正好拿今天及昨晚两个案例试了试并截图，一个是 Huma Protocol V1 被攻击： Huma Protocol on Polygon was drained for ~$101.39K. Root cause: refreshAccount(address) could move an unapproved credit line from Requested to GoodStanding. Primitive: approval-state bypass in credit lifecycle. _updateDueInfo() sets state = GoodStanding when no periods are missed, without preserving Requested. Profit: - 82,315.571143 native USDC - 19,074.730401 USDC.e Related wallet addresses: - Attacker EOA: 0x13b44e416e0f66359502e843af2e1191f1260daf - Attack borrower contract: 0x44d4a434ae1529106e4b801315e22721978022a3 - Helper: 0xef8a13797b009228f6e4a25112ea114b7ba6e1b2 Tx: - Attack: 0x7b8d641d76affcc029fd0e0f06ab81ad675b1da21ef79b82e1343016040ba359 - Setup requestCredit: 0x0adf9953c4e2506ffd4526ceee962a9bb61c573eaef60f669605cca68d0ef5aa - State refresh: 0x7126ae1d8e8d1e0c0f1c598de16a035cf309d6cc556e73edc2847de2b5777e5e 比较令我满意的是，Agent 自行找出了触发最终利用的一个前置条件 tx State refresh: 0x7126ae1d8e8d1e0c0f1c598de16a035cf309d6cc556e73edc2847de2b5777e5e 另一个是最近可能新起的钓鱼团伙，采用的是 permit 离线签名钓鱼技巧，这个分析其实很简单，如果 Agent 连这种单利用都识别失败，那只能说完全不及格了。 Mark 下，这些都是不错的实践。