网络安全笔记

Google 推出 Gemini 暗网情报与安全运营 AI 代理，已开放预览

Google 将基于 Gemini 的暗网情报服务接入 Google Threat Intelligence，并以公开预览形式上线。该服务会先为客户建立组织画像，再从每天约 800 万至 1000 万条暗网帖子中筛查与该组织相关的风险，识别初始访问中介活动、数据泄露和内部威胁等信息。Google 向媒体表示，内部测试显示，这套系统可分析数百万条每日外部事件，准确率达到 98 ％。

https://www.theregister.com/2026/03/23/google_dark_web_ai/

https://cloud.google.com/blog/products/identity-security/rsac-26-supercharging-agentic-ai-defense-with-frontline-threat-intelligence

余弦的OpenClaw 极简安全实践指南更新了 | 帖子 | github | #指南

适用于：
- OpenClaw 以高权限运行（具备终端/root 权限的环境）
- OpenClaw 持续安装并使用Skills / MCPs / scripts / tools
- 目标是在风险可控、审计明确的前提下实现能力最大化

指南提供了一套经过实战检验的、极简的 三层防御矩阵：

事前 (Pre-action): 行为黑名单与严格的技能包安装审计协议（防供应链投毒）
事中 (In-action): 权限收窄与跨技能业务风控前置检查 (Pre-flight Checks)
事后 (Post-action): 每晚自动化显性巡检（覆盖 13 项核心指标）与大脑 Git 灾备同步

使用方法：把安全指南直接丢给 OpenClaw，让它自己理解、评估、部署整个防御体系。四步：下载指南 → 发给 Agent → Agent 评估 → 部署。

针对 AI 的安全测试成为热门行业，越来越多开发者开始学习 AI/ML 安全和渗透测试。

GitHub 上看到一份 AI/ML 渗透测试学习路线图，系统梳理了从零基础到实战的完整指南。

内容涵盖提示词注入、越狱技巧、数据外泄以及对抗性机器学习等核心攻击手法。

还贴心地整理了各类靶场、CTF 比赛和真实漏洞库，帮我们快速将理论转化为动手能力。

GitHub：github.com/anmolksachan/A…

整个学习路径按经验等级划分为新手、进阶和高级三个阶段，按部就班就能完成进阶。

甚至反向驱动当前应用的形态

目前 openclaw 在大模型的调度能力已经很强大了，skills 的设计和开发会逐步迭代

OpenClaw 支持多节点部署，可以通过 nodes 功能管理其他机器，意味着你可以通过一个openclaw给多个机器分配角色，彼此之间可以通过tailscale和wireguard进行组网。

现在的攻防节奏确实有点让人焦虑。攻击者在后渗透阶段利用 AI 迭代的速度，已经把检测和防护能力的演进甩开了一大截。但防守方已经构建的能力受限沉没成本和新增投入，没办法短期快速迭代和替换。

前朝的剑斩本朝的官

澳大利亚 ACSC 开源 "Azul" 恶意软件分析工具 https://github.com/AustralianCyberSecurityCentre/azul

初四迎灶神