SDC2026·安全训练营报名开启！直击固件、AI 攻防、Android 逆向

*培训学员需自带笔记本电脑及相关设备

本课程聚焦网络设备固件安全分析与 AI 漏洞挖掘，从固件分析、逆向调试到漏洞定位与验证，通过内存破坏、认证绕过两个典型 CVE 案例，拆解网络设备漏洞研究方法。

课程进一步引入 LLM、AI Agent、RAG、Fuzz、Harness 等技术，将人工漏洞研究流程工程化、Agent 化，探索 AI 的能力边界及人机协同漏洞挖掘方法。

人工漏洞研究 → 方法工程化 → Agent 化 → AI × 人工协同 → 未知漏洞挖掘

¥4999  扫码报名

*满10人开班否则全额退款

大模型正在改变安全研究的方式。

一方面，AI 已经开始进入代码审计与漏洞挖掘流程，但真正有效的 AI 安全研究，并不是简单地“把代码丢给大模型找漏洞”。如何让模型理解复杂系统中的资产、角色、状态与约束，如何系统化覆盖攻击面，如何验证模型发现并降低误报，决定了 AI 能否真正成为安全研究工具。

另一方面，当大模型自身成为基础设施，它也成为了新的安全研究对象。模型内部如何形成特定行为？安全机制如何工作？后门如何隐藏？越狱为什么能够绕过拒答？这些问题正在把传统的黑盒测试进一步推进到模型内部的分析、探测与操控。

本课程从安全研究员的视角出发，沿着 “用 AI 发现漏洞 → 建立自动化安全研究流程 → 分析 AI 内部机制 → 攻击与验证 AI 安全边界” 这条主线展开。

课程上半部分以智能合约审计为实战场景，介绍如何将大模型接入真实漏洞研究流程，通过多基建模、结构化推理、覆盖矩阵等方法，让 AI 从“辅助阅读代码”进一步参与攻击面建模、漏洞假设生成、漏洞挖掘与误报证伪，构建可复现的 AI 自动化审计流程。

课程下半部分则把研究对象转向大模型本身。从安全研究员熟悉的“逆向”视角理解 Transformer，通过电路分析、Probe、Steering 等技术探测和干预模型内部状态，并进一步分析大模型后门、拒答机制与越狱攻击，理解模型行为背后的安全机制与攻击面。

这不是一门关于“如何使用 ChatGPT 做安全”的入门课程，而是一场面向安全研究人员的 AI 安全实战训练：既学习如何把 AI 变成漏洞研究工具，也学习如何把 AI 本身变成安全研究对象。

你将学到：

• 如何将复杂系统转化为大模型能够稳定推理的安全模型

• 如何利用多基建模与覆盖矩阵系统化发现潜在攻击路径

• 如何构建可复现、可验证的 AI 漏洞挖掘与审计流程

• 如何从安全研究员视角理解 Transformer 的内部运行机制

• 如何利用 Circuit、Probe 与 Steering 探测和操控模型内部状态

• 如何分析大模型后门、拒答机制与越狱攻击背后的原理

• 如何从“使用 AI”进一步走向“研究 AI、攻击 AI、验证 AI”

¥4999  扫码报名

*满10人开班否则全额退款

随着大模型发展，安全研究模式发生改变，传统 Android 安全研究方式耗时巨大。本课程以 Android 脱壳与 AOSP 定制为实践载体，重点讲解如何在安全研究与开发中高效使用AI。

课程将结合 DEX 加载、函数抽取、DexProtector 新版本研究及 AOSP 定制环境等实际场景，讲解上下文铺垫、任务规划、多 Agent 协同、MCP、ReAct、LOOP 和结果验证等方法，帮助学员建议一套从问题提出、源码研究到开发验证的完整 AI 协作流程。

课程重点不在于罗列加固方案，而在于让学员掌握⼀套能够迁移到其他安全研究任务中的 AI 使用方法。

• 以 Android 脱壳与 AOSP 定制为载体，理解 AI 在复杂安全研究中的实际作用；

• 掌握上下文铺垫、任务拆解及“先规划、后实现”等实用方法；

• 结合多 Agent 协同、MCP、ReAct 与 LOOP，让 AI 持续获得源码、⽇志和实验反馈；

• 通过 DexProtector 新版本案例，学习如何借助 AI 推进未知问题研究；

• 利用 AI 完成 AOSP 定制环境的特征排查、修改定位与效果验证。

¥4999  扫码报名

*满10人开班否则全额退款