LLM被動式資料搜集
在現今這個AI Agent的時代，我們可以利用大語言模型(Large Language Models, LLMs)強化我們的被動偵查，協助我們更有效率的搜集、處理以及合成資料
被動式資料搜集
被動式的收集資料有時候稱為開源情報(Open-Source Intelligence, OSINT)，是針對目標機器搜集一套對外開放服務的資訊，通常不需要跟目標機器用command互動，這也是讓我們的行為不會被目標機器錄下來，在開始介紹工具前，我們對於被動式搜集的情境先介紹一下兩種不同解釋
網路安全從業職位
隨著網路技術越來越發達，越來越多的網路安全職業出現，許多公司也出現不同職稱的角色，每個角色需要的技能都不太相同，畢竟技術越來越細節且複雜，不過讀者還是可以記住一些的工作職位，以及這些職缺的人員每天都做些什麼工作
剖析網路安全結構
基本上網路安全其目的就是為了組織的風險管理而存在的，探討網路科技所帶來的威脅是如何影響到公司資產，這些系統能為公司帶來商業價值，同樣也可以造成等值的商業損失，所以我們才需要想控管機制來管理風險，我們利用網路安全的方法來解析數種元素之間的關係
