A personal blog about technology, programming, and life.https://ugorange.com/https://ugorange.com/blog/gpt-56-cyber-safety/https://ugorange.com/blog/gpt-56-cyber-safety/GPT-5.6 的 cyber 进步不只是跑分上涨，而是漏洞发现、工具使用、长程推理和访问控制一起变化。真正值得关注的，是它仍未跨过 Critical 门槛，以及 OpenAI 如何用实时监控、可信访问和账号级执法给这类双用途能力加闸。Fri, 10 Jul 2026 00:00:00 GMThttps://ugorange.com/blog/global-workspace-j-space/https://ugorange.com/blog/global-workspace-j-space/Anthropic 最新研究在 Claude 内部发现自发涌现的"全局工作空间"（J-space）：模型能报告它、控制它、用它推理，而大多数处理绕过它自动完成。本文深度解析方法、实验证据、安全应用与意识争议。Wed, 08 Jul 2026 00:00:00 GMThttps://ugorange.com/en/blog/finance-agents-four-controls/https://ugorange.com/en/blog/finance-agents-four-controls/Anthropic released 10 financial-services agent templates powered by Opus 4.7. The real story isn't model performance—it's that per-tool permissions, managed credential vaults, full audit logs, and human-in-the-loop are now default. This signals a shift in vendor security focus from model alignment to deployment-time control.Wed, 06 May 2026 00:00:00 GMThttps://ugorange.com/en/blog/claude-security-decoded/https://ugorange.com/en/blog/claude-security-decoded/Claude Security beta, powered by Opus 4.7, is currently exclusive to Enterprise customers. This deep-dive analyzes Anthropic's new product across six dimensions: positioning, architecture, workflow, capability boundaries, pricing, and ecosystem strategy.Wed, 06 May 2026 00:00:00 GMThttps://ugorange.com/blog/claude-security-decoded/https://ugorange.com/blog/claude-security-decoded/Opus 4.7 公测版 Claude Security 仅对 Enterprise 开放。从产品定位到技术架构、工作流闭环、能力边界、价格与生态六个维度做一次完整拆解，回答一个核心问题：它是不是颠覆，安全公司该不该慌。Wed, 06 May 2026 00:00:00 GMThttps://ugorange.com/blog/finance-agents-four-controls/https://ugorange.com/blog/finance-agents-four-controls/Anthropic 推 10 个金融服务 Agent 模板，搭载 Opus 4.7。真正值得看的不是模型性能，而是 per-tool permissions / managed credential vaults / full audit log / human-in-the-loop 被做成了默认配置——这标志大模型厂商安全重点正在从『模型对齐』转向『部署侧控制』。Wed, 06 May 2026 00:00:00 GMThttps://ugorange.com/blog/security-ai-generated-prs-analysis/https://ugorange.com/blog/security-ai-generated-prs-analysis/论文《Insights into Security-Related AI-Generated Pull Requests》分析了 33,596 个 AI 生成 PR，并从中筛出 675 个安全相关 PR。最值得警惕的不是 AI 会不会写安全补丁，而是现有开源审查流程并没有很好地区分两类风险：一些带有可检测安全缺陷的 AI PR 被合并，另一些 PR 则因为无人响应、缺少测试、格式问题或流程噪声被关闭。AI coding agent 的安全问题，正在从代码能力问题，变成工程治理问题。Tue, 28 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/gpt-5-5-safety-analysis/https://ugorange.com/blog/gpt-5-5-safety-analysis/GPT-5.5 的安全问题不在于它突然失控，而在于它把漏洞研究、生物科研规划和多步骤代理任务变得更便宜、更持久、更容易规模化。Fri, 24 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/cyber-defense-benchmark-threat-hunting-analysis/https://ugorange.com/blog/cyber-defense-benchmark-threat-hunting-analysis/《Cyber Defense Benchmark: Agentic Threat Hunting Evaluation for LLMs in SecOps》最有价值的地方，不是给出一个‘模型整体很差’的结论，而是把 threat hunting 明确建模为一种开放式、证据驱动、预算受限的序列决策任务。只有把论文的问题设定、benchmark 的数据与环境设计、以及各模型的失败模式放在一起看，才能理解它真正证明了什么：当前 frontier models 的主要短板，并不只是安全知识不足，而是无法稳定地把知识转化为高收益检索、精确归因与提交策略。Thu, 23 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/hermes-agent-immune-system/https://ugorange.com/blog/hermes-agent-immune-system/腾讯玄武实验室那篇关于 Hermes Agent 的文章，真正值得看的，不只是一个已经修补的 SMS Webhook RCE，而是另一件更耐人寻味的事：一个原本为记忆与技能沉淀设计的 Review 机制，在持续攻击压力下，开始表现出近似适应性免疫的行为。如果把记忆与遗忘一起理解为系统的免疫应答，这件事会显得更准确，也更不浪漫。Thu, 23 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/claude-cowork-agent-safety-watchlist/https://ugorange.com/blog/claude-cowork-agent-safety-watchlist/Claude Cowork 官方页最值得关注的，不只是 Anthropic 又做了一个能在桌面上代办任务的 Agent 产品，而是它已经在产品正文里更明确地写入 human oversight、trust、access、control 这类部署安全语言。这说明 Anthropic 正持续把高权限 Agent 的安全原则，从研究框架推进到产品叙事与默认交互边界中。这个信号还不足以构成独立安全公告，但足够进入 Watchlist。Wed, 22 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/firefox-271-bugs-ai-security-bottleneck/https://ugorange.com/blog/firefox-271-bugs-ai-security-bottleneck/Mozilla 在 Firefox 150 中修复了 271 个由 Anthropic Mythos Preview 识别出的漏洞。单看这个数字很震撼，但更重要的变化不是某个模型又刷新了成绩，而是软件安全长期依赖的稀缺性正在被改写：漏洞发现不再稀缺，验证、修复、发布和维护者承载能力正在成为新的瓶颈。把这条新闻和 Mozilla 3 月的 Firefox 148 协作、Anthropic 的 Project Glasswing、OpenAI 的 Trusted Access for Cyber，以及 cURL 因 AI 垃圾报告关闭 bounty 计划放在一起看，会发现我们进入的不是“AI 帮安全团队提效”这么简单，而是软件安全经济学被整体翻面。Wed, 22 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/kimi-k2-6-agent-safety-narrative/https://ugorange.com/blog/kimi-k2-6-agent-safety-narrative/Moonshot 在 2026 年 4 月 20 日发布的 Kimi K2.6 技术博客，没有单独给出 system card，却非常明确地把安全叙事推进到 agent 场景：长时间 research 任务中的安全意识、多 Agent 协同下的失败检测与任务重分配，以及借助 Kimi Vendor Verifier 处理第三方推理实现偏差与供应链可信度。真正值得关注的，不是 K2.6 会不会多拒答几句，而是 Moonshot 已开始把运行时安全、编排安全和推理供应链安全当成一类更核心的问题。Tue, 21 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/vercel-ai-supply-chain-breach/https://ugorange.com/blog/vercel-ai-supply-chain-breach/Vercel 安全事件深度复盘——从一个游戏外挂到 200 万美元的数据勒索，AI 工具正在成为企业安全最脆弱的供应链环节Mon, 20 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/your-agent-is-mine-llm-router-supply-chain/https://ugorange.com/blog/your-agent-is-mine-llm-router-supply-chain/一篇最新 arXiv 论文系统测量了恶意 LLM Router：它们不只会偷看 prompt，还能改写 tool call、窃取密钥，甚至在自主执行模式下直接接管 Agent。Tue, 14 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/awe-adaptive-agents-dynamic-web-pentest/https://ugorange.com/blog/awe-adaptive-agents-dynamic-web-pentest/AWE 不是又一个会自己点页面的通用 Agent，而是把 Web 渗透拆成漏洞特定流水线、持久记忆和浏览器验证，展示了安全 Agent 正从模型竞赛走向架构竞赛。Sun, 12 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/hermes-agent-skill-safety/https://ugorange.com/blog/hermes-agent-skill-safety/我认真看了 Hermes Agent 项目后，一个感受很强：它真正独特的地方，不只是多平台、多工具，而是把 skill 当成程序化记忆，让 agent 能从经验里沉淀技能、持续改写技能。这也意味着，skill 不再只是提示词资产，而是 Agent 安全里最需要重点防守的长期执行载体。Fri, 10 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/anthropic-glasswing-ai-cybersecurity-trends/https://ugorange.com/blog/anthropic-glasswing-ai-cybersecurity-trends/Anthropic 于 2026 年 4 月 7 日发布 Project Glasswing，用未公开的 Claude Mythos Preview 联合 AWS、微软、Cisco 等机构加固关键软件。它释放出 5 个清晰信号：AI 漏洞挖掘能力跃迁、前沿模型受限开放、开源安全战略化、漏洞处置自动化，以及“联盟式防御”正在成为新范式。Wed, 08 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/anthropic-mythos-preview-safety-card-analysis/https://ugorange.com/blog/anthropic-mythos-preview-safety-card-analysis/Anthropic 于 2026 年 4 月 7 日发布 Claude Mythos Preview System Card。真正值得认真阅读的，不是单个 benchmark 分数，而是它如何在 Responsible Scaling Policy 3.1 框架下，同时处理 autonomy、chemical/biological、cyber 与 alignment 四类风险，并最终得出一个极不寻常的结论：这是其迄今能力最强的模型之一，但不适合一般可用发布，而应被限制在受控的防御性网络安全场景中。Wed, 08 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/credential-leakage-llm-agent-skills/https://ugorange.com/blog/credential-leakage-llm-agent-skills/一篇 2026 年 4 月 3 日提交到 arXiv 的论文，首次对 agent skill 凭据泄露做大规模量化：在 17,022 个抽样技能中发现 520 个受影响技能、1,708 个安全问题，其中 73.5% 的漏洞来自 print/console.log 这类 stdout/debug logging 泄露面。Mon, 06 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/agentwatcher-rule-based-prompt-injection-monitor/https://ugorange.com/blog/agentwatcher-rule-based-prompt-injection-monitor/AgentWatcher 用两步法处理 Agent 时代的 Prompt Injection：先用 attribution 从长上下文中定位真正影响动作的片段，再让带显式规则的 monitor LLM 做判定。论文在 AgentDojo、AgentDyn、InjecAgent 和多组 long-context 数据集上拿到了很强的 utility / ASR trade-off。Fri, 03 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/ai-safety-hiring-signals/https://ugorange.com/blog/ai-safety-hiring-signals/基于 2026 年 4 月 2 日对 Anthropic、OpenAI、xAI、智谱 GLM、Kimi 和 MiniMax 公开招聘页面的梳理，这篇文章总结出 AI 安全行业正在新增的 6 类岗位：threat intelligence、Safety Ops、评测工程、post-training safety、Safety PM，以及基础设施与风险治理岗位。Thu, 02 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/atbench-long-horizon-agent-safety-benchmark/https://ugorange.com/blog/atbench-long-horizon-agent-safety-benchmark/ATBench 把 agent safety 评测的单位从单轮 prompt 和最终答案，推进到完整 trajectory。它用 1,000 条轨迹、2,084 个工具池、1,954 次工具调用，以及 delayed-trigger 长上下文协议，逼近真实 Agent 风险如何在多步交互中出现、累积和爆发。Thu, 02 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-agent-runtime-task-team-memory-cron/https://ugorange.com/blog/claude-code-agent-runtime-task-team-memory-cron/如果你还把 Claude Code 理解成一个“会读文件、会跑命令”的 coding assistant，那可能低估它了。从最新源码看，它内部已经长出 Task、Team、Memory、Cron、Plan Mode 这些系统级能力，更像一套正在逐步开放的 Agent Runtime。Wed, 01 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-bash-security-semantic-control/https://ugorange.com/blog/claude-code-bash-security-semantic-control/对高权限 Agent 而言，shell 的风险从来不只是少数危险命令，而是整套可重写、可包装、可组合、可漂移的执行语义。基于 Claude Code 最新源码，本文从研究视角分析其 Bash 安全模型，说明为何真正有效的控制对象不是关键词黑名单，而是动作语义、路径语义、权限语义与意图语义的分层联动。Wed, 01 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-security-zero-trust-agent-control/https://ugorange.com/blog/claude-code-security-zero-trust-agent-control/如果把 Claude Code 视为一个高权限 Agent 运行时，那么真正关键的问题就不再是“它能做什么”，而是“谁在驱动它、每个动作如何被约束、系统如何判断动作是否符合人的真实意图”。基于最新源码，本文从研究视角分析其在人-Agent身份绑定、入向/出向权限检查、Bash高风险控制与Action级零信任上的设计。Wed, 01 Apr 2026 00:00:00 GMThttps://ugorange.com/blog/openai-safety-bounty-ai-safety-trends/https://ugorange.com/blog/openai-safety-bounty-ai-safety-trends/OpenAI 在 2026 年 3 月 25 日公开推出 Safety Bug Bounty，看起来像是一次常规安全公告，实际上却是在重新定义 AI 安全的边界：哪些问题属于可修复、可验证、可奖励的系统级缺陷，哪些又只是模型输出层面的现象。结合 Bugcrowd 当前范围、Anthropic 的 Model Safety Bug Bounty 与 RSP 3.0、xAI 的公开漏洞披露和安全控制、Microsoft 的 Copilot bounty，可以看到一个清晰趋势：AI 安全正在从『回答是否违规』转向『系统是否会替用户做错事』。Wed, 01 Apr 2026 00:00:00 GMThttps://ugorange.com/en/blog/clawxray-ebpf-agent-observability/https://ugorange.com/en/blog/clawxray-ebpf-agent-observability/When Claude Code makes 200 API calls on your machine, do you know what it sent or how many tokens it burned? ClawXRay uses eBPF to intercept TLS-encrypted traffic at the kernel level, making every LLM call from AI Agents fully transparent.Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-auto-mode-classifier/https://ugorange.com/blog/claude-code-auto-mode-classifier/很多人会把 Auto Mode 理解成“少弹窗、自动放行”。但从 Claude Code 源码看，它的核心不是 YOLO，而是一套围绕分类器、规则注入、缓存优化和失败降级构建的权限决策系统。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-btw-side-question/https://ugorange.com/blog/claude-code-btw-side-question/表面上，/btw 只是“顺手问一句”。但从源码看，它背后其实是一套很精巧的 sidecar 架构：复用主会话上下文、复用 prompt cache、禁止工具、单轮返回、并且不污染主线程。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/axios-npm-supply-chain-attack/https://ugorange.com/blog/axios-npm-supply-chain-attack/都在关心龙虾能不能吃，程序员的「龙虾」也出事了——npm 上每周 6000 万下载的 axios 被劫持，恶意版本植入跨平台远控木马。本文分析攻击原理并提供自查命令。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-hidden-capabilities-internal-features/https://ugorange.com/blog/claude-code-hidden-capabilities-internal-features/很多人以为 Claude Code 现在展示出来的能力，就是它全部的能力。但从最新源码看，真正有意思的地方在于：它已经埋好了大量内部功能和受限能力，只是通过 feature flag、权限策略、账号形态和构建目标，把它们层层锁住了。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/clawxray-ebpf-agent-observability/https://ugorange.com/blog/clawxray-ebpf-agent-observability/当 Claude Code 在你的机器上执行 200 次 API 调用时，你知道它发了什么、花了多少 Token 吗？ClawXRay 用 eBPF 在内核层拦截 TLS 加密流量，让 AI Agent 的每一次 LLM 调用都无所遁形。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/claude-code-plan-mode-state-machine/https://ugorange.com/blog/claude-code-plan-mode-state-machine/很多人把 Plan Mode 理解成一个更爱先思考的 Prompt。但从源码看，Claude Code 真正做的是：把“规划”提升成一个可进入、可退出、可审批、可恢复的系统状态。Tue, 31 Mar 2026 00:00:00 GMThttps://ugorange.com/en/blog/pcfi-prompt-injection/https://ugorange.com/en/blog/pcfi-prompt-injection/A paper that brings the concept of Control-Flow Integrity (CFI) from software security to prompt defense. Core insight: Prompt Injection is fundamentally a structural problem — low-priority inputs hijacking the execution flow of high-priority instructions.Mon, 30 Mar 2026 00:00:00 GMThttps://ugorange.com/en/blog/runtime-agnostic-agent/https://ugorange.com/en/blog/runtime-agnostic-agent/While everyone debates whether to choose LangChain or Claude Code, we took a different path — defining two universal contracts that allow any Coding Agent to serve as the platform's execution engine.Mon, 30 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/pcfi-prompt-injection/https://ugorange.com/blog/pcfi-prompt-injection/一篇把软件安全中的控制流完整性（CFI）思想搬到 Prompt 防护的论文。核心洞察：Prompt Injection 本质上是一个结构性问题——低优先级输入篡改了高优先级指令的执行流。Mon, 30 Mar 2026 00:00:00 GMThttps://ugorange.com/blog/runtime-agnostic-agent/https://ugorange.com/blog/runtime-agnostic-agent/当所有人都在争论该选 LangChain 还是 Claude Code 时，我们选择了一条不同的路——定义两个通用契约，让任何 Coding Agent 都能成为平台的执行引擎。Mon, 30 Mar 2026 00:00:00 GMThttps://ugorange.com/en/blog/agent-observability-4/https://ugorange.com/en/blog/agent-observability-4/This is the final article in the Agent Observability series, exploring how to go from data to judgment - cost attribution, behavioral baselines, anomaly detection, and making observability truly operational.Wed, 31 Dec 2025 00:00:00 GMThttps://ugorange.com/blog/agent-observability-4/https://ugorange.com/blog/agent-observability-4/这是 Agent 可观测性系列的最后一篇文章，探讨如何从数据走向判断：成本归因、行为基线、异常检测，以及让可观测性真正可运营。Wed, 31 Dec 2025 00:00:00 GMThttps://ugorange.com/en/blog/agent-observability-3/https://ugorange.com/en/blog/agent-observability-3/This is the third article in the Agent Observability series, exploring three paradigms of data collection, the misalignment between audit and runtime, and the design principle that reconstructability is better than full collection.Wed, 24 Dec 2025 00:00:00 GMThttps://ugorange.com/blog/agent-observability-3/https://ugorange.com/blog/agent-observability-3/这是 Agent 可观测性系列的第三篇文章，探讨数据采集的三种范式、审计与运行时的错位问题，以及可还原性优于全量采集的设计原则。Wed, 24 Dec 2025 00:00:00 GMThttps://ugorange.com/en/blog/agent-observability-2/https://ugorange.com/en/blog/agent-observability-2/This is the second article in the Agent Observability series, exploring four core objects in the Agent world - Agent, Model Source, Tool, and Agent-to-Agent Link.Wed, 17 Dec 2025 00:00:00 GMThttps://ugorange.com/blog/agent-observability-2/https://ugorange.com/blog/agent-observability-2/这是 Agent 可观测性系列的第二篇文章，探讨 Agent 世界中的四类核心对象：Agent、Model Source、Tool、Agent-to-Agent Link。Wed, 17 Dec 2025 00:00:00 GMThttps://ugorange.com/en/blog/agent-observability-1/https://ugorange.com/en/blog/agent-observability-1/This is the first article in the Agent Observability series, exploring the core challenges of observability in the Agent era - uncertainty, semantic gaps, and data silos.Wed, 10 Dec 2025 00:00:00 GMThttps://ugorange.com/blog/agent-observability-1/https://ugorange.com/blog/agent-observability-1/这是 Agent 可观测性系列的第一篇文章，探讨 Agent 时代可观测性面临的核心挑战：不确定性、语义鸿沟和数据孤岛。Wed, 10 Dec 2025 00:00:00 GMThttps://ugorange.com/en/blog/runc-cve-2025-31133/https://ugorange.com/en/blog/runc-cve-2025-31133/An in-depth analysis of three critical runc vulnerabilities disclosed in November 2025, exploring their attack mechanisms, exploitation methods, and remediation recommendations.Wed, 03 Dec 2025 00:00:00 GMThttps://ugorange.com/blog/runc-cve-2025-31133/https://ugorange.com/blog/runc-cve-2025-31133/深入分析 2025 年 11 月披露的三个 runc 高危漏洞，探讨其攻击原理、利用方式及修复建议。Wed, 03 Dec 2025 00:00:00 GMT