共计 1942 个字符，预计需要花费 5 分钟才能阅读完成。
在网络安全领域，漏洞猎手们正迎来一项革命性的新武器。最近，一款名为 VulnBERT 的 AI 辅助工具引发了广泛关注，它声称能以仅 1.2% 的低误报率，识别出 92.2% 会引入安全漏洞的代码提交。这不禁让人思考：通过 AI 深度分析 Linux 内核过去 20 年的提交记录，我们能否开发出更强大的漏洞发现工具？
图片来自 Unsplash。
安全研究员 Jenny Guanni Qu 在一篇深入的博客文章中，剖析了 Linux 内核中 125,183 个可追溯至 2005 年 4 月的漏洞修复记录。基于这项庞大的历史数据分析，她成功开发了一个 AI 辅助工具原型，用于预测哪些新提交可能潜藏漏洞。Qu 向媒体透露，他们计划在未来几周内发布训练好的模型和推理代码。
与此同时，Linux 内核主要维护者 Greg Kroah-Hartman 指出，社区早已持续投入搜索和消除漏洞的工作，并不断优化补丁流程。这引发了一个关键问题：在现有成熟工具和流程的基础上，AI 能否带来全新的、更高效的解决方案？
Linux 内核漏洞研究的关键洞察与趋势
Qu 花费了六小时挖掘 Git 上长达 20 年的内核提交历史，并将数据集公开。她的第一个重要发现是：如今的漏洞越来越难逃过 Linux 内核开发者的审查。
数据显示，社区正在更快地捕获新漏洞。到 2022 年，69%的漏洞在一年内就被发现，这与 2010 年的 0% 相比是巨大的进步。Qu 认为这证明了“更好的工具带来了真正的改进”。到 2025 年，漏洞从引入到被修复的中位寿命已缩短至 0.7 年，只有13.5% 的漏洞历史超过 5 年。
这一进步部分归功于日益壮大的贡献者社区，但更关键的是高质量测试工具的广泛使用，例如：
- Syzkaller模糊测试器（2015 年发布）
- 动态内存错误检测器，如 KASAN、KMSAN 和KCSAN
- 更强大的静态分析工具
此外，一个有趣的发现是，在分析的 12 万多个漏洞中，仅有 158 个拥有 CVE 编号，占比仅 0.12%。Qu 利用提交信息中的`Fixes:` 标签来识别有明确记录的漏洞修复，这类提交约占所有“修复”类提交的 28%。这意味着该数据集主要捕获的是维护者能够追踪到根本原因的、有据可查的漏洞。
然而，挑战依然存在。Qu 发现，安全漏洞平均隐藏 2.1 年 才被发现，有些甚至持续存在超过 20 年。这不仅仅是一个工具问题，更是一个复杂的 模式识别 问题。那么，这些深刻的见解能否用于开发一种新型的 AI 漏洞发现工具呢？
AI 漏洞检测工具 VulnBERT 的开发与原理
这项研究得到了风险投资公司 Pebblebed Ventures 的支持。Qu 将其描述为一项“可能成为公司基石的研究”，目标是实现“自主漏洞发现”。拥有竞争性黑客经验和 AI 研究背景的 Qu，正是探索 AI 驱动漏洞狩猎工具的绝佳人选。
她的团队注意到，同一类漏洞在内核中反复出现，例如释放后使用、竞争条件、缺失边界检查等。Qu 认为，优秀黑客的直觉本质上是对大型数据集的模式匹配，而这正是机器学习所擅长的。因此，她着手将这一见解转化为切实可用的工具。
研究首先识别了长期存在漏洞中的常见模式，然后创建了一个结合 神经模式识别 与手工规则检查 的工具。手工规则使用正则表达式和 AST 分析来识别 51 种潜在有问题的代码结构，神经网络则学习哪些条件关系实际上暗示了漏洞。Qu 强调，两者结合才能达到最佳效果。
初步结果令人印象深刻：
- 低误报率：在所有安全提交中，错误标记率仅为1.2%。
- 高精确率 ：在标记为有风险的提交中，98.7% 确实存在问题。
- 高召回率：在所有实际引入漏洞的提交中，捕获了92.2%。
当然，该工具也存在局限性。它主要对带有 `Fixes:` 标签的漏洞进行了训练，可能无法识别遵循全新独特模式的漏洞。因此，Qu 将 VulnBERT 定位为一个“分诊工具，而非保证”。它能捕获 92% 具有可识别模式的漏洞，而剩下的 8% 和新颖漏洞类别仍然需要依赖人工审查和模糊测试。
社区反馈与 AI 工具的未来展望
Qu 表示，她的目标不是取代人工审查者，而是将他们指向最有可能有问题的 10% 的提交，从而优化审查效率。自研究公布以来，她已经收到了一些内核开发者和安全研究人员的积极反馈。
然而，Linux 内核维护者 Greg Kroah-Hartman 保持了审慎的态度。他欣赏这份“很酷的报告”，但也指出社区进行此类分析已超过十年，并且早已拥有在补丁被接受前就运行的自动化检测工具。他认为，现有的静态分析检查器和 SQL 数据库已经能很好地处理这些信息。
尽管如此，Qu 对 VulnBERT 的研发工作仍在继续。团队计划在 2026 年 4 月的 BugBash 大会上展示成果，并与更广泛的内核安全社区建立联系。
最终的考验将是前瞻性验证：这款 AI 工具能否在新提交的漏洞被人类发现之前就成功捕获它们？如果能够实现，它将成为漏洞猎手武器库中一件真正改变游戏规则的新武器。
