事件历史事件
AppSec中的本地LLM：哪些工作可放心交给开放工具和模型
先了解这件事
AI 综述
CodeScoring于2026年10月29日在Habr发文，讲解如何用本地LLM开展应用安全工作，梳理可交给开放工具和模型的任务；工具链包括Ollama、llama.cpp、vLLM等运行环境，PentAGI、Strix等智能体环境，以及Garak、PyRIT、Giskard、DeepTeam等测试工具，可行场景涵盖结合分析器结果排查代码告警、动态测试应用和检测应用内置AI助手。
AI 根据报道生成 · 13 天前更新
相关研究
报道引用的论文
- AgentDojo：评估 LLM 智能体提示注入攻击与防御的动态环境AppSec 中的本地 LLM：哪些工作可以放心交给开放工具和模型
arXiv · 2024-06-19 · 深度解读
- PentestGPT：一个由 LLM 驱动的自动渗透测试工具AppSec 中的本地 LLM：哪些工作可以放心交给开放工具和模型
arXiv · 2023-08-13
后续时间线
10月29日
- ХабрAppSec 中的本地 LLM：哪些工作可以放心交给开放工具和模型
CodeScoring 在 Habr 发文讲解如何用本地 LLM 开展应用安全（AppSec）工作，梳理可交给开放工具和模型的任务。工具链包括 Ollama、llama.cpp、vLLM 等运行环境，PentAGI、Strix 等智能体环境，以及 Garak、PyRIT、Giskard、DeepTeam 等测试工具。可行场景涵盖结合分析器结果排查代码告警、动态测试应用和检测应用内置 AI 助手；SRLabs 的 Beyond Fable 实验显示，把评审拆成指定文件和预期结果的小任务，本地模型能给出比整体委托更好的结果。落地也有代价：PrivEsc-LLM 4B 实验中智能体把容器内权限误判为目标，60 轮未取得目标系统 root；2025 年 1 月 PyPI 出现窃取环境变量的 deepseeek、deepseekai 假包；Llama 3.2 多模态模型许可限制欧盟公司使用。