CSDN热门收藏：小白程序员必备！从零入门网络安全：规则库驱动AI Agent实战指南
本文深入浅出地介绍了网络安全中“规则库”的重要性，强调了其作为检测Agent“地基”而非“天花板”的角色。文章指出，尽管AI Agent在检测领域展现出巨大潜力，但缺乏有效的规则库支持，其能力将大打折扣。通过对比“裸检测”与“规则库驱动”的优劣，文章详细阐述了Sigma、Elastic Detection Rules、Splunk Security Content等开源规则库项目的应用价值，并提出了规则库选择与落地实施的建议。最后，文章强调规则库并非万能，需要结合Agent的泛化能力，构建既稳健又尖端的检测体系。
本文速览
| 1 | 规则库是地基不是天花板，拦不住新攻击 |
| 2 | 无遥测上规则库等于无光的眼睛 |
| 3 | 复用开源规则比从零训快几个数量级 |
| 4 | 每条告警要追到规则加证据，否则别信 |
一开篇
一个"眼瞎"的安全 Agent
某 SOC 团队给告警分诊 Agent 接了全量日志，期望它"看到攻击就喊出来"。上线后它确实很忙，每天标几百条"可疑"。但安全工程师一复核，发现它把"用户半夜登录"当成入侵、把"批量文件改名"当成勒索前兆，真正的一起横向移动攻击却安静地躺在它的"正常"队列里。团队这才意识到：Agent 不是没"眼睛"，而是没"通缉令"——它不知道"什么样的模式才算攻击"，只能凭自己的模糊理解瞎猜。
这就是"威胁检测规则库"的价值。检测规则，就是写给机器的"通缉令"：把"攻击者长这样、干这种事"固化成可匹配的模式。当 AI Agent 做威胁检测，光有算力不够，它必须站在人类沉淀几十年的检测规则肩上——Sigma、YARA、Atomic Red Team、各家 detection-rules——才能既看得懂日志，又认得出坏人。本文盘点能给检测 Agent 当"通缉令库"的开源项目。
二为什么"AI Agent + 威胁检测规则库"是检测能力的地基
- 检测 Agent 的三大盲区
盲区一：无标准语义（No Shared Language）。各家对"可疑"的定义不同，Agent 各说各话，跨团队、跨工具无法对齐。
盲区二：无实战沉淀（No Battle-Testing）。从零让 Agent 自己学"什么是攻击"，不如直接用经真实攻防验证过的规则，后者成本高、易漏。
盲区三：难解释难审计（No Auditability）。Agent 说"这条可疑"却说不清依据，安全人员无法信任、无法复盘。
- 对比：裸检测 vs 规则库驱动
| 维度 | 裸检测 | 规则库驱动 |
|---|---|---|
| 攻击语义 | Agent 自己猜 | → 业界标准定义 |
| 覆盖 | 靠运气 | → 覆盖 ATT&CK 战术 |
| 可解释 | 黑盒 | → 命中哪条规则可查 |
| 演进 | 慢 | → 跟随规则库更新 |
- 四把尺子
尺子一
标准性（Standardization）
规则是不是业界通用格式，能跨工具共享？
尺子二
覆盖度（Coverage）
规则覆盖多少 ATT&CK 战术/技术？
尺子三
可移植（Portability）
规则能不能从一家平台迁到另一家（如 Sigma 转 Splunk/Elastic）？
尺子四
可运营（Operability）
规则有没有误报说明、调优指引、版本管理？
理解这张表，关键是意识到：威胁检测规则库不是 Agent 的"竞争对手"，而是它的"老师"。很多人误以为"有了 AI 就不用写规则了"，结果 Agent 在重复人类早已踩过的坑。正确的关系是——规则库给 Agent 提供经过验证的"攻击通缉令"，Agent 负责在海量数据里高效匹配、关联、解释，并把新发现的模式反哺成新规则。人机与规则协同，才是检测能力的真正跃迁。
三先看分类
威胁检测规则库依托的资产分四类
A 类
通用检测语言（通缉令的"普通话"）
跨平台可移植的通用签名格式。代表：Sigma / pySigma、YARA。
B 类
厂商/平台规则库（实战沉淀）
某平台沉淀的检测内容。代表：Elastic Detection Rules、Splunk Security Content。
C 类
攻防剧本库（攻击长什么样）
把攻击动作写成可执行测试。代表：Atomic Red Team、MITRE ATT&CK。
D 类
检测规则方法论（怎么用规则喂 Agent）
规则编排、误报治理、ATT&CK 映射。
这四类里，A 类是"地基中的地基"——有了通用语言，规则才能在工具间流动；B 类是"别人打过的仗"；C 类让 Agent 不仅能"认坏人"还能"演坏人验证自己认得对"；D 类是把它们喂给 Agent 的方法。一个成熟的检测 Agent，往往是"A 统一格式 + B/C 提供弹药 + D 编排运营"。
技术深剖：规则库怎么变成 Agent 的眼睛
检测规则就是写给机器的通缉令，但它要真正变成 Agent 的眼睛，中间是一条管道：先有遥测，再归一化，再匹配，再关联，最后反馈成新规则。任何一层断了，Agent 就是睁眼瞎。
采集层：日志、文件、端点、网络。难点是检测只强得过遥测，没采集的攻再明显也看不见；而且各源 schema 对不齐，规则对不上字段就静默失效。
归一化层：把原始数据翻成统一 schema，比如 OCSF 或 ECS，让一条规则匹配多源。难点是字段映射和时间对齐，这一步正是 Sigma 加 pySigma 的价值，一次写多处跑。
判定层：规则引擎跑模式匹配。难点是规模误报，以及规则翻译保真度，Sigma 转 SPL 或 DSL 转坏了，覆盖悄悄丢了还没人知道。
关联层：单条规则借 ATT&CK 映射串成杀伤链。难点是关联要跨事件保持状态，Agent 能补叙述但也会凭空编联系。
处置层：告警、调查、把盲区反哺成新规则。难点是反馈环必须有人审，否则 Agent 把误报当成真规则写进去，越补越噪。
最隐蔽的失效是规则钝化：规则库不更新，新攻击没对应规则，Agent 每天标几百条却把真告警躺平在队列里。检测能力的半衰期比大多数人以为的短得多。
四8 个开源项目，逐个拆解
| 1 | Sigma / pySigma |
威胁检测的"通用语言"
★ 11,048持续维护
一句话定位：业界事实标准的通用检测规则格式，让一条规则能在 Sigma、Splunk、Elastic 间自由移植。
它是什么：Sigma（SigmaHQ/sigma，开源，规则多采用 DRL/Detections 许可类）用与平台无关的描述语言写检测规则，pySigma（SigmaHQ/pySigma，Apache-2.0/MIT 类）提供把 Sigma 规则转换成各家查询（Splunk、Elastic、KQL 等）的工具链。一条规则写一次，到处能跑。
GitHub 与许可证：github.com/SigmaHQ/sigma 与 github.com/SigmaHQ/pySigma，许可证以仓库 LICENSE 为准（开源）。Star 数（检测界事实标准）以仓库最新页面为准。
AI Agent 怎么工作：检测 Agent 直接消费 Sigma 规则库——把每条规则经 pySigma 转成目标平台查询，在数据里跑匹配；Agent 的"检测结果"都能追溯"命中了哪条 Sigma 规则"，可解释、可对齐。
对该主题的价值：这是检测 Agent 的"普通话"。没有它，Agent 只能在某一家的格式里打转，跨平台能力被锁死。
最简上手方式：按文档用 pySigma 把一条 Sigma 规则转成 Splunk/Elastic 查询试跑。以官方说明为准。
适合谁与注意点：所有做检测平台/ Agent 的团队。注意规则许可与维护来源。
| 2 | Elastic Detection Rules |
实战沉淀的的检测内容库
★ 2,699持续维护
一句话定位：Elastic 官方维护的开源检测规则库，覆盖大量 ATT&CK 战术，可直接喂检测 Agent。
它是什么：Elastic Detection Rules（elastic/detection-rules，开源，BSD/Elastic 许可类）是一套生产级检测规则，针对 Elastic Security 优化，覆盖端点、云、网络等场景，且持续随威胁更新。它把"别人家 SOC 打过的仗"开源给了你。
GitHub 与许可证：github.com/elastic/detection-rules，许可证以仓库 LICENSE 为准（开源）。Star 数（活跃维护）以仓库为准。
AI Agent 怎么工作：检测 Agent 把这些规则作为"预训练通缉令"——直接加载运行，命中即告警，并借规则自带的 ATT&CK 映射做关联分析。它让 Agent 起步就有高覆盖的实战检测能力。
对该主题的价值：从零写检测规则成本极高。复用 Elastic 的沉淀，Agent 一夜之间拥有覆盖数百种技战术的"眼睛"。
最简上手方式：按文档导入规则包到 Elastic Security 或用其 API 拉取。以官方说明为准。
适合谁与注意点：用 Elastic 栈或想复用成熟规则的团队。注意与自身环境适配调优。
| 3 | Splunk Security Content |
可执行的检测与分析剧本库
★ 1,693Apache-2.0持续维护
一句话定位：Splunk 维护的开源安全内容库，包含检测、分析、响应剧本，是检测 Agent 的"弹药 + 说明书"。
它是什么：Splunk Security Content（splunk/security_content，开源）提供大量 detection（SPL 查询）、story、response 剧本，每条都关联 ATT&CK、有调查指引。它不仅告诉你"什么算攻击"，还告诉你"命中后怎么查"。
GitHub 与许可证：github.com/splunk/security_content，许可证以仓库 LICENSE 为准（开源）。Star 数（Splunk 生态常用）以仓库为准。
AI Agent 怎么工作：检测 Agent 把 security_content 的检测与分析剧本作为知识源——不仅匹配告警，还能按 story 指引自动展开调查、串起证据链。它是"检测 + 调查"一体化的弹药库。
对该主题的价值：检测不只是"喊一声"，还要"说清怎么查"。Splunk 的 story 体系正好补上 Agent 的调查指引短板。
最简上手方式：按文档用其内容工具把检测导入 Splunk 环境。以官方说明为准。
适合谁与注意点：Splunk 用户与想做"检测+调查"联动的团队。注意与平台绑定。
| 4 | Atomic Red Team |
把攻击写成"可执行的测试用例"
★ 12,547MIT持续维护
一句话定位：一个开源的攻防剧本库，把 ATT&CK 技术写成可一键执行的小测试，用来验证你的检测 Agent 认不认得。
它是什么：Atomic Red Team（redcanaryco/atomic-red-team，MIT）用 YAML 描述每个 ATT&CK 技术的"原子测试"——一条条可在真机/测试环境跑的小动作（如"创建隐藏用户"）。它的反作用是正作用：用它测你的检测，命中说明规则有效，未命中说明有盲区。
GitHub 与许可证：github.com/redcanaryco/atomic-red-team，许可证为 MIT。Star 数（红队常用）以仓库为准。
AI Agent 怎么工作：检测 Agent 把 Atomic 当作"自我考试卷"——定期跑一组原子测试，看自己能否检测出来，未命中的技术就是待补的规则盲区。它是检测覆盖度的"度量尺"。
对该主题的价值：规则库再多，测不出效果也白搭。Atomic 让 Agent 的检测能力可被量化、可被红蓝对抗验证。
最简上手方式：按文档用 atomics 文件夹跑一条测试，观察检测是否命中。以官方说明为准。
适合谁与注意点：做检测覆盖度验证的蓝队/SOC。注意测试要在隔离环境跑。
| 5 | YARA |
pattern matching 的"老祖宗"
★ 9,868BSD-3-Clause持续维护
一句话定位：一个开源的模式匹配引擎，用"规则"识别恶意文件/内存特征，是恶意软件检测的基石。
它是什么：YARA（VirusTotal/yara，BSD 类）让你写"如果文件满足这些条件（字符串/字节/结构）就匹配"的规则，广泛用于恶意软件、钓鱼附件、C2 信标识别。它和 Sigma 是"文件侧"和"日志侧"的互补。
GitHub 与许可证：github.com/VirusTotal/yara，许可证以仓库 LICENSE 为准（开源 BSD 类）。Star 数（安全界基石）以仓库为准。
AI Agent 怎么工作：检测 Agent 把 YARA 规则库用于"文件/内存侧"检测——Agent 分析可疑样本时，先过 YARA 规则匹配已知家族特征，再结合 LLM 做未知行为研判。它是"已知恶意"的快速判官。
对该主题的价值：检测 Agent 不能只懂日志。YARA 补上了文件/样本侧的"通缉令"，和 Sigma 形成日志+文件的双线检测。
最简上手方式：按文档写一条 YARA 规则对样本文件匹配。以官方说明为准。
适合谁与注意点：做恶意软件/样本检测的团队。注意规则要随样本演进。
| 6 | Hayabusa / Chainsaw |
把 Windows 事件变成可检测信号
★ 3,346持续维护
一句话定位：两个开源工具，把 Windows 安全事件日志转成 Sigma 风格的检测，给 Agent 喂"国产化"的 Windows 检测能力。
它是什么：Hayabusa（Yamato-Security/hayabusa，MIT/AGPL 类）和 Chainsaw（同样 Yamato-Security，MIT）专注于快速解析 Windows 事件日志并匹配检测规则（含内置规则与 Sigma 兼容）。它们让"Windows 主机侧检测"变得轻量、可脚本化。
GitHub 与许可证：github.com/Yamato-Security/hayabusa 与 github.com/WithSecureOpenSource/chainsaw，许可证以仓库 LICENSE 为准（开源）。Star 数（Windows 取证常用）以仓库为准。
AI Agent 怎么工作：检测 Agent 用 Hayabusa/Chainsaw 把主机事件实时/批量转成检测结果，再叠加 Agent 的关联与解释。它把"主机侧原始日志"变成 Agent 能懂的"通缉令命中"。
对该主题的价值：Windows 是企业主场，主机侧检测不可或缺。这两个工具让 Agent 快速拥有开箱的主机检测规则。
最简上手方式：按文档对一份 evtx 跑 Hayabusa 看命中。以官方说明为准。
适合谁与注意点：做 Windows 主机检测的团队。注意规则需持续更新。
| 7 | MITRE ATT&CK 数据 |
检测规则的"分类坐标系"
★ 669持续维护地址已核实更新
一句话定位：ATT&CK 知识库本身（STIX 数据），是检测规则做覆盖度映射的"坐标系"。
它是什么：MITRE ATT&CK（mitre-attack/attack-stix-data，开源）把攻击战术/技术结构化，几乎所有检测规则库都用它做映射。它不直接"检测"，但它是所有检测 Agent 衡量"我覆盖了哪些攻击"的标尺。
GitHub 与许可证：github.com/mitre-attack/attack-stix-data，许可证以仓库 LICENSE 为准（开源）。Star 数（安全界基础）以仓库为准。
AI Agent 怎么工作：检测 Agent 用 ATT&CK 数据做"覆盖度仪表盘"——每条命中规则映射到某技术，自动算出"哪些战术还是盲区"，并指导优先补哪些规则。它是检测的"导航图"。
对该主题的价值：没有 ATT&CK 映射，检测就是"打哪指哪"。ATT&CK 让 Agent 的检测有目标、有优先级、可度量。
最简上手方式：按文档加载 ATT&CK STIX，做规则覆盖统计。以官方说明为准。
适合谁与注意点：所有做检测覆盖度管理的团队。注意版本要跟进。
| 8 | 检测规则方法论（ATT&CK 映射 + 误报治理 + 规则运营） |
设计总纲
一句话定位：一套把规则库正确喂给检测 Agent 的工程原则，是前面工具的正确组合方式。
它是什么：业界沉淀的原则：第一，统一格式——优先 Sigma 等可移植格式，避免锁定；第二，ATT&CK 映射——每条规则都标战术/技术，便于覆盖度管理；第三，误报治理——规则要有误报说明与调优指引，Agent 命中后要有降噪逻辑；第四，版本运营——规则库要随威胁定期更新、可回滚；第五，闭环验证——用 Atomic Red Team 定期测覆盖度，盲区反哺新规则。
GitHub 与许可证：原则类，无单一仓库，参考 Sigma/ATT&CK 与各平台文档。以权威来源最新说明为准。
AI Agent 怎么工作：这是检测 Agent 的"总纲"。Sigma/YARA 提供通缉令，Elastic/Splunk 提供实战弹药，Atomic 提供考试卷，ATT&CK 提供导航图，方法论确保它们被编排成"检测—解释—验证—补盲"的闭环。
对该主题的价值：规则再多，不成体系也是散沙。方法论确保 Agent 的检测能力可持续、可度量、可解释。
最简上手方式：以"统一格式 + ATT&CK 映射 + 误报治理 + 闭环验证"四件套起步。以权威文档为准。
适合谁与注意点：所有生产级检测 Agent 架构师。注意原则是底线，工具是补充。
落地最小闭环：先复用现成规则库
准备：选定遥测源，确认日志确实在进、能查。第一步拿 Sigma 规则加 pySigma，挑几条转成你后端查询，对历史日志跑一遍。验证：过去已知的真实事件有没有作为命中出现，有，说明 Agent 已经长出可用的通缉令底座，比从零训快几个数量级。
这第一周就能让 Agent 拥有基础检测能力。覆盖度管理和闭环验证是后面三周的工程活，别本末倒置先去写花哨的 AI 关联。
别指望规则库是天花板。它拦不住还没发生过的攻击，因为没有对应规则；也替代不了人工分诊，Agent 凭感觉说可疑正是开篇那个瞎猜问题。Atomic Red Team 只测你映射到的技术，没覆盖的 ATT&CK 技战术仍是盲区。规则库不更新，几个月后就退化成噪音源，这条没有例外。
五一张对比总表
| 项目 | 类型 | 许可证 | 检测角色 | 上手难度 |
|---|---|---|---|---|
| Sigma/pySigma | 通用语言 | 以仓库为准 | 通缉令普通话 | 中 |
| Elastic Rules | 平台规则库 | 以仓库为准 | 实战弹药 | 中 |
| Splunk Content | 剧本库 | 以仓库为准 | 检测+调查 | 中 |
| Atomic Red Team | 攻防测试 | MIT | 覆盖度考试 | 低 |
| YARA | 模式匹配 | 以仓库为准 | 文件侧判官 | 低 |
| Hayabusa/Chainsaw | 主机检测 | 以仓库为准 | Windows 信号 | 低 |
| MITRE ATT&CK | 坐标系 | 以仓库为准 | 导航图 | 中 |
| 方法论 | 设计原则 | 以权威源为准 | 总纲 | 高 |
这张表把八项按"类型 / 检测角色 / 上手难度"做了横向对比。注意一个规律：通用语言（Sigma）和模式匹配（YARA）上手不难、却决定你的检测能不能"跨平台流动"；而平台规则库（Elastic/Splunk）上手中等、但直接给你几百条实战弹药。落地时先用 Sigma+YARA 把底座搭好，再复用平台规则库快速拉高覆盖，最后用 Atomic+ATT&CK 把"效果"和"盲区"管起来。
六怎么选
三档方案 + 三个避坑
第一档：先"接通用语言 + 复用一个规则库"（最小可行）
用 Sigma 做统一格式，直接复用 Elastic 或 Splunk 的开源规则库，一天能跑起基础检测。
第二档：建"ATT&CK 覆盖度管理"（生产级）
给每条规则做 ATT&CK 映射，建覆盖度仪表盘，用 Hayabusa/Chainsaw 补 Windows 主机侧。
第三档：上"闭环验证"（进阶）
用 Atomic Red Team 定期测覆盖度，盲区反哺新规则；做误报治理。
避坑一：别把规则当"一劳永逸"。
威胁在变，规则库不更新，检测就会钝化。建立定期同步上游规则库的机制。
避坑二：别忽视误报治理。
几百条规则全开，误报淹没真告警，Agent 再聪明也被噪音埋了。规则要分级、要调优、要降噪。
避坑三：别只信 Agent 的"感觉"。
没有 ATT&CK 映射和规则溯源，Agent 说"可疑"你无法复核。每条告警都要能追到具体规则与证据。
什么时候不该上规则库驱动
如果你连有意义的遥测都没有，没有日志、没有端点可见性，规则库就是无光的眼睛，先补漏采集再谈检测。同样，若你的检测只是针对某个已知威胁的一次性脚本，上全套 Sigma 加 ATT&CK 程序是杀鸡用牛刀。
上规则库的信号：有持续日志或遥测；需要可解释可审计的检测；团队人力有限想复用业界沉淀。两个满足复用一套开源规则库，三个全中必须上 ATT&CK 覆盖度管理加闭环验证。
按规模：小团队 Sigma 加一个平台规则库，一天；中大型建 ATT&CK 仪表盘加 Windows 主机侧；SOC 蓝队强制 Atomic 闭环验证加误报治理。
不做的代价：Agent 凭模糊理解瞎猜，真告警躺平、假告警刷屏，检测投入打水漂还制造安全感幻觉。做了的成本：规则定期同步上游、误报调优、覆盖度审计持续做，都是可预期的运营负担。
七延伸清单
Chronicle / 商业检测：可作自建检测的补充参考。
Mordor / 数据集：用真实攻击数据集验证检测效果。
Detection Engineering 社区：规则编写与运营的最佳实践来源。
OpenCTI（见前期篇章）：把检测命中与威胁情报关联。
TheHive / Cortex：检测告警的响应闭环。
八实战落地 30 天路线
下面这条路线把"检测规则库驱动 Agent"拆成四周递进，核心是先有"通缉令"跑起来，再管"覆盖度"，最后做"效果验证闭环"。第一周复用现成规则库就能让 Agent 拥有基础检测能力，比从零训练快几个数量级。
| 第 1–7 天（信号期） 统一用 Sigma 格式，复用 Elastic/Splunk 开源规则库，在日志里跑起基础检测；统计命中类型。 |
| 第 8–14 天（辅助期） 给规则做 ATT&CK 映射，建覆盖度仪表盘；接入 Hayabusa/Chainsaw 补 Windows 主机侧检测。 |
| 第 15–22 天（运营期） 做误报治理（分级、调优、降噪）；YARA 补文件样本侧检测；建规则版本管理。 |
| 第 23–30 天（自治期） 用 Atomic Red Team 定期测覆盖度，盲区自动生成待补规则建议；每周复盘漏拦与误报。 |
上线自检清单
你的遥测覆盖端点、网络、云吗，检测能不能跑在真实数据上？
规则是不是可移植格式如 Sigma，换平台要重写吗？
每条规则映射到 ATT&CK 技术了吗，有没有覆盖度仪表盘？
跑过 Atomic Red Team 吗，哪些技战术测不到是已知盲区？
复用规则库后做误报治理了吗，分级、调优、降噪有机制吗？
告警能追到命中哪条规则加什么证据吗，还是 Agent 只说可疑？
规则库有定期同步上游的机制吗，多久没更新了？
YARA 或文件侧检测接了吗，还是只做日志侧？
Windows 主机侧如 Hayabusa 或 Chainsaw 补了吗，企业主场别漏？
命中后 Agent 能按 story 指引展开调查、串证据链吗？
盲区反哺成新规则的闭环跑通了吗，还是只测不改？
规则有版本管理和回滚吗，误开全量规则能撤吗？
九结语
威胁检测这件事，人类已经交了几十年的"学费"——每一条 Sigma 规则、每一个 Atomic 测试背后，都是某次真实入侵留下的教训。AI Agent 进入检测领域，最大的浪费就是假装这些教训不存在、从头自己学。正确的姿势是：让 Agent 站在规则库的肩膀上，把人类验证过的"通缉令"变成它的眼睛，它再负责在海量数据里高效匹配、关联、解释，并把新发现反哺成新规则。
但请记住：规则库是地基，不是天花板。 再全的规则库也覆盖不了"还没发生过的攻击"。Agent 真正的价值，是在规则命中之外，还能从异常模式、弱信号里嗅出"规则没写、但味道不对"的东西。把规则库当"保底线"，把 Agent 的泛化能力当"探索器"，你的检测体系才既稳又尖。
互动话题：如果你对网络攻防技术感兴趣，想学习更多网安方面的知识和工具，可以看看以下题外话！
题外话
黑客/网络安全学习路线
今天只要你给我的文章点赞，我私藏的网安学习资料一样免费共享给你们，来看看有哪些东西。
网络安全学习资源分享:
下面给大家分享一份2026最新版的网络安全学习路线资料，帮助新人小白更系统、更快速的学习黑客技术！
一、2026最新网络安全学习路线
一个明确的学习路线可以帮助新人了解从哪里开始，按照什么顺序学习，以及需要掌握哪些知识点。
对于从来没有接触过网络安全的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。
**读者福利 |***CSDN大礼包：《网络安全入门&进阶学习资源包》免费分享 *（安全链接，放心点击）
我们把学习路线分成L1到L4四个阶段，一步步带你从入门到进阶，从理论到实战。
L1级别:网络安全的基础入门
L1阶段：我们会去了解计算机网络的基础知识，以及网络安全在行业的应用和分析；学习理解安全基础的核心原理，关键技术，以及PHP编程基础；通过证书考试，可以获得NISP/CISP。可就业安全运维工程师、等保测评工程师。
L2级别：网络安全的技术进阶
L2阶段我们会去学习渗透测试：包括情报收集、弱口令与口令爆破以及各大类型漏洞，还有漏洞挖掘和安全检查项目，可参加CISP-PTE证书考试。
L3级别：网络安全的高阶提升
L3阶段：我们会去学习反序列漏洞、RCE漏洞，也会学习到内网渗透实战、靶场实战和技术提取技术，系统学习Python编程和实战。参加CISP-PTE考试。
L4级别：网络安全的项目实战
L4阶段：我们会更加深入进行实战训练，包括代码审计、应急响应、红蓝对抗以及SRC的挖掘技术。并学习CTF夺旗赛的要点和刷题
整个网络安全学习路线L1主要是对计算机网络安全的理论基础的一个学习掌握；而L3 L4更多的是通过项目实战来掌握核心技术，针对以上网安的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。
二、技术文档和经典PDF书籍
书籍和学习文档资料是学习网络安全过程中必不可少的，我自己整理技术文档，包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点，电子书也有200多本，（书籍含电子版PDF）
三、网络安全视频教程
对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的网安视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。
网上虽然也有很多的学习资源，但基本上都残缺不全的，这是我自己录的网安视频教程，上面路线图的每一个知识点，我都有配套的视频讲解。
四、网络安全护网行动/CTF比赛
学以致用，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。
五、网络安全工具包、面试题和源码
“工欲善其事必先利其器”我为大家总结出了最受欢迎的几十款款黑客工具。涉及范围主要集中在 信息收集、Android黑客工具、自动化工具、网络钓鱼等，感兴趣的同学不容错过。
面试不仅是技术的较量，更需要充分的准备。
在你已经掌握了技术之后，就需要开始准备面试，我们将提供精心整理的网安面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
如果你是要找网安方面的工作，它们绝对能帮你大忙。
这些题目都是大家在面试深信服、奇安信、腾讯或者其它大厂面试时经常遇到的，如果大家有好的题目或者好的见解欢迎分享。
参考解析：深信服官网、奇安信官网、Freebuf、csdn等
内容特点：条理清晰，含图像化表示更加易懂。
内容概要：包括 内网、操作系统、协议、渗透测试、安服、漏洞、注入、XSS、CSRF、SSRF、文件上传、文件下载、文件包含、XXE、逻辑漏洞、工具、SQLmap、NMAP、BP、MSF…
**读者福利 |***CSDN大礼包：《网络安全入门&进阶学习资源包》免费分享 *（安全链接，放心点击）
