After 7 months, Glasswing overwelms maintainers with underwhelming findings
457 points • 1 day ago • Article Link

在 Anthropic 的 Project Glasswing 启动后的七个月里,这项计划在软件安全领域真正带来的影响仍遭到质疑。尽管项目一开始就宣称能够识别数千个高严重性与关键严重性漏洞,但实际效果远没有达到预期。追踪数据显示,归因于 Anthropic 的漏洞仅占今年已发布 CVE 总量的 0.5%,而其中真正可能在实际环境中被利用的证据少之又少。

项目内部的"账本"难以继续推进,暴露出发现与修复之间的差距越来越大。自 9 月以来,Anthropic 报告的发现数量几乎增加了 12,000 项,但已确认的修复数量却基本停滞不前。此外,被标记为重复或被撤回的发现数量,明显超过了实际完成的修复数量,这也让人对项目所声称的高真阳性率产生了疑虑。

鉴于人工分诊无法有效扩展,Anthropic 近期调整了策略,推出了自动化的 OSS Scanner 。该工具把验证压力从 Anthropic 内部团队转移给开源维护者:维护者现在需要处理未经核实、由模型生成的报告。 Anthropic 也承认这些发现是在没有人工审查的情况下生成的,这引发了对低质量甚至错误提交风险的担忧。

对这套新扫描器进行的一次实际测试以 curl 项目为对象,进一步凸显了维护者的困境。在 curl 处理的 34 份报告中,超过一半被判定为无效,只有少数被确认属于低严重性问题。这种结果与 Anthropic 所宣称的高成功率形成了鲜明反差,也表明项目产出的严重性或准确性往往达不到最初承诺。

归根结底,尽管 AI 驱动的漏洞发现具备潜力,但 Project Glasswing 的相关数据反映出目前的落地效果未能兑现其宣传叙事。让开源维护者承担大量潜在误报的处理工作,不仅没有减轻负担,反而给原本希望帮助的社区增加了额外工作。随着项目主张与维护者所观察到的现实之间的偏差持续存在,这项倡议的整体有效性与必要性仍将受到持续质疑。

217 comments • Comments Link

- AI 模型在识别漏洞方面确实展现出能力,尽管它们的有效性在很大程度上取决于代码库质量、安全规范的完整度以及人工监督的到位程度。

- AI 生成的漏洞报告数量非常庞大,但真正被证实、且可被利用的问题却少得多,两者之间存在明显脱节,给开源维护者带来巨大摩擦和"噪音"。

- 目前若不加甄别地呈现潜在缺陷,会让人工维护者背负不可持续的分诊负担,他们往往把这些贡献视为低价值的"垃圾信息",因此需要转向更好的筛选机制以及自动化的补丁建议。

- 安全专家对这些发现的影响看法不一:有人认为这是一条迈向主动防御的必要路径;也有人认为对 CVE 数据集的关注是一种营销驱动的误导,掩盖了私有、面向企业层级的安全威胁的真实存在。

- "网络末日"的叙事常被批评为夸大其词,但普遍观点是:高级攻击者很可能已经借助 AI 能力以更精准的方式利用那些未被大型开源项目充分审查的私有、非公开软件栈。

- 人们对这类漏洞发现项目背后的动机也普遍存在较大疑虑,批评者认为它们常常是商业安全优先级产品的"亏损引流品",或者是为了提升 AI 实验室的可见度与影响力而进行的营销内容。

- 验证 AI 发现结果的难度,折射出其他科研领域的共同问题:AI 系统会产出大量"发现",但这些结果需要投入巨量的专业人工来核验,并从噪音中筛出来。

- 开发高质量的安全代码依然高度依赖人工,因为 AI 模型虽然擅长找出潜在错误,但在提出稳健、不破坏现有功能且在架构上站得住脚的修复方案时,往往会难以做到不引入新的复杂性。

- 虽然漏洞的公开披露数量依旧不多,但这可能更多反映了人工安全团队的资源受限,而非底层 AI 洞察本身的不足;有报道指出,当内部专有安全团队使用类似工具时,成功率更高。

- AI 在网络安全中的最终价值不在于取代人的专业能力,而在于在明确的威胁模型框架下成为"倍增器";前提是 human-in-the-loop 流程的设计能够有效管理信号与噪音的比例。

讨论凸显了"AI 驱动的漏洞发现"带来的理论前景,与维护软件安全的现实挑战之间的紧张关系。虽然 AI 模型确实能识别出真实的安全缺陷,但它们也会产生大量淹没维护者的发现,许多维护者认为这些低质量报告数量不仅无助,反而会阻碍安全工作。批评者指出,围绕这些工具的营销叙事往往忽视了分诊所需的高昂人工成本,以及缺乏可落地、质量可靠的补丁问题。总体而言,人们普遍认为:尽管 AI 在知识工作中属于合法的阶段性变革,但它在网络安全中的当前应用仍处于"很多猴子"的成熟期,需要与人类专家工作流更好地融合,才能真正产生实质影响。