OC
漏洞还没公开,AI 已经会顺着传闻找到利用方法
科技 · 2026-08-29 · 开发者安全 · 阅读 8

漏洞还没公开,AI 已经会顺着传闻找到利用方法

据 OCaml 开发者 Anil Madhavapeddy 的技术记录,cohttp 修复一处路径规范化问题时,维护者在公开修复 PR 后几分钟,就在服务器日志里看到了符合漏洞模式的探测请求。作者随后只向自己的 Agent 提供大致方向,模型便独立发现相关问题,并在一分钟内生成针对本地服务器的探测代码。

作者:韩启明|OC 政策与安全编辑

据 OCaml 开发者 Anil Madhavapeddy 的技术记录cohttp 修复一处路径规范化问题时,维护者在公开修复 PR 后几分钟,就在服务器日志里看到了符合漏洞模式的探测请求。作者随后只向自己的 Agent 提供大致方向,模型便独立发现相关问题,并在一分钟内生成针对本地服务器的探测代码。

一句话结论:AI 没有让漏洞凭空出现,却正在让“知道大概哪里有问题”迅速变成可运行的利用代码,公开修复和攻击之间的安全窗口接近消失。

传统协调披露依赖一个时间差:研究者先私下通知维护者,维护者准备补丁和公告,用户获得升级时间,最后再公开技术细节。它隐含的假设是,没有详细漏洞描述和概念验证代码,大多数攻击者很难快速重建漏洞。

代码 Agent 正在削弱这个假设。模型可以阅读提交历史、比较补丁前后的条件判断、寻找相似代码路径,再生成请求进行验证。即使补丁暂时保密,只要漏洞类别、受影响组件或大致位置已经泄漏,Agent 也可能自行完成剩下的调查。

漏洞线索经过代码Agent快速转化为探测请求的时间线场景

原文引用的一项早期研究显示,获得 CVE 描述时,GPT-4 Agent 在 15 个漏洞基准中成功利用了 87%;没有描述时只有 7%。这不是对整个互联网的普遍测量,样本也很小,但它说明“方向提示”的价值可能远高于过去。

作者还引用行业数据称,漏洞平均遭利用时间已经出现“负七天”现象,即攻击活动可能早于公开补丁;并列举 2026 年一些项目从公告到首次探测只用了数小时。不同数据集对“首次利用”的定义可能不同,不能机械地把负数当作每个漏洞的命运,但防守方确实不能继续把公告后的几周当作正常升级期。

这也解释了为什么“永远秘密修补”不是解决方案。公开仓库的提交、软件行为变化、二进制差异和发布包都可能暴露线索,而长期维护私有分支会让开源项目承担更高测试成本。更现实的方向包括缩短发布周期、自动化回归测试、让包管理器更快传播安全更新,并在协议、反向代理和运行时层面准备临时缓解措施。

先别急着把问题归咎于某一个模型。真正变化的是攻击研究的边际成本:过去需要经验丰富的研究者花数天读代码,现在一个中等线索可以被许多 Agent 同时追踪。防守流程必须按“漏洞可能已经被理解”来设计,而不是按“没人知道细节”来争取时间。

关键事实

  • 涉及项目:OCaml HTTP 库 cohttp
  • 观察:修复 PR 公开后数分钟出现相关探测
  • Agent 实验:只给出路径规范化方向即可发现问题并生成本地探测
  • 主要变化:从漏洞线索到可利用代码的时间显著缩短

OC 判断

AI 把补丁差异分析从专业技能变成了可自动扩展的任务。安全团队需要把“补丁发布”视为攻击者获得高质量提示的时刻,甚至默认攻击者此前已经掌握线索。开源维护者最需要的不是更多保密压力,而是更可靠的测试、发布和升级基础设施。

为什么重要

  • 对开发者:公开修复提交可能立即成为攻击线索,安全版本应尽量同步准备和发布。
  • 对企业:漏洞扫描之外,还需要加快资产盘点、临时缓解和自动更新流程。
  • 对用户:拖延升级的安全余量进一步缩小,长期停留旧版本会更危险。

参考来源

相关阅读

基于标题、摘要和正文内容自动匹配。

更多科技

评论

围绕这篇文章补充信息、提出问题或分享观察。

0
暂无评论。

发表评论

继续看看 OC 用户围绕这个话题说了什么、做了什么。

相关碎碎念

更多

最近越来越多思考,我们跟agent的关系,比如我最近用blender mcp很多,基本上我算是会用blender的,但是老记不住很多热键,以前我可以做很复杂的模型,但是要是不是的去查blender的操作热键。现在我完全不参与模型的建模,只让codex帮我生成。 但是我还是在查blender的热键,我现在需要的是numpad .这样聚焦到一个对象的方法,我需要的是numpad /这样的方法来把除了选中的对象,其他都隐藏的热键。 换言之,我现在需要高效的人工视觉复检blender mcp的成果,这是我对自己目前blender能力的需求了。

tinyfool 2 0

在我的windows游戏本,也安装了codex,现在叫chatgpt app。然后用遥控的方式操作这个codex去做很多事情,比如以前windows游戏本没空间了,我需要打开steam、gog、战网,然后手工看一堆目录的占用。现在直接用codex做个扫描。然后决定要不要暂时删除某个游戏啥的。 以前要在windows游戏本实验一些必须N卡的AI项目要自己去安装,现在也都交给Codex来做,我就在我习惯的mac环境下遥控即可

tinyfool 0 0

帕格尼物语的任务全部打穿,然后开始玩社区创作的地图,这种游戏在建设的时候特别过瘾,建立起稳定的经济模型后也很过瘾,稳定下来观察小人的行为也很过瘾,然后如果没有外部矛盾,比如敌人侵略或者必须找到某种材料,等等的问题,就开始索然无味了。 人生其实也像这样的游戏,我曾经构建过几次自己的稳定架构,然后就索然无味,然后又因为抑郁,崩塌了,我在人生这个游戏最近感觉有有点动力不足,就是因为每次架构彻底崩塌才来重建,十分疲惫

tinyfool 0 1

相关帖子

更多

你们的Codex额度提前耗完了没?戒断反应如何?

<p>我在第三天就消耗了只剩1%,忍了一天,然后今天干脆用这最后的1%,开着5.6 Sol 极高 强推我一个提示词笔记本应用的功能落地。最终用时3小时,居然还是跑完了。但是现在还是出现一些戒断反应,感觉啥也做不了,就无精打采的,困。</p> <p>我做了一个Prompt Notebook,专门用来收藏或者记录自己手搓的生图提示词。带Chrome一键收藏插件。支持AI优化提示词。支持提示词中提取常用字段作为提示词百科词汇。也自带生图功能用来测提示词。但是要搭配Cloudflare R2+Worker的图床。</p> <p>今天主要是做一个AI模特的资产库。将常用的AI模特固定下来,进行身份设定,以及模特的一些角色定妆图。之后生图可以直接调用AI模特自动作为垫图。</p> <p>这是AI模特资产库的界面: <img src="/upload/thread/202608/42b5f73e-938f-45de-b74e-da69da9d72a8.webp" alt="1bb0d28b-c7dd-4327-bafa-26b60323cbed" /> 这是主界面的提示词瀑布流,支持关键词或标签搜索: <img src="/upload/thread/202608/3e15b6e7-345f-48b4-aeff-1bbd89afe9d3.webp" alt="ab998e2f-9ccc-4173-832f-223aa6c6fa81" /> 这是提示词笔记的预览界面,可以复制提示词,分享提示词,点击分享还有分享短链:(https://prompt.jintao.co.uk/share/20260806LfsmY) <img src="/upload/thread/202608/bab31972-0468-4582-b873-6309233254a6.webp" alt="20260806-201213" /> 可惜现在没额度了,我又不想换模型折腾。现在还有些界面细节和小功能需要落地完善,可能还要虫子要抓。弄好了,打算放GitHub开源。</p> <p>有朋友想试试的么?</p>

shynloc 2 4

做 AI 语音产品时,授权、撤回和审计日志应该怎么落地?

<p>最近看到越来越多关于声音授权的讨论。对开发者来说,真正麻烦的往往不是“模型能不能模仿”,而是授权如何进入系统、生成结果如何追溯,以及授权撤回后该怎么办。</p> <p>我们在做 FlowSpeech 时也碰到过类似问题。我的体会是,不要把“用户勾选过同意”当成一个布尔字段,而应该把它做成一组可以审计的业务对象。</p> <h2>1. 把声音资产和授权分开</h2> <p>声音文件只描述技术属性,例如哈希、上传者、存储位置和创建时间。授权记录则至少要包含授权主体、用途范围、地域、有效期、来源证据和当前状态。这样同一份声音用于个人试听、商业广告、公开播客时,可以绑定不同的授权,而不是共用一个模糊的 consent=true。</p> <h2>2. 每次生成都保存授权快照</h2> <p>生成任务不要只引用当前授权 ID。授权内容以后可能变更,如果任务只查最新状态,历史结果就无法解释。更稳妥的做法是在任务创建时保存授权版本、文本哈希、声音版本、模型版本和操作者。生成出的音频再记录 artifact_id,并反向关联任务。</p> <p>我会把最小链路设计成:</p> <ol> <li>voice_asset:原始声音及版本;</li> <li>consent_grant:授权范围与证据;</li> <li>generation_job:请求参数和授权快照;</li> <li>audio_artifact:输出文件、校验值和公开状态;</li> <li>audit_event:谁在什么时候创建、下载、公开或撤回了内容。</li> </ol> <h2>3. 撤回不是简单删除一行</h2> <p>授权撤回后,系统至少要阻止新任务,并把相关公开音频进入下架队列。已经交付给客户的文件是否能删除,要按照合同和产品能力区分,不能在界面上承诺技术上做不到的“全球删除”。更现实的状态机是 active、suspended、revoked、expired,并明确每个状态允许哪些动作。</p> <h2>4. 对外展示也要可验证</h2> <p>除了后台日志,公开音频最好带上来源标记或可查询的生成记录。水印不是万能方案,但“可识别的音频 + 可验证的元数据 + 清晰的举报入口”组合起来,比一句“AI 生成”更有用。</p> <p>我们现在做的 <a href="https://flowspeech.io/zh">FlowSpeech</a> 主要解决上下文感知、情绪和停顿控制。越往产品化走,越觉得声音效果只是前半程,权限边界和可追溯性才决定这类工具能不能长期使用。</p> <p>大家在实际项目里会把授权证据放在业务数据库、对象存储,还是单独的审计系统?如果授权撤回,你们通常怎么处理已经生成并交付的音频?</p>

FlowSpeech 0 1

一个体会,Codex 这种现代 Agent,每天一个变,几天不用就有新惊喜

<p>当然我说的也包括 Claude Code,新功能日新月异,还有就是 AI 能力提升以后,可以做的东西日新月异。还有各种工作流方法日新月异。</p> <p>更好玩的是,我最近经历过很多次,你跟人介绍现在 Codex 可以做到什么样子,他们都觉得很厉害。但是你现场一演示,他们的震撼就更加完全不同了。所以,这种东西,需要大量的 Workshop 去沟通交流,光看文字很难讲清楚,直播、视频也越来越重要了。</p>

tinyfool 1 89