Anthropic 推出免費 OSS Scanner,由 AI 自動掃描並提供開源專案漏洞修復建議

文章摘要

Anthropic正式推出OSS Scanner免費服務,旨在協助開源專案維護者自動化識別並修復安全漏洞。該服務由Claude Mythos等模型驅動,自動產生包含漏洞成因說明、重現步驟及候選修復程式碼的報告,且無須人工預審即可直接交付予專案方,由維護者決定是否驗證與採用。Anthropic先前透過Red Team測試,於六個月內識別逾29,000個潛在漏洞,其中約6,000個經人工審核;另於48個專案的初期測試中,由滲透測試員確認97個高危漏洞,包含85個符合揭露標準的真實漏洞。

此服務已獲實務應用,如curl專案維護者利用其發現並修復CVE-2026-92392漏洞。儘管開發者回饋報告品質表現優異,但仍存在部分限制,包括Anthropic坦承部分報告出現漏洞嚴重程度評級過高、誤解專案威脅模型等情況。此外,產業專家指出,自動化掃描雖能縮短發現時程,但企業仍面臨應用程式版本落後及修復相容性挑戰,且目前掃描報告的精確度尚未建立全面標準。與Google的OSS-Fuzz或CodeMender不同,OSS Scanner特點在於利用大型語言模型進行程式碼深入分析,並採取無人干預的直接交付模式。

AI 大叔解析

## 【核心判斷】
這項服務用 AI 大幅拉高找漏洞的產能,但實質上是把人工審核的成本轉嫁給開源維護者。Anthropic 的 Frontier Red Team 在 6 個月內抓出超過 29,000 個潛在漏洞,但研究員僅手動分流約 6,000 個;現在推出的 OSS Scanner 乾脆拿掉人工預審,直接把 Claude Mythos 等模型產生的報告與修補程式碼寄給維護者。雖然在 48 個專案的 97 個高危樣本測試中,有 85 個符合揭露標準,且成功協助修復 curl 8.23.0 的 CVE-2026-92392,但官方也坦言報告存在誇大嚴重程度與誤解專案威脅模型的問題。

## 【毒舌吐槽】
AI 產出幾萬份報告只需花電費,看報告並驗證 patch 的維護者卻得燃燒肝指數。Anthropic 自己 6 個月只能人工消化約五分之一的候選漏洞,解法居然是「那我們不審了,全部直接寄給開源作者」。這就像把未經品管的半成品直接倒進客戶產線,哪怕附上了重現步驟與修補程式碼,遇到判定過高的嚴重度評級和理解歪掉的威脅模型,維護者還是得自掏腰包花時間替 AI 除錯。

## 【為什麼重要?】
這代表自動化弱點挖掘進入了以大型語言模型深入分析程式碼、並採取無人干預交付的新階段。與 Google OSS-Fuzz 或 DeepMind 堅持保留提交前人工審查的 CodeMender 不同,OSS Scanner 走的是全自動化代理人機制,透過 Dockerfile 在無外網環境下編譯建置,並利用二分法定位引入錯誤的變更。OpenSSL 與 wolfSSL 團隊反映這些具備重現環境的報告能切入現有修復流程,PostgreSQL 也藉此在 GA 正式版發布前排除隱患。

然而,上游修復速度加快並未解決下游的落地斷層。企業端常年落後數個主要版本,若缺乏程式碼可達性分析與相容性驗證,社群產出再多安全更新也難以直接轉換為防護力。此外,未經驗證的報告不套用 90 天強制揭露期限,雖然給予專案彈性,但掃描精確度仍缺乏全面標準,維護團隊若缺乏足夠的人力進行分流,這類自動化報告反而可能演變成阻斷正常開發的雜訊來源。

## 【影響對象與建議】
- 開源基礎設施維護者:申請加入時務必附上詳細的威脅模型文件,明確排除非關鍵元件並規範嚴重度標準,避免接收大量邊緣案例的警報干擾日常開發。
- 企業資安架構師:應加速評估導入可達性分析工具,釐清底層開源套件的已知弱點是否真能被外部觸發,不可盲目排程全量升級而引發相容性崩潰。

## 【逆風觀點】
別看 curl 成功修掉 HTTP/2 的釋放後使用(use-after-free)漏洞就過度樂觀,那個案例在原廠判定下也僅為 high 而非 critical,實際利用難度極高且更容易只是單純當機。當前釋出的 85 個有效漏洞只是來自 48 個專案的特定精選樣本,根本不能代表面對龐大開源生態系時的常態精確率;一旦缺乏充分設定的威脅模型約束,無人審查的報告很容易將資源匱乏的開源專案拖入驗證假警報的泥淖。

想更了解這個話題?