文章总结： 2026年攻防比赛中AI深刻改变漏洞挖掘方式。提示词注入漏洞因防护成熟而减少，大模型Web应用和Agent安全成为新突破口，AI自动化渗透已进入实战。前端JS代码挖掘漏洞数量明显增加，国产中间件漏洞因公开工具而增多。客户端和边界设备漏洞挖掘门槛因AI降低，传统Web漏洞仍存在但需组合利用。红队人员经验判断和复杂场景分析能力仍是AI难以替代的核心能力。 综合评分： 75 文章分类： 红队,漏洞分析,web安全,ai安全,渗透测试

第170篇：2026年攻防比赛中漏洞类型总结（AI改变漏洞挖掘方式）

原创

abc123info abc123info

希潭实验室

2026年7月18日 08:35 北京

在小说阅读器读本章

去阅读

Part1 前言

大家好，我是ABC_123。在最近几年打过一些攻防比赛，也担任过几次比赛的专家裁判。过去比赛中攻击队员提交的漏洞类型变化不大，但是今年观察多场攻防比赛后发现，红队漏洞挖掘方向正在发生明显变化，AI大模型正在深刻影响攻防技术路线，JS 代码分析、客户端漏洞、固件逆向、大模型应用安全等新方向逐渐成为热点。在一年一度的网络安全大考到来之际，将这些变化总结出来分享给大家。大家有需要补充的，欢迎留言。

Part2 技术研究过程

• AI大模型攻击面

这个方向大家肯定比较关注，但今年观察到的情况与以往有所不同。

提示词注入漏洞明显减少：2025年的比赛中还能看到大量提示词注入类漏洞，但今年几次攻防比赛下来发现，这类漏洞出现频率明显降低，挖掘难度也越来越高。主要原因是目前针对提示词注入已经出现了相对成熟的防护方案，例如在大模型调用链路中增加安全中间层，对用户提交的prompt和模型的输出结果进行安全检测与分析，从而大幅降低提示词注入攻击成功的概率。

大模型Web应用成为突破口：红队人员关注点更多集中在大模型聊天应用对应的Web系统上。例如通过目录扫描，可以发现一些隐藏路径中的业务系统漏洞，包括一级目录、二级目录中暴露的积木报表漏洞，以及近年来出现的React/Next.js RCE 代码执行漏洞。除了模型本身的问题，大模型应用在业务权限控制方面也暴露出不少安全风险，例如水平越权、垂直越权等问题。大模型业务功能接口未授权访问；用户管理功能存在 ID 遍历、权限绕过；业务接口参数校验不足导致数据越权访问。此外，一些大模型业务功能接口中的翻页、排序等参数仍可能存在传统漏洞，例如 orderBy 参数引发的 SQL 注入问题。还见过Jeecg-Boot、JmReport之类漏洞的利用。

AI自动化渗透进入实战阶段：在一次攻防比赛担任裁判期间，不少攻击队表示使用了AI自动化渗透技术。但仔细询问了解后，很多实际上是通过 Skill 编排、MCP 调用等方式实现半自动化攻击流程。不过，也有极少数队伍已经使用较成熟的AI自动化安全平台，成功挖掘出多个高价值漏洞，甚至包括一些传统人工较难发现的业务逻辑漏洞。感叹时代变了。

大模型 Agent 方面的安全问题：随着大模型应用从简单聊天向 Agent 自动化方向发展，具备代码执行、文件操作、数据分析等能力的 AI Agent 成为新的攻击面。今年比赛中已经出现通过构造特殊业务需求绕过限制，触发服务端代码执行功能，在沙箱环境中执行任意 Python 代码并获取容器权限的案例。这类漏洞本质上属于 Agent 工具调用权限控制和沙箱安全问题。AI Agent 调用的数据查询能力缺少权限控制，导致越权查询敏感数据，导致了输出了不应返回的敏感数据。利用 AI Agent 工具调用能力实现命令执行的案例，攻击者通过构造特殊输入绕过安全限制，使服务端执行系统命令并返回执行结果。

• 国产中间件漏洞

今年多场攻防比赛中还观察到，红队提交的国产中间件漏洞数量明显增加，例如东方通、宝兰德等国产中间件相关漏洞。这类漏洞此前也一直存在，但今年出现频率明显提升。我推测其中一个重要原因是，部分安全研究人员在 GitHub 等平台公开了相关漏洞的分析文章和自动化利用工具，大幅降低了漏洞验证和利用门槛，使更多攻击人员能够快速完成漏洞发现、验证和利用。

• 前端js代码中的漏洞挖掘

今年攻防比赛中，一个比较明显的变化是，红队从前端 JS 代码中挖掘漏洞的数量明显增加，已经成为重要的突破方向。

这类漏洞主要集中在敏感信息泄露和接口安全问题，例如 API 接口未授权访问、Key/Token 泄露、JWT Token 泄露 等。通过分析前端 JS 文件，攻击人员可以发现隐藏接口、测试账号、敏感参数以及后台功能入口，进一步造成数据泄露或权限获取。

我推测出现这一趋势主要有几个原因：一方面，传统代码执行类漏洞越来越难挖掘，而 Node.js、Vue.js、Python 微服务等新型技术栈漏洞分析门槛较高；另一方面，AI 大模型大幅降低了 JS 代码审计和接口分析的难度，使攻击人员能够快速梳理复杂前端逻辑，自动提取 API 接口、分析参数关系，发现一些隐藏较深的安全问题。

此外，前端漏洞通常不会触发传统 WAF 规则，攻击隐蔽性更强。例如，一个未授权访问漏洞可能直接导致大量业务数据泄露；而泄露的 appKey、appSecret、accessToken 等敏感凭证，甚至可能被用于控制物联网设备、摄像头或工业控制系统，引发更严重的业务安全风险。

比较常见的利用案例如下：

1.  JWT Token 泄露导致权限绕过，发现隐藏测试账号以及用户敏感信息（银行卡号、身份证号、姓名、手机号等）；

2.  通过 JS 分析发现隐藏上传接口；

3.  复杂业务越权漏洞，通过 AI 辅助分析复杂参数逻辑实现绕过；

4.  利用 AI 结合 JS 逆向快速获取完整 API 接口清单；

5.  摄像头系统中因 appKey、appSecret、accessToken 泄露导致设备安全问题，例如某威视、某石摄像头等相关利用场景。

• 客户端漏洞挖掘门槛因 AI 降低

随着 AI 大模型的发展，客户端漏洞挖掘的门槛大大降低。过去需要大量逆向分析、漏洞研究经验的客户端安全问题，如今借助 AI 辅助代码分析、漏洞定位和利用思路生成，普通攻击人员也能够开展更深入的客户端漏洞挖掘。

去年年底在一次攻防比赛担任裁判期间，我第一次看到红队提交了一类非常难得的聊天软件零点击漏洞。攻击者只需要向目标发送特定链接，无需用户点击操作，即可进一步获取 Windows 电脑甚至 Android 手机权限（苹果系统未受影响）。我大体看了一下原理，是一个组合洞。攻击者利用聊天窗口中的内置浏览器内核对 HTML 内容进行解析，通过构造复杂 JavaScript 代码触发 XSS 问题，再结合此前 Chrome 浏览器内核存在的沙箱逃逸漏洞，最终将一个普通的 XSS 漏洞升级为零点击攻击。

• 边界设备漏洞挖掘

随着 AI 大模型技术的发展，固件分析和逆向研究的门槛正在不断降低，过去，路由器、防火墙、网关等设备的漏洞挖掘通常需要较强的固件分析、逆向工程和漏洞利用能力，但近年来已经出现越来越多通过 AI 辅助完成固件分析的案例，边界设备漏洞也逐渐成为红队关注的重要方向。

近两年在多次攻防比赛中，我多次看到有年轻的红队人员已经能够针对设备固件进行深入分析，挖掘出数组越界、栈溢出等0day漏洞，并通过 IDA Pro 完成详细逆向分析，最终构造可利用的 Exploit。除了传统内存漏洞外，固件分析还可以发现大量隐藏的 Web 管理接口、未授权访问接口等问题。攻击人员通过分析固件中的 HTTP 服务逻辑，结合接口漏洞，可以进一步形成1-click（一点击）漏洞。

• 传统Web安全漏洞

随着近年来企业安全建设不断完善，WAF、防火墙、流量监控、AI 安全研判以及安全运营体系逐渐成熟，传统 Web 漏洞的生存空间正在被压缩。简单的 SQL 注入、XSS、文件上传等常见漏洞越来越难以直接利用，难以触发安全设备告警的业务逻辑漏洞还有很多。

不过，传统 Web 漏洞和组件漏洞依然存在一定价值，在今年比赛中仍能看到 /nacos/、/druid/、Swagger、Spring Boot Actuator /heapdump 泄露，帆软报表漏洞、Spring Cloud Gateway 漏洞、泛微 E-cology 10 RuntimeUtil 组件远程代码执行、GeoServer、Log4j2、Java 反序列化等漏洞案例。相比过去，攻击者更多是将这些漏洞作为攻击链入口，结合权限绕过、业务逻辑分析和漏洞组合，进一步扩大攻击影响。

Part3 总结

1.  AI 大模型正在深刻改变渗透测试和红队攻防模式。从漏洞分析、代码审计、逆向分析到攻击链构建，AI 已经成为提升安全人员效率的重要工具。

2.  真正能用于实战的AI自动化平台已经出现，已经替代部分重复性较高的基础渗透工作，但红队人员的经验判断、攻击思维、漏洞组合能力以及复杂场景分析能力，仍然是 AI 难以完全替代的核心能力。

3.  随着国产中间件在政企系统中的广泛应用，很多新创产品逐渐成为红队重点关注的攻击面。

4.  AI 大模型降低了前端代码分析门槛，从 JS 中发现攻击入口正在成为红队新的常规能力。

5.  欢迎大家扫码加入知识星球，进入星球内部交流群，一起学习进步（原有知识星球内容正在迁移）。

知识星球分为以下几个板块：

知识星球的每一个工具都是精心筛选，都附带有实测评价及使用说明。

知识星球的每一篇PDF文档、PPT文档都细心整理，配有3到9张关键截图。

欢迎大家扫码加入知识星球，一起学习进步！

公众号专注于网络安全技术分享，包括APT事件分析、红队攻防、蓝队分析、渗透测试、代码审计等，每周一篇，99%原创，敬请关注。

Contact me: 0day123abc#gmail.com

OR 2332887682#qq.com

(replace # with @)

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：希潭实验室 abc123info abc123info《第170篇：2026年攻防比赛中漏洞类型总结（AI改变漏洞挖掘方式）》