深度分析
AI 滲透測試代理人評估協議：以漏洞驗證為核心的多目標實驗
隨著大型語言模型讓AI代理人能執行攻擊性安全任務，研究提出以驗證漏洞發現為核心的新評估協議，透過語意匹配與二分圖解決模糊對應，並在多目標多漏洞環境中證實可比傳統CTF基準更具實務參考價值，此協議同時納入效率指標，考量執行時間與成本，提供持續式真實漏洞庫以支援重複與累積評估。
AI 滲透測試
VulnClaw
VulnClaw：結合 AI 代理人與 Model Context Protocol 的全自動滲透測試工具
VulnClaw結合LLM與MCP工具鏈，支援多家模型供應商，能以自然語言自動完成資訊收集、漏洞偵測、利用與報告生成，快速在授權測試與教學場景中提升效率。此工具內建21種滲透Skill，提供Python程式碼執行與本地Web UI，並可設定持續循環測試，對安全團隊與CTF參賽者具實務價值。
VulnClaw
VulnClaw：結合 LLM 與 MCP 的全自動 AI 滲透測試平台
VulnClaw 是一套以大型語言模型（LLM）為核心、結合 Model Context Protocol（MCP）工具鏈與多項滲透測試 Skill 的開源 CLI。使用者只需以自然語言描述測試目標，系統即可自動完成資訊收集、漏洞偵測、利用驗證與報告產出四個階段。