加载中...
0:00 / 0:00
R1kkoSec
CTF 综合实训平台
基于人工智能的网络安全实战训练系统
2026 上海职业院校学生技能大赛 · 人工智能赛道
TEAM
呆毛安全组
产品工程师
产品设计 · 项目统筹
后端工程师
架构设计 · AI 引擎
安全工程师
漏洞研究 · 靶场设计
运维工程师
CI/CD · 容器编排
4 人 2 个月 50,000+ 行代码 6 个 CVE
R1kkoSec CTF 综合实训平台
基于人工智能的网络安全实战训练系统
1
项目背景
2
核心方案
3
技术实现
4
实战演示
5
安全研究成果
① 项目背景
网络安全人才缺口 200 万+
教育部 · 工信部 · 网信办连续多年列为重点任务
1:40
师资严重不足
一位讲师带 40 名学员，无法逐一指导逆向分析、漏洞利用等实操环节
85%
依赖 WriteUp
学员照着答案敲命令，不理解原理，遇到新题目就束手无策
6月+
工具入门周期
IDA Pro、Ghidra、Burp Suite 每一个都需要数月学习才能上手
② 核心方案
给每位学员配一个
AI 安全导师
1
自然语言驱动
用中文描述目标，AI 自动调度 Kali 安全工具
2
引导式教学
不给答案，逐步引导思考，每步解释原理
3
多人协调
指挥中心实时汇总分析师的发现与进度
4
真实沙箱执行
Kali Linux 隔离容器，所有命令真实运行
50K+ 行代码 268 测试 85ms 检索 8 模型
R1kkoSec 平台
③ LIVE CODING
四人同时编码，现场验证
三个代码仓库 · 四项技术操作 · 全部现场编写 · 即时生效
P2 · 后端工程师
新接口上线
r1api 写 /api/team-stats
返回实时系统数据
5-8 行 TypeScript
P4 · 运维工程师
Python 中间件
server.py 加安全响应头
X-R1kkoSec-Node: live
3 行 Python
P3 · 安全工程师
新靶场挑战
CTF Lab 加命令注入题
等会儿现场攻击验证
8 行 Python
P1 · 产品工程师
前端 API 调用
fetch 调 P2 接口
页面实时渲染数据
5 行 JavaScript
③ 技术实现
五层模块化架构
前端层
Web / TUI / CLI
三入口统一
→
后端层
Flask + DI 容器
40+ 注册依赖
→
Hybrid 检索
Vector + BM25 双路融合
Cross-Encoder 重排序
<85ms 端到端
→
Agent 层
8 LLM 动态加权路由
感知→推理→执行→验证
→
Kali 沙箱
隔离容器
命令可回放
50K+
行代码
268
自动化测试
85ms
单次检索
8
LLM Provider
100%
Typecheck + Build
③ 知识底座
120,000+ 条安全知识预装就绪
推理不靠幻觉，靠证据——题库、Writeup、CVE 在分析开始前已进入检索引擎
3,200+
CTF 题库
覆盖 Crypto / Pwn / Web / Reversing
Forensics / Stego / Misc 七大方向
8,500+
Writeup 解析
多路径解法 + 工具链记录
关键命令逐行注释
15,000+
CVE 漏洞条目
含 CVSS + MITRE ATT&CK 映射
PoC 代码 + 修复方案
<85ms
单次检索延迟
BM25 粗召回 → Vector 语义匹配
→ Cross-Encoder 精排 → TopK
③ Hybrid 检索引擎
三阶段召回 · 端到端 85ms
稀疏 + 稠密 + 精排 · 三路融合 · 各司其职
① 稀疏召回
BM25
基于词频 (TF-IDF 增强)
k1=1.5 · b=0.75
目标: 覆盖率
12 万条 → Top 500
~18ms · 6.8M postings
→
② 稠密召回
Vector Embed
bge-large-zh · 1024 维
FAISS IVF 索引
目标: 语义匹配
Top 500 → Top 50
~42ms · 482 MB 索引
→
③ 精排
Cross-Encoder
bge-reranker · pairwise
交叉注意力
目标: 精度
Top 50 → Top K
~25ms · NDCG@10 0.89
三路融合的意义:BM25 保覆盖率,Vector 保语义相关性,Cross-Encoder 保排序准确率 — 任何单一检索都做不到同时覆盖这三件事
③ 四阶段推理管线
不跳跃 · 不猜测 · 不幻觉
每一步结论都建立在前一步的可验证证据上 · 失败自动回溯重试
STEP 1
Evidence
采集证据
从 Hybrid 检索拿到 Top K,再从 Kali 沙箱执行结果、用户输入、日志里采集结构化证据
→
STEP 2
Hypothesis
生成假设
基于证据,模型生成多个候选假设 · 每个假设标注置信度 · 低于阈值自动标记"待人工审核"
→
STEP 3
Verification
逐条验证
对每个假设,去沙箱/知识库里二次核实 · 验证失败自动回溯 · 危险操作必须人工审批
→
STEP 4
Conclusion
结论输出
只有通过验证的假设才进入最终结论 · 每个结论都可追溯到原始证据链
工程意义 · 这不是一次 LLM 调用,是四次——每一步都有独立的门禁和回溯机制,这就是"可信 AI"和"聊天机器人"的区别
③ 工程化度量
不是课程作业 · 是通过质量门禁的工程系统
每一项指标都来自 CI 流水线的自动化检验
50,000+
代码行数
4 人 · 2 个月
268
自动化测试
单元 + 集成 + E2E
8
LLM 动态路由
多臂老虎机策略
6
平台覆盖
Android · iOS · macOS
Windows · Linux · Web
质量门禁包含: 测试覆盖率 ≥ 70% · 静态扫描无高危 · 依赖审计通过 · 每次 PR 必须全绿才能合入主分支
④ 实战靶场

CTF Web Security Lab

真实漏洞环境，从侦察到提权，最终由 R1kkoSec 生成评估报告

SQL Injection

UNION-based 注入提取隐藏数据

OWASP A03 · CVSS 9.8

Upload Bypass

WAF 绕过 + 恶意文件上传

OWASP A01 · CVSS 8.6

Privilege Escalation

Token 篡改突破权限控制

OWASP A01 · CVSS 7.5
进入靶场挑战
R1kkoSecGo
全平台生态
R1kkoSecGo
主平台做深度能力中枢，Go 做全平台生态连接层。
一套代码编译到六个平台。
WebSocket PTY 终端 — 真实 Kali 连接
AI Agent 实时协作 — 引导式做题
SSE 流式对话 — 与 Web 端统一架构
Android iOS macOS Linux Windows Web
30,000 行 Dart · Flutter 3.x · Secure Storage 认证持久化
P1 指挥
告警时间线分析
P2 逆向
恶意代码分析
P3 取证
网络流量分析
P4 运维
服务器配置审计
R1kkoSec AI 统一研判
攻击链还原 · MITRE 映射 · 应急处置
7 步应急处置
隔离 → 封锁 → 清除 → 轮换 → 回滚 → 加固 → 同步
④ 协同安全分析
四人 AI 协作
实时事件响应
模拟 npm 供应链投毒事件。四人各自下载证据，
用 Claude Code 分析，上传结论后 AI 统一研判。
证据下载 — 每人一份不同维度的原始数据
AI 分析 — Claude Code 逐文件提取 IOC 和攻击特征
统一研判 — R1kkoSec 串联四人结论生成攻击链
应急处置 — 7 步逐项执行，终端实时反馈
进入协同分析
⑤ SECURITY RESEARCH
R1kkoSec 安全研究成果
8+ 个漏洞 · 5 个项目 · 已按负责任披露流程提交 GHSA + EDUSRC
① OpenClaw 9.1 ② 维护者 6 分钟确认 ③ 教育单位 OA RCE
OA Login
EDUSRC RCE 严重
某教育单位 OA 系统 — ViewState 反序列化远程代码执行
ASP.NET ViewState 未启用 MAC 验证 · 直连 IP 绕过 CAS + WAF · 全程无需凭据
影响全校教职工办公数据 · 东软智慧校园 · IIS 8.5 / .NET 4.0 · 已提交 EDUSRC
OPENCLAW
9.1
CRITICAL
未认证网关暴露 — 默认部署即可 RCE
Docker/Fly.io 默认模板使用 --allow-unconfigured --bind 0.0.0.0，无需认证即可执行命令 · SSRF 绕过可窃取云凭证 · CWE-306 + CWE-918
GRADIO
8.1
CORS 绕过
STREAMLIT
8.2
认证绕过
GRADIO
7.5
SSRF
SQLADMIN
7.1
CSRF
SQLADMIN
4.3
权限绕过
8+
个漏洞已报告
5
个受影响项目
70K+
star 影响范围
RCE
最高危等级
从开源项目到真实教育基础设施——R1kkoSec 的安全分析能力经得起实战检验。
sqladmin maintainer reply
sqladmin 维护者 Amin Alaee 回复 REAL EMAIL ✓
19:53 发送 → 19:59 回复 · 6 分钟内确认
"Thanks for reporting these. It would be great if you could submit them via Github Security Advisory and we can discuss and review them privately. I think as for the timeline, they should be really easy to fix, I think within a week."
— mohammadamin.alaee@gmail.com · 2026-04-03
⑤ NEXT PHASE — 正在启动
4 月 7 日 · Anthropic 发布 Claude Mythos Preview
从教学平台到
AI 主动防御基础设施
CLAUDE MYTHOS PREVIEW · ANTHROPIC 官方声明
"目前在网络安全能力上远远领先于任何其他 AI 模型，预示着一波即将到来的模型浪潮——它们利用漏洞的速度将远远超过防御者。"
自动化漏洞扫描8+ 真实漏洞 · 最高 CVSS 9.1
代码审计管线15,000 条 CVE 特征库实时匹配
开源生态防护Glasswing 民主化 · 致敬 Anthropic 倡议
政府协作联合地方网信办 · 赋能区域安全基础设施
52 个组织无法保护 80 亿人的全球基础设施 — 这正是 R1kkoSec 接续要做的事
CLAUDE MYTHOS PREVIEW
red.anthropic.com
CyberGym 网安基准
83.1%
vs Opus 4.6 66.6%
Firefox 漏洞利用
181
vs Opus 4.6 2
发现 27 年未被察觉的 OpenBSD 0day · Anthropic 已私下警告政府高层
red.anthropic.com/2026/mythos-preview
LIVE
ANTHROPIC · Project Glasswing
$100M · 2026-04-07
12 FOUNDING PARTNERS · ~40 ORGANIZATIONS
AWS Apple Google Microsoft Nvidia Linux Foundation CrowdStrike Cisco Palo Alto JPMorgan Broadcom
全球网络攻击损失 $8 万亿 · 人才缺口 400 万+ · 攻击速度指数级增长
这不是某一个国家的问题——这是整个数字文明面临的结构性危机
每位安全从业者都有自己的
AI 安全导师
这不是愿景 — 这是我们正在做的事
r1kkosec.com
谢谢各位评委