YOFUNE_LABSINTELLIGENCE, TESTED.
夜船有明 / AI 安全产品01 — 03 / 2026

三种视角。
让风险,有迹可循。

以 AI 安全为核心,我们将人工智能与攻防研究转化为面向真实业务的安全产品。从智能体攻防到人员演练与代码分析,让风险发现走向有证据的判断和可执行的改进。

探索产品
AI 安全 · 产品探索01—03
三条产品线 · 同一种证据意识SCROLL TO DISCOVER
01 / 产品档案人因安全演练平台YOFUNE LABS ↗

TaiGong

一次演练,
不止一次点击。

太公把人员范围、演练素材、执行计划与行为复盘连接起来。从一次贴近业务的模拟出发,让安全意识训练有目标、有反馈,也有下一步。

预约产品演示
演练运营工作台PRODUCT VIEW / 01
TaiGong太公人因安全工作台
交互演示 · 示例数据
演练工作区演练结果

覆盖 4 个部门,观察识别与举报行为。

BEHAVIOR / 01

每一个行为,都有迹可循。

按人员去重,贯通投递、交互与风险反馈。

已投递
240100%
已打开
18678%
已点击
4218%
已提交
125%
主动举报

将风险识别能力纳入复盘

57

选择一个演练活动,切换查看行为漏斗、事件记录与 AI 计划。

01

贴近业务的场景编排

将邮件与落地页素材配对,结合人员目录和部门分组,组织有明确范围的演练活动。

02

看清每一步行为

连接发送、打开、点击与提交事件,通过漏斗与活动记录定位值得关注的环节。

03

AI 辅助,关键动作可确认

从演练目标形成执行计划,经过预检与人工确认推进任务,并保留暂停、取消与恢复入口。

04

把复盘接到培训

结合演练结果开展课程与测验,组织培训批次,导出报告,为下一轮演练提供依据。

从问题到行动

  1. 01定义人员范围
  2. 02编排演练场景
  3. 03观察行为反馈
  4. 04开展定向训练
02 / 产品档案黑潮 · AI 智能体安全验证YOFUNE LABS ↗

KUROSHIO

让智能体探索,
让证据说话。

黑潮围绕授权目标组织规划、工具执行与证据整理。把一次安全测试中的资产、线索和决策串联起来,让团队看清探索走到了哪里,以及结论从何而来。

预约产品演示
智能体任务工作台PRODUCT VIEW / 02
KUROSHIO验证工作台
交互演示 · 示例数据
任务编排02 / 04

从观察形成路径

结合工具结果与资产上下文,组织下一步验证任务。

让每一步都有上下文与证据
授权范围范围已限定
工具调用预算4 / 20
执行策略敏感操作需审批

沿四个阶段查看任务规划、候选线索与证据记录。

01

围绕目标推进任务

从测试目标开始规划,根据观察到的资产、事实与发现继续探索,让任务状态与执行进展保持关联。

02

工具与上下文协同

结合可配置的 Agent、模型、技能和 MCP 工具组织工作,连接探索链路与资产视图。

03

让关键动作可控

通过工具策略与审批控制执行过程;需要时暂停、恢复或停止任务,保留团队介入的空间。

04

从线索走到证据

关联请求响应记录、工具输出和发现详情,支持以结构化数据或报告形式导出并复核。

从问题到行动

  1. 01明确授权范围
  2. 02规划与探索
  3. 03复核发现证据
  4. 04整理验证报告
03 / 产品档案AI 代码安全工作台YOFUNE LABS ↗

DeepHook

深入代码,
读懂风险的路径。

DeepHook 结合源码语义、数据流与 AI 漏洞分析,沿输入点、传播路径和危险调用追踪风险。让一条告警变成可以理解、质疑和复核的代码证据。

预约产品演示
代码证据工作台PRODUCT VIEW / 03
DeepHook代码研究工作台
交互演示 · 示例数据
routes/download.ts代码上下文
async function download(req, res) {
const root = UPLOAD_DIRECTORY;
const name = req.query.name;输入点
const file = resolve(root, name);
const bytes = await readFile(file);危险调用
return res.send(bytes);
}
数据流路径语义分析
输入点req.query.name
传播路径resolve(root, name)
危险调用readFile(file)

从外部输入,追踪到敏感操作。

AI 推动研究 · 证据支撑判断DeepHook / CWE-22

切换漏洞线索,沿代码阅读证据链,再查看相应修复建议。

01

从语义理解源码

导入代码项目,结合多语言语义分析与数据流追踪,整理跨函数、跨文件的潜在风险线索。

02

让风险路径可见

将输入点、传播步骤与危险调用关联到代码位置,帮助审计人员理解触发条件和影响路径。

03

Hunter 深入追问

围绕漏洞假设查询证据、检查反证并提出验证建议,支持研究人员进一步判断线索是否成立。

04

面向修复的交付

审阅修复建议、差异与试运行预览,生成脱敏报告。需要动态验证时,再明确授权与验证环境。

从问题到行动

  1. 01导入代码项目
  2. 02开展语义扫描
  3. 03分析与核对证据
  4. 04审阅修复建议

从你要解决的问题,选择工具。

三个独立的产品,分别深入人的行为、运行中的系统与源代码。根据当前工作,选择最合适的入口。

从你要解决的问题,选择工具。
产品关注对象适用团队主要成果
TaiGong人因安全运营 · 安全意识培训团队演练漏斗、事件复盘与培训反馈
KUROSHIO应用与系统红队 · 安全研究与验证团队关联发现、执行记录与证据报告
DeepHook代码研发安全 · 代码审计与漏洞研究团队代码证据、分析结论与修复建议
01这三个产品如何选择?

需要钓鱼演练、人员风险复盘与意识培训时,选择 TaiGong;需要围绕授权目标开展智能体安全验证时,选择 KUROSHIO;需要分析源码、梳理漏洞线索和审阅代码证据时,选择 DeepHook。团队可以分别评估,也可以围绕同一个业务场景讨论组合使用方式。

02页面里的界面可以操作吗?

可以切换演练活动、任务阶段和代码线索,了解产品的工作方式。这里是为官网重新设计的交互演示,使用示例数据;具体产品界面与可用功能以实际演示和交付版本为准。

03如何评估企业环境中的适用性?

向我们介绍你的人员规模、系统范围或代码语言,我们会围绕实际场景安排演示。部署环境、模型接入、数据流向、授权范围与交付要求,会在评估开始前共同确认。

YOUR NEXT DISCOVERY.

让下一次发现,
从这里开始。

从 AI 应用评估、业务系统验证或企业安全演练开始。我们一起找到合适的切入点。

讨论你的场景