2026年10月27日 14:00-17:30，第128期方班演武堂在广州大学黄埔校区B2栋博信楼成功举办，绿盟班、海康班、天融信班、安天班、任子行班、启明星辰班、安恒班、奇安信班8个企业冠名教学班的企业导师，以及方班九期全体学生和网安学院部分老师参与了课堂教学。

本次演武堂课程分为8个教学班。绿盟班（1班）汇报的同学是林哲涵、陈少敏、罗子曦、叶钊然，来自绿盟科技的刘常乐、张航航、陈震杭、吴铁军、秦伟超、赵光远为主点评老师；海康班（2班）的汇报同学是朱志鹏、王肖月、黄嘉浩、陈锡共，来自海康威视的陈瑞云为主点评老师；天融信班（3班）汇报的同学是刘志浩、李鑫宇、熊志南、邝文新，来自天融信的张新、孙李坤、庞瑞、黄兵华为主点评老师；安天班（4班）的汇报同学是赵振宇、张兆轩、石雨珉、刘康，来自安天科技的沈长伟、李林哲为主点评老师；任子行班（5班）的汇报同学是王泽毅、陈宇聪、王世璇、龚俊，来自任子行的侯晓辰、成海、周邦链为主点评老师；启明星辰班（6班）的汇报同学是陈凯、黄梦婷、张宇杰、闫坤，来自启明星辰的周瑜、刘洋为主点评老师；安恒班（7班）的汇报同学是胡逸民、卞正浩、曾康、王晨怡，来自安恒的丁莹、叶方庆、陈泽楠、郑鑫为主点评老师；奇安信班（8班）的汇报同学是潘康慧、叶嘉铭、汪能、戴凌峰，来自奇安信的鲍坤夫为主点评老师。

第一组

第一位报告人： 林哲涵

报告题目： Suricata恶意流量检测规则实践验证与调优

点评老师的意见与建议：

1、规则设计需说明语法验证与逻辑规则对误报漏报的影响；明确误报检测所用样本标签，规则失效可结合逻辑匹配与行为异常判断。

2、框架讲解需细化各部分及检测环节；双通路评价应举例说明数据对象，评价代码需明确流程与指标，样本标注后流程需交代。

3、七条自定义规则覆盖面有限，需讨论编码变体与绕过场景；补充上线性能开销、规则冲突和维护成本分析，并细化ET规则与自定义规则示例。

第二位报告人： 陈少敏

报告题目： Sliver C2 框架协议流量特征分析与检测规则实测

点评老师的意见与建议：

1、协议流量特征分析应给出可识别、可量化的结论，并明确其在汇报中的对应呈现位置。

2、混淆免杀需补充具体案例与前后流量对比；Armory 扩展受平台限制未实现，应说明原因及后续计划。

3、建议后续自定义 Sliver 配置文件（证书认证、schema 等）修改流量特征；框架自带免杀效果差，需自行加固。

4、JA3 只能作为推断依据，不能作为判定 Sliver 的证据；实验室零误报受样本量限制，加密 C2 识别仍是痛点。

第三位报告人： 罗子曦

报告题目： Attack Flow: 威胁建模和知识回答

点评老师的意见与建议：

1、报告在框架与流程分析部分表现较好，架构图和数据图展示详细，整体设计思路清晰，值得肯定。

2、实际安全运营中告警数量庞大且信息不完整，现有安全平台已具备一定的攻击关联能力，建议进一步明确项目在攻击链分析和辅助研判方面的优势。

3、对 Attack Flow 的统一表示方式介绍不够清晰，建议进一步说明攻击行为、关联关系、证据来源及六维特征的具体存储结构和实现方式。

4、流程匹配和智能问答的实现原理仍需深入讲解，尤其是多维相似度计算、缺失攻击步骤的匹配，以及大模型如何结合知识库生成分析结果。

5、组织行为挖掘目前主要围绕五个固定维度展开，建议进一步说明各维度的设计依据，同时加强核心代码实现细节的展示，体现自主设计与 AI 辅助开发的结合。

第四位报告人： 叶钊然

报告题目： FLOSS——恶意样本字符串自动去混淆

点评老师的意见与建议：

1、FLOSS在实际生产中一般不会直接使用，而是作为需要二次开发的组件：面对加壳、反沙箱检测、需特定参数才暴露功能的样本，往往要针对具体样本族做场景适配，才能嵌入既有的分析流程。

2、对项目“用现成组件”这一层的拆解还不够到位：仿真引擎 vivisect是加载完整二进制，还是只喂筛选后的候选函数；结果缓存又在什么粒度上复用——这些直接决定了项目的扩展点与改造成本。

3、建议补充“为什么选 FLOSS”的论证：与 IDA、Ghidra等通用逆向工具相比，它的价值在于专项化、自动化与可批量初筛，把这层能力边界讲清楚，选题会更有说服力。

第二组

第一位报告人： 朱志鹏

报告题目： garak：大模型漏洞扫描器

点评老师的意见与建议：

1、 该项目更偏向于发现大模型安全漏洞，可进一步明确其漏洞检测与越狱评测的定位。

2.、当前工作主要集中于源码分析和工具复现，建议进一步深入研究检测机制与评判逻辑。

3、 有害回答后若模型能识别风险并主动纠偏，不应简单判定为越狱成功，需完善判定标准。

第二位报告人： 王肖月

报告题目： Giskard：面向AI应用的测试与评测框架

点评老师的意见与建议：

1、建议补充量化数据，如漏洞检出率、测试用例覆盖率、误报率及回归测试耗时等，直观呈现项目成效，进一步增强成果展示的说服力

2、建议保留首页项目链接，便于查阅项目源码及相关资料。

3、建议将2.3节代码映射图调整至源码分析部分，使内容衔接更加自然，汇报结构更加连贯。

第三位报告人： 黄嘉浩

报告题目： ART对抗鲁棒性工具箱

点评老师的意见与建议：

1、汇报时要考虑观众的感受，要面对着观众。

2、源码分析和实验验证内容混杂，需要拆分独立呈现；源码聚焦核心代码，实验验证属于实战演练，二者要分开。

3、需要明确ART工具箱实际落地场景，探究其在工业识别、在线风控、工厂、供应商场景下能否使用，梳理工具应用的局限性。

4、PPT里的5层逻辑架构不正确，需要查阅产品官网，替换为官方的4块核心模块。

第四位报告人： 陈锡共

报告题目： promptfoo大模型红队测试平台

点评老师的意见与建议：

1、汇报逻辑清晰，对项目较为熟悉。建议进一步明确插件与策略的区别，并深入分析40条测试用例产生60次模型请求的原因。

2、安全测试应覆盖通用风险并结合业务需求，采用规则过滤、分类模型、大模型评分及人工标准数据集分层评估，兼顾效率与准确性。

3、建议在本地模型测试基础上，接入在线接口测试更多主流模型，增强结果的说服力；使用人工智能辅助学习时，应结合实际验证其结论。

第三组

第一位报告人： 刘志浩

报告题目： 面向 RAG 应用的知识库投毒检测与安全问答

点评老师的意见与建议：

1、企业中目前还是使用传统RAG，存在入库分块困难的问题，面对多种文档解析能力不足，通常使用精确提示词的方式避免新旧文档版本问题。

2、相关背景介绍时，应先展示其他项目的痛点，再进行需求分析，介绍顺序需要优化。需求分析大多是定性分析，应增加定量分析。

3、项目架构图要严格按照递进的关系，不能把具体模块单独列为一层。并且在系统流程图中，相关模块应该与项目架构的模块对应。

第二位报告人： 李鑫宇

报告题目： Conpot工业蜜罐：从电力系统协议视角解析

点评老师的意见与建议：

1、对conpot蜜罐项目在电网领域应用的分析比较深入，能看出花了很多功夫，讲解也比较清晰；

2、对于蜜罐的定量评价指标，可以从深度和广度来考虑；

3、对于conpot项目的兼容多协议功能，是否存在基类实现，之后可以深入研究一下。

第三位报告人： 熊志南

报告题目： Damn-vulnerable-Drone: 无人机安全研究平台

点评老师的意见与建议：

1、汇报尚缺少项目核心代码分析，建议补充启动调度、消息转发等关键代码，说明系统流程对应的具体实现。

2、实验场景相对基础，对预设弱配置和网络接入条件依赖较强，建议明确实验前提与适用边界，补充更贴近实际部署的验证。

3、总结表述较为模板化，个人分析体现不足，建议结合实验发现重新提炼，突出独立判断，减少对 AI 生成内容的直接依赖。

4、系统流程图绘制较为清晰，能够呈现启动、控制与图像传输的主要过程，组件之间的交互关系表达较直观。

第四位报告人： 邝文新

报告题目： LibCity的工程创新与验证

点评老师的意见与建议：

1、方案存在数据局限性，仅适用于交通路网等特定场景且未完成全面模型匹配，缺乏普适性验证。

2、肯定汇报思路与实验数据，明确新模型引入特殊图结构时优先使用专用组件，严禁修改通用执行器与batch，仅新特征才允许扩展。

3、建议将对比校验分层处理，补充时间因果及语义一致性校验，把口头提到的隐性逻辑显性化，标记校验记录与结果显示。

第四组

第一位报告人： 赵振宇

报告题目： Conpot 核心架构与 IEC 104 协议实现分析——面向电力远动系统的蜜罐设计思考

点评老师的意见与建议：

1、选题是一个工业体系的蜜罐，整体的介绍比较完整。

2、建议可以在互联网上找一个出口去部署，可以考虑结合AI大模型的接入。

第二位报告人： 张兆轩

报告题目： MarkDiffusion

点评老师的意见与建议：

1、演武堂在选题的时候，应该选择工程量、框架比较大的开源项目，重点为了提高自己对于复杂的项目里提高学习架构的能力

2、如果要将一个实验研究的项目具体落到企业落地，可能需要一个具体可行或者真正的需求载体，然后专攻这一个方面，提升其落地的宽泛性与实地性。

第三位报告人： 石雨珉

报告题目： 阅读和复现 Gobuster 开源项目

点评老师的意见与建议：

1、现实世界中 Gobuster 爆破需要考虑到 DDoS 防御以及敏感场景下安全合规性需求，高并发需求可能不是实际使用的重点。

2、项目背景分析到位，代码执行原理解析详细，总体思路和模型框架明确，使用 AI 生成幻灯片应该写在 AI 使用当中。

3、推荐选择架构更为复杂的框架作为报告题目，该项目过于简单。

第四位报告人： 刘康

报告题目： 基于AI Agent的MISP情报自动化运营助手

点评老师的意见与建议：

1、建议接入 VirusTotal、OTX 等开源情报平台的真实数据，提升项目的实战性与分析价值。

2、完善 AI 研判测试与提示词设计，明确风险等级标准，重点验证结果的稳定性、一致性及证据链完整性。

3、优化情报封禁机制，结合协议、访问方向及业务场景制定处置策略，降低误封风险。

4、加强对原有开源项目架构、分层设计及核心代码的分析，突出工具复用、功能改造与 AI 辅助开发的完整过程。

第五组

第一位报告人 ：王泽毅

报告题目： Hermes Agent

点评老师的意见与建议：

1、只讲代码流水线，没有反思和提炼，听众感受是“每一个单词、每一行函数都认识，但不知道为什么要讲这个东西。

2、像按流水线一路讲下来，大家听得非常难受，缺少“带着问题讲”的视角，先讲清楚：要解决什么问题，再对比别人怎么做、有什么问题，正确顺序应是从外层往内讲，代码只快速过，核心处才细讲。

3、除了讲清楚整体的框架，还需要对一些功能进行更细致的讲解，比如工具调用的细节。

第二位报告人： 陈宇聪

报告题目： SecretFlow 隐私计算统一框架

点评老师的意见与建议：

1、该项目实现的比较完整，也进行了很多不同的测试与验证，看到了对比实验，也完整的简述了该框架上的技术。

2、该项目在一些金融机构，可能会更多选择部署隐私计算，但在其他一些行业，它落地的成本很大，维护费用也很大。

3、PPT的展示更多偏向研讨厅，就是你讲的这些技术的概念原理过多了，然后背景之后，没有介绍你选这些技术的原因在哪，跟其他技术相比有什么优势，代码框架虽然都有，但是没有讲透。

第三位报告人： 王世璇

报告题目： OSS-Fuzz持续模糊测试平台

点评老师的意见与建议：

1、汇报时，不能假设听众都具备先验知识，开头要进行充分的铺垫，以本次选题为例，应重点介绍Fuzz的概念，好坏的标准，以及对“持续”的解释等；

2、本次汇报用大量的篇幅描述工作流程，要有对比，体现出本项目在构建、编译、变异等方面的突出亮点；

3、做汇报的时候不要一直盯着电脑念，后续需要在这一方面多加练习。

第四位报告人： 龚俊

报告题目： PromptFuzz大模型变异提示模糊测试

点评老师的意见与建议：

1、可对每轮重复使用的上下文信息增加缓存，减少大模型调用的Token开销，降低实验成本。

2、设置多组不同上下文长度开展对照测试，缓解超长上下文引发的模型注意力分散问题。

3、研究可聚焦核心算法与评估策略，把评估指标、判定标准和代码实现结合深入分析。

第六组

第一位报告人： 陈凯

报告题目： 语言大模型的对抗攻击技术

点评老师的意见与建议：

1、对抗攻击技术能够揭示语言大模型在输入扰动、提示操控等场景下的安全脆弱性。

2、研究中应重点分析不同攻击方法的攻击机制、适用场景及成功条件，而非只比较攻击成功率。

3、后续可进一步研究对抗攻击的迁移性与泛化能力，评估其对不同模型和任务的实际影响。

第二位报告人： 黄梦婷

报告题目： Qwen3-Guard：大模型安全护栏

点评老师的意见与建议：

1、Qwen3-Guard通过对模型输入与输出进行安全检测，为大模型应用提供额外的风险防护能力。

2、研究中应重点关注其风险识别机制、类别划分及误报漏报情况，而非只关注是否能够拦截。

3、后续可进一步评估其在不同模型、不同攻击方式和复杂场景下的泛化能力与防护效果。

第三位报告人： 张宇杰

报告题目： GraphRAG:用Neo4j和LangChain实现图检索

点评老师的意见与建议：

1. GraphRAG利用知识图谱中的实体关系增强检索，可提升复杂关联问题下的信息组织与推理能力。

2. 研究中应重点分析图谱构建、实体关系抽取及检索流程对最终回答质量的影响。

3. 后续可进一步比较GraphRAG与传统RAG在检索准确性、复杂查询和多跳推理上的差异。

第四位报告人： 闫坤

报告题目： MiniMind-从零训练的小参数GPT

点评老师的意见与建议：

1. MiniMind完整展示了小参数GPT从数据处理、模型训练到推理部署的基本流程，具有较强学习价值。

2. 研究中应重点分析模型结构、训练数据与参数规模对最终生成效果和性能的影响。

3. 后续可进一步比较不同参数规模和训练策略下的效果差异，评估小模型的能力边界。

第七组

第一位报告人： 胡逸民

报告题目： 面向企业级 LLM 应用的零点击提示注入攻击防护体系

点评老师的意见与建议：

1、安全防护应置于模型之外。平台自带安全难防间接注入，网关代理管输入输出，编排层做上下文隔离，执行器做工具鉴权。

2、企业落地宜分优先级。先管工具权限、出站白名单和输出脱敏；再做上下文隔离；输入检测最后。落实数据分级、短期令牌、外发写操作确认。

3、架构表达需具体。补层间交互图和函数调用图，厘清L2和L3关系；“映射一/二/三”为同事多视角，非合作模块；工程亮点要实，AI总结可保留。

第二位报告人： 卞正浩

报告题目： RTK效果：节省Token

点评老师的意见与建议：

1、讲解挺好的，有自己的演讲风格，能够让大家更好的带入其中更好的理解这个项目。

2、背景分析的到位，但是后面的框架图画的不是很正确，应该分层次画出来方便理解。

3、代码函数讲解这一块缺少总体的函数映射图，大家不是太好理解函数的整体执行流程，包括后面的ai使用应该列举一些案列分析说明自己是如何使用ai。

第三位报告人： 曾康

报告题目： 基于大模型 Agent 的安全运维操作风险控制与防护研究

点评老师的意见与建议：

1、审批可按任务整体进行，但目标、参数或风险状态变化时要重新评估；企业还可把运维红线和规则整成知识库。

2、低风险巡检可逐步自动化，关键系统保留人工把关，并统计节省的人力和响应时间，评估是否值得推广。

3、AI使用部分可以讲得更具体些，说明怎样核对它给出的内容、如何判断可信，并总结成能复用的验证步骤。

第四位报告人： 王晨怡

报告题目： 基于 Pi 的渗透测试报告自动化生成系统

点评老师的意见与建议：

1、认可汇报质量，背景介绍兼具商业视角，由行业背景到具体问题的过渡自然顺畅。

2、追问智能体能力边界：是仅解析日志与撰写报告，还是具备主动挖掘能力；缺乏环境校验时也难以辨别报告真伪。

3、建议明确AI与人工结论不一致时的裁决与留痕机制，复测后归档并输出修复方案与质量报告。

第八组

第一位报告人： 潘康慧

报告题目： ModelScan——模型文件安全扫描器

点评老师的意见与建议：

1、项目的实验验证部分除了使用自己构造的数据集之外，应该添加一个公开的数据集来进行实验。

2、代码的详细解析模块逻辑跳跃，按照模块图的顺序，同时把代码对应模块部分展示配合讲解思维会更清晰。

3、该项目的工程亮点CI/CD门禁和退出码部分应该展开详细介绍，突出该扫描器的特别之处。

第二位报告人： 叶嘉铭

报告题目： ModelScan模型文件安全扫描器

点评老师的意见与建议：

1、竞品调研充分，基于公开数据集设计横向对比测试，实验设计合理、对比方法有效，验证较扎实。

2、竞品分析应不止于定性描述，建议结合定量数据与指标对比，并联系实验结果，增强结论支撑力。

3、代码分析部分建议优化流程图，清晰呈现分析逻辑与关键步骤，说明扫描路径与结果的对应关系。

第三位报告人： 汪能

报告题目： NeMo Guardrails

点评老师的意见与建议：

1、缺少了一页针对同品类产品的竞品分析，选题理由缺少说服力。

2、项目的框架分析和流程分析做得比较细致，背景介绍部分使用了一个简单例子（AI客服机器人处理退款请求）让人更容易理解项目的作用。

3、讲解过程虽然涉及对护栏种类的介绍，但缺少一个行业内对护栏技术的定义。

4、讲解提到了一种Colang语言，但没有说明设计这样一种语言的必要性，比如说Python提高了代码的可解释性。

第四位报告人： 戴凌峰

报告题目： GPUStack：面向GPU集群的大模型推理调度平台

点评老师的意见与建议：

1、选题是比较好的，GPU集群是一个热门的方向，背景介绍的不错。

2、整个PPT比较通俗易懂，但是平台核心的实现的算法之类的得要去介绍。

3、AI使用部分遇到的问题要详细讲出怎么解决的这个。

至此，本期演武堂圆满结束。

整理：李阳 陈可 姚宇杰 黄毓恒 鲁平发 朱志鹏

校对：王乐老师 鲁辉老师

责任编辑：鲁辉老师