红队演练与 CTF 怎么用 AI 提效

本文讨论的是授权范围内的安全工作：企业委托的渗透测试、自有资产的漏洞挖掘、CTF 竞赛靶场、漏洞研究。未经授权攻击他人系统在任何司法辖区都是违法行为，与用什么工具无关。

AI 在安全工作中的真实定位

先说清楚边界。AI 不会替你打下一个系统，也不该替你做决策。它真正值钱的地方是三件事：

• 读得快——几千行代码、一堆混淆脚本、一段反汇编，几秒钟给你结构。
• 写得快——把思路变成可运行的脚本，省掉查文档的时间。
• 想得全——提醒你漏掉的攻击面、常见误报、报告该写哪些字段。

判断、授权边界、风险取舍，这些必须由人负责。把 AI 当实习生用，不是当专家用。

为什么普通模型在这类任务上不好用

做过就知道：普通模型在侦察阶段还能帮上忙，一进入载荷构造、逆向还原、权限提升这些环节就开始拒答。它不是不会，是不说。你的工作流在关键节点断掉，只能自己去补那一段。

解锁版分组解决的就是这个断点。同样的模型，同样的速度，把"我不方便说"这层去掉。破甲模型指南里有详细说明。

阶段一：侦察与信息收集

AI 做什么。把零散信息拼成结构。域名、证书、子域、公开代码仓库、员工公开信息、技术栈指纹——这些数据人肉整理很慢，丢给模型做归类和关联快得多。

提示词结构。给它原始数据，要求输出结构化结果，别让它自由发挥：

下面是目标授权的资产清单（域名 32 个、IP 段 2 个）。
请按以下格式整理：
1. 按业务线分组，推测每组用途
2. 标出可能暴露在公网的服务（依据端口/子域命名）
3. 列出需要进一步确认的疑点
不要给攻击建议，只做整理。

关键在于限定输出格式。不限定格式，模型会写一大段散文，你还得自己提炼。

阶段二：攻击面枚举

AI 做什么。根据技术栈列出该查什么。你告诉它"目标用的是 Spring Boot + Nginx + Redis"，它能给出这个组合常见的问题点、配置风险、版本敏感项，以及每项的验证思路。

实用技巧：让它出检查表而不是出结论。

技术栈：Spring Boot 2.x + Nginx 1.20 + Redis 6 + MySQL 8
场景：授权内部评估，不涉及外部攻击
请输出一份检查表，每项包含：
- 检查点
- 判断方法（用什么命令/请求）
- 正常与异常分别长什么样
- 常见误报原因
按优先级排序。

这样拿到的是一份能直接照着做的清单，而不是"建议你注意安全配置"这种废话。

阶段三：代码与样本分析

AI 做什么。这是收益最大的环节。几千行代码里找一个逻辑漏洞，人看一天，模型看十分钟。混淆过的脚本、反汇编片段、抓包数据，都能拆。

怎么问效率最高。分段贴，一次别超过它能稳定处理的量。每段给它一个明确问题：

• "这段代码里，用户输入经过哪几个函数？哪些没做校验？"
• "这个加密函数的密钥从哪来？硬编码还是派生？"
• "这段汇编在做什么？寄存器在这里的作用是什么？"
• "这两个版本的差异里，哪一处改变了权限判断逻辑？"

追问比一次问全更有效。先让它给结构，再针对可疑点深挖。

阶段四：验证与利用

AI 做什么。把你的判断变成可执行的验证脚本。这是普通模型最容易卡住的地方——它会说"建议使用专业工具验证"，但不说怎么验证。

解锁版能给出完整的验证代码：请求怎么构造、响应怎么判断、边界条件怎么处理。拿到之后你必须自己审一遍再跑，尤其是在生产环境。

一个必须养成的习惯：让模型解释它的脚本在做什么，逐行。你不理解的东西不要执行。模型会犯错，尤其是在协议细节和边界条件上。

阶段五：复盘与报告

AI 做什么。报告是最耗时的部分，也是最机械的部分。把发现整理成结构化文本——影响范围、复现步骤、风险等级、修复建议——模型做得又快又齐。

根据以下测试记录，写一份漏洞报告：
- 漏洞类型：越权访问
- 影响：普通用户可读取他人订单
- 复现：改请求中的 user_id 即可
- 证据：附三组请求响应
要求：按 CVSS 3.1 打分并说明理由，
修复建议给两个方案（短期/长期）。

模型给的 CVSS 分数要自己复核，它经常把向量算错。但结构、措辞、修复建议的完整度，能省掉大量时间。

CTF 场景的特殊用法

逆向题

把反汇编贴进去，问"这段逻辑的输入输出关系是什么"。模型擅长识别算法模式——异或轮、查表、矩阵运算、魔改的 Base64。识别出来之后，写还原脚本就快了。

碰到花指令和混淆，让它先做"去混淆"：说明哪些指令是垃圾、真实控制流怎么走。

Pwn 题

分析保护机制、判断利用路径、写 exp 骨架。模型对常见保护（Canary、NX、PIE、RELRO）的组合判断很准，能提示你该走哪条路。堆题的结构体布局分析也好用。

注意：exp 必须自己在靶场跑通，模型给的偏移和 gadget 经常需要按实际环境调整。

密码学题

识别加密方式、还原算法、写解密脚本。给它密文和提示，让它先判断是什么体系（RSA 参数异常、AES 模式误用、古典密码变体），再给攻击思路。

杂项与流量分析

抓包数据、日志、图片隐写、编码套娃。模型读日志找异常很快，编码层层剥也利索。图片隐写它只能给思路，实际提取还得靠工具。

提示词的三个原则

几个真实的坑

它会自信地编造

CVE 编号、函数签名、工具参数，模型都可能编。凡是能查证的，都要查证。把它的输出当草稿，不当结论。

它不理解你的环境

同一个漏洞在不同版本、不同配置下表现完全不同。模型给的是通用路径，落到你的目标上必须实测。

它给的脚本要审

尤其是会修改系统状态的操作。先读懂，再执行。生产环境上更是如此。

别把授权信息贴进去

真实的客户名称、内网地址、凭据，脱敏后再发。中转服务不存对话，但习惯要养好。

工具搭配

AI 不替代工具，AI 帮你决定用哪个工具、怎么用、结果怎么看。常见组合：

• 侦察：模型整理资产与优先级 → 手工用扫描器验证
• 代码审计：模型定位可疑函数 → 人工确认 → 模型写验证脚本
• 逆向：模型读反汇编 → 人工在调试器里验证 → 模型写还原脚本
• 报告：模型生成初稿 → 人工补证据与结论

接入方式

安全类任务建议直接用解锁版分组，普通版在关键步骤会断。LBW API 的接口地址：

https://lbwapishop.online/v1

客户端配置见Cursor 教程或Cherry Studio 教程。模型名在控制台查看，带 -unlocked 后缀的即为解锁分组。

最后一句

AI 把安全工作的门槛拉低了，也把"会用工具"和"懂原理"的差距拉大了。能读懂模型给的东西、能判断它对不对，才是真正的能力。工具只是放大器。

在授权范围内，尽情用。