照着 OSS-Fuzz 的组织方式,换成大模型读代码;发现很快,修复依旧很慢。
熟悉开源安全的人一眼就能看出 OSS Scanner 的原型:谷歌 2016 年推出的 OSS-Fuzz。后者用模糊测试持续轰炸关键开源库,至今已帮上千个项目修掉大量漏洞。Anthropic 这次几乎照搬了它的组织方式——项目自愿报名、按「是否属于关键基础设施或有重大安全影响」逐个评估、定期扫描、结果私下交给维护者。
区别在于干活的不再是模糊测试器,而是 Anthropic 最强的一批模型。据开发者社区的介绍文章,扫描会用到包括 Claude Mythos 在内的前沿模型。模糊测试擅长发现内存破坏一类「能把程序跑崩」的问题,而大模型读代码的优势在于逻辑漏洞、权限校验缺失这类不会崩溃、却同样危险的缺陷,两者的覆盖面并不重合。服务经费来自 Anthropic 的 Defender Advantage Fund(0xDAF),官方表示会一直免费。
Anthropic 公布的数据显示,这套流程过去一段时间已在内部试跑:
另据安全媒体 beri.net 整理,截至 10 月 2 日,相关项目已向 591 个开源项目披露了 6157 个漏洞,维护者确认了其中 5103 个,但真正合入上游的补丁只有 516 个,约占 8%。发现量在 6 月到 10 月之间翻了两番。
这组数字比「发现了多少漏洞」更说明问题:瓶颈从来不在找,而在修。开源维护者大多是兼职甚至无偿劳动,一个模型一夜之间丢过来几十份报告,即便九成是真的,排查和打补丁的时间也不会因此变少。
OSS Scanner 最受争议的设计,是报告直接发给维护者、不经人工复核。Anthropic 对此说得很直白:报告可能有错,分诊和修复由维护者自己负责。
批评意见主要集中在两点。一是误报成本被转嫁给了最没有余力的人——按 90% 真阳性率算,每十份报告仍有一份可能白忙一场。二是透明度:据 beri.net 统计,6157 个已披露问题只对应了 584 个编号(219 个 CVE、365 个 GitHub 安全公告),Anthropic 只是「请求」而非要求维护者用 ANT-2026- 前缀标注修复。大量没有编号的修复,会让依赖 CVE 匹配的软件成分分析工具看不见这些漏洞曾经存在过。
与 OSS Scanner 同日公布的,还有面向安全厂商的关键基础设施防御计划,首批 11 家合作方包括 Palo Alto Networks、CrowdStrike、埃森哲、德勤等。两项放在一起看,Anthropic 想占的位置很清楚:在「AI 让攻击更便宜」的叙事里,先把自己摆在防守方。只是开源世界真正缺的未必是更多报告,而是有人把报告变成补丁——这件事,模型暂时还替代不了。