Repos / hack-core-global / hack-core-database OWN

hack-core-database

hack-core-database

在 GitHub 查看 ↗
# hack-core-database ### 面向智能体问答、检索增强与知识训练的安全语料库 **结构化 · AI 原生 · 高信息密度 · 边界清晰** [快速开始](#快速开始) · [内容结构](#内容结构) · [文档标准](#文档标准) · [AI/RAG 设计](#airag-设计) · [路线图](ROADMAP.md)

这是什么？

hack-core-database 是一个以 Markdown 为载体、以 YAML Front Matter 为元数据骨架、面向 AI Agent / RAG / 知识训练 / 复杂问答 优化的安全知识语料库。

它的目标不是只做文档归档，而是沉淀一套对智能体真正有用的安全知识单元：

  • 知识点边界清晰：不仅解释“是什么”，还解释“适用于什么、不适用于什么、与谁容易混淆”
  • 产品边界清晰：不仅介绍产品名词，还写明“解决什么、不解决什么、部署在哪里、与相邻产品如何区分”
  • 信息密度可用于问答：每篇重点文档尽量覆盖威胁模型、检测信号、防护措施、误区、FAQ、关联文档

内容结构

仓库按知识层、产品层、运营层、案例层与命令层组织：

  • 01-foundations/：基础理论与高频安全概念
  • 02-offensive-security/：攻防技术、渗透测试、红蓝对抗
  • 03-security-operations/：检测、运营、应急、取证与实践指南
  • 04-compliance-governance/：合规治理、等保、审计、风险管理
  • 05-security-architecture/：架构、控制矩阵、应用/API/LLM 安全设计
  • 06-security-products/：安全产品定位、能力边界、对比矩阵与选型说明
  • 07-open-source/：开源安全工具评测与部署指南
  • 08-case-studies/：案例与分析材料
  • 09-career/：职业发展路径、认证、面试与技能矩阵
  • 10-security-commands/：命令、排障与操作型知识
  • glossary/：核心术语、产品术语与云安全术语消歧
  • index/：主题导航、标签索引、分类映射与学习路径

这个仓库特别强调什么？

面向智能体的高质量语料标准

重点文档优先补齐以下维度：

  • 定义边界：是什么，不是什么
  • 上下位关系：与相邻概念、相邻产品的关系
  • 适用场景：什么时候该用，什么时候不该用
  • 威胁模型：攻击面、常见失效方式、典型路径
  • 检测与防护：应关注哪些日志、信号、控制点
  • 常见误区与 FAQ：减少问答时的概念混淆
  • 关联导航：与操作文档、产品词条、案例和命令参考回链

产品知识不仅是“产品简介”

产品类文档重点讲清：

  • 产品定位与核心价值
  • 输入、处理、输出与部署位置
  • 与相邻产品的能力边界
  • 常见盲区、失败模式和适用组织阶段
  • 选型时应比较的维度

AI/RAG 设计

本仓库从设计上服务于 AI 检索与问答：

  • 统一 Front Matter 元数据
  • 语义化文件命名
  • ai_summary 摘要
  • 标签、术语、关联文档
  • 原子化主题拆分与专题对比文档

适合的用法

  • 作为安全领域 Agent 的外部知识源
  • 作为 RAG 的高质量检索语料
  • 作为安全训练集或问答样本母本
  • 作为知识图谱或控制映射的基础材料

安全基线脚本库

scripts/security-baseline/ 包含 35+ 自动化脚本（10,000+ 行代码），覆盖安全基线检查、自动修复、合规报告与事件响应全链路：

  • 平台检查：Linux / macOS / Windows 主机安全基线
  • 专项扫描：容器、K8s、云元数据、网络、Web、API、数据库、日志、威胁情报
  • 自动修复：Linux/macOS/Windows 安全加固（支持 dry-run 与交互模式）
  • 分析与报告：CIS 合规报告、趋势 Dashboard、差距分析、加固 Playbook 生成
  • 运维集成：远程批量扫描、定时任务、Git pre-commit 钩子、通知推送
  • 事件响应：系统快照取证、进程隔离、文件完整性监控
cd scripts/security-baseline
make help      # 查看 36 个可用命令
make test      # 测试所有脚本
make check     # 运行当前平台安全检查
make scan-all  # 运行所有适用检查
make dashboard # 生成趋势分析 Dashboard

AI/RAG 数据资产

public/data/ 包含预计算的 AI 检索数据：

  • embeddings.json — 文档向量（支持 TF-IDF / OpenAI / sentence-transformers）
  • knowledge-graph.json — 知识图谱（1001+ 节点，117743 条边）
  • similarity-index.json — 预计算 top-k 相似文档
  • vector-db.json — 零依赖 JSON 向量存储
  • doc-metadata.json — 完整文档元数据

重点导航入口

文档标准

每篇文档建议尽量包含以下元素：

  • 定义 / 概述
  • 边界说明
  • 适用与非适用场景
  • 典型风险或威胁模型
  • 检测与防护要点
  • 常见误区 / FAQ
  • 关联文档

Front Matter 关键字段

---
id: "unique-doc-id"
title: "文档标题"
description: "一句话描述"
category: "foundations"
tags: ["iam", "authentication"]
status: "published"
created_at: "2026-04-11"
updated_at: "2026-04-11"
version: "1.0.0"
ai_summary: "面向 AI 检索的摘要"
related_docs: ["other-doc-id"]
---

快速开始

git clone https://github.com/hack-core-global/hack-core-database.git
cd hack-core-database

# 先看导航
cat index/topic-index.md
cat index/learning-path.md

# 再看术语
cat glossary/security-core-glossary.md

适用场景

  • 团队内部安全知识库
  • 安全 Agent 的外部知识工具
  • RAG 检索语料和精调母本
  • 安全产品选型、概念消歧与培训材料
  • 案例复盘与响应手册沉淀

路线图

当前重点方向包括：

  • 持续补齐高频知识点和产品边界
  • 消减草稿/模板化文档的误召回风险
  • 加强术语消歧、标签治理和索引同步
  • 为后续 Embedding、知识图谱和问答测试集提供更稳定的知识底座
  • 扩展职业发展（09-career）与开源工具深度评测（07-open-source）
  • 完善安全基线脚本的功能测试与 Docker 化部署

详见 ROADMAP.md。

2025-2026 网络安全趋势速览

本节综合 Gartner、IBM、奇安信、世界经济论坛等权威来源，提炼 2025-2026 年网络安全领域最具影响力的趋势方向，供安全从业者快速把握行业脉搏。

1. AI Agent 安全：自主智能体成为攻防新战场

攻击者利用 AI Agent 自主探测系统漏洞并实施精准诈骗，防御方也借助智能体实现自动化威胁检测与响应。IBM 指出"自主 AI 代理正在重塑企业风险格局，传统安全模型将在其压力下瓦解"（IBM Think, 2026）。安全团队需将治理机制嵌入 AI 开发生命周期，实时验证智能体行为合规性。

来源：IBM Cybersecurity Trends 2026、Gartner Top Cybersecurity Trends 2026、奇安信 2026 趋势展望

2. 后量子密码与密码敏捷性

量子计算对现有加密体系的威胁从理论走向工程实践，证书有效期持续缩短，静态加密方案已无法满足需求。IBM 强调"密码敏捷性正在成为企业韧性的基石"，组织必须能够快速切换加密标准以应对量子威胁（IBM Think, 2026）。建议立即启动密码资产盘点与抗量子算法迁移评估。

来源：IBM Cybersecurity Trends 2026、CERNET 2026 七大趋势、ECCU 2026 Trends

3. Shadow AI 与未授权智能体的数据泄露

员工私自使用未经批准的 AI 工具（Shadow AI）处理敏感数据，已成为企业知识产权泄露的主要渠道。IBM 预测"我们将看到因 Shadow AI 系统导致敏感知识产权被泄露的重大安全事件"。安全团队需提供经过审批的 AI 工具替代方案，并建立机器对机器数据传输的可见性监控。

来源：IBM Cybersecurity Trends 2026、Gartner Top Cybersecurity Trends 2026

4. 深伪技术驱动的社会工程攻击升级

AI 生成的伪造音视频使攻击者能够逼真伪装成高管或可信身份，诱导内部人员执行转账或泄露凭证。2026 年此类安全事件预计显著增多，身份验证正在成为"攻击者最容易利用且风险最高的入口"。组织应部署多模态生物识别验证并加强防钓鱼演练。

来源：IBM Cybersecurity Trends 2026、CERNET 2026 七大趋势

5. 零信任架构深化与身份即基础设施

零信任从概念普及进入深度落地阶段，身份管理被提升至与云安全同等重要的战略高度。奇安信指出国内安全需求正从"合规驱动"转向"价值驱动"，产品与服务模式向"智能原生、平台聚合、服务订阅"转型（奇安信, 2025）。安全从业者需构建持续验证、最小权限的动态访问控制体系。

来源：奇安信 2026 趋势展望、ECCU 2026 Trends、WEF Global Cybersecurity Outlook 2026

对安全从业者的启示

趋势 关键行动
AI Agent 安全 建立 AI 行为审计框架，将安全治理嵌入 Agent 开发流程
后量子密码 启动密码资产清单，评估 NIST PQC 标准迁移路径
Shadow AI 部署 AI 工具使用可见性，提供企业级合规 AI 替代方案
深伪攻击 升级身份验证为多模态生物识别，定期开展反社工演练
零信任深化 推进持续自适应认证，实现微分段与最小权限全覆盖

常见问题

Q: 如何开始使用 hack-core-database？

请参考本文档的快速开始部分。推荐首先阅读主题索引（index/topic-index.md）和学习路径导航（index/learning-path.md），然后根据您的需求选择相应的分类目录深入学习。

Q: 本知识库主要覆盖哪些领域？

hack-core-database 覆盖信息安全与网络安全的完整学科体系，包括：安全基础理论（01-foundations）、攻防技术（02-offensive-security）、安全运营（03-security-operations）、合规治理（04-compliance-governance）、安全架构（05-security-architecture）、安全产品（06-security-products）、开源工具（07-open-source）、案例分析（08-case-studies）、职业发展（09-career）和安全命令（10-security-commands）。

Q: 如何贡献新文档或改进现有内容？

请参考 AGENTS.md 中的贡献指南。标准流程包括：选择正确的分类目录、使用完整的 Front Matter 元数据、遵循文档模板、运行验证脚本检查、提交 Pull Request。

Q: 本知识库如何保证内容质量？

所有文档遵循统一的 Front Matter 元数据规范，CI/CD 流水线自动执行 Markdown 语法检查、Front Matter 完整性校验和死链检测。重点文档包含威胁模型、检测信号、防护措施、常见误区和 FAQ 等完整维度。

Q: 可以将本知识库用于哪些场景？

本知识库适用于：团队内部安全知识库、安全 Agent 的外部知识工具、RAG 检索语料和精调母本、安全产品选型和概念消歧，以及安全培训和教学材料。