AI 智能体开发与上线
本文系统阐述AI智能体（Agent）从0到1的全生命周期工程实践：涵盖架构设计、提示工程、工具集成、多Agent编排；强化安全护栏与幻觉控制；支持API服务化、容器化部署及多端接入；通过全链路监控与数据飞轮实现持续优化。
可信凭证滥用驱动邮件欺诈激增的攻击机理与全域防御研究
本文基于LevelBlue 2026年Q2应急数据，系统剖析BEC邮件劫持、OAuth令牌窃取、SaaS供应链滥用及ClickFix社工攻击四大可信凭证滥用威胁，揭示其绕过MFA、隐蔽性强、溯源难等特征；提出邮件网关、云身份、终端、供应链四层协同防御架构，并附两段可落地Python检测代码，填补该领域技术研究空白。（239字）
仿冒 Snap 官方社工钓鱼隐私窃取攻击攻防与法律规制研究
本文以2026年Kyle Svara Snapchat定向社工钓鱼案为实证，揭示攻击者伪装官方客服、短信索要验证码绕过多因素认证，窃取570名女性私密影像并售卖的黑产链条；剖析短信语义识别缺失、MFA设计缺陷与用户认知短板等三层失效根源；提出“短信语义拦截—账号动态风控—终端安全加固—司法溯源闭环”四维防御体系，实测拦截率达96.1%，兼具技术可行性与法律适用性。（239字）
面向现代 Web 平台的 CNN-LSTM 混合深度学习钓鱼检测系统研究
本文提出基于CNN-LSTM混合模型的URL钓鱼检测方法，融合字符序列局部特征与全局依赖关系，并引入人工统计特征。依托PhishTank数据集构建端到端流程，实验表明其在准确率（97.61%）、召回率（96.89%）等指标上全面优于传统方法，显著提升零日混淆钓鱼URL识别能力，代码开源、轻量易部署。（239字）
2026 年 Q2 邮件威胁全景：新兴攻击战术与分层防御技术研究
本文基于SOC Prime《2026年Q2邮件威胁报告》，系统剖析AI混淆文本、云邮件滥用、内存型载荷、RTLO欺骗四大新兴战术，揭示传统防御失效根源；提出网关层（隐藏文本/RTLO检测）、终端层（PowerShell内存行为监控）、云层（IAM密钥扫描）三层协同防御框架，并提供两段可落地Python检测代码，填补新型邮件威胁技术研究与实践空白。（239字）
滥用合法 RMM 工具的 BlueDash 钓鱼攻击全链路攻防与企业闭环防护研究
BlueDash（蓝虚线）是2026年2月起活跃的定向钓鱼攻击行动，以仿冒Teams更新为诱饵，利用GitHub Pages投递Inno Setup加载器，隐藏执行PowerShell脚本，并行部署Level RMM与ScreenConnect两套合法远程管理工具，构建冗余持久化控制通道，同步窃取企业邮箱凭证。本文基于ZeroBEC情报，深度拆解其基础设施、载荷逻辑与多RMM冗余技术，揭示白名单工具滥用导致的传统防护失效机理，并提出“邮件拦截—终端行为检测—密钥管控—运营溯源”四维闭环防御框架，实测拦截率达95.6%。（240字）
伪装硬件钱包更新邮件钓鱼盗取 XRP 资产的攻击机制与防护研究
本文以Ledger仿更新钓鱼盗取40万XRP事件为样本，首次系统拆解硬件钱包社会工程攻击全链路，揭示“离线私钥”与“线上交互信任漏洞”的核心矛盾；创新提出邮件层、浏览器终端、钱包客户端、XRPL链上监测四层协同防护框架，并提供可运行Python代码实现钓鱼域名检测与大额转账预警，填补XRP专属安全防护空白。（239字）
