Gemini 4 Carbon 挖出与 PHP 同级漏洞这件事,被讨论最多的是「AI 能不能做安全」,被讨论最少的是「它能做到哪一层」。

这两个问题差别很大。前者是能力有无,后者是能力边界。对做安全的人来说,后者才是真正要关心的。

漏洞挖掘的能力分层是什么?

可以分四层。第一层是模式匹配:认出已知的漏洞特征,比如未过滤的输入、硬编码的密钥。第二层是逻辑推理:理解业务语义,发现权限绕过、状态错乱。第三层是跨文件追踪:跟踪一个变量在多个模块间的流转。第四层是运行时验证:构造输入,实际触发漏洞。

前三层靠读代码就能做,第四层必须跑起来。Gemini 4 Carbon 在前三层表现很强,第四层需要工具链配合。

为什么 PHP 层容易,内核层难?

PHP 层的漏洞有大量公开样本,模式稳定,代码结构简单,一个文件就能看全。模型学起来容易。

内核层的问题在于:并发竞态需要时序,内存漏洞需要精确的生命周期分析,硬件交互需要真实设备。这些信息的样本极少,而且很难在沙箱里稳定复现。

所以模型在内核层的表现会明显下滑,不是它不聪明,是它拿不到足够的信号。

这个临界点会移动吗?

会,但速度取决于三件事。第一,沙箱技术能不能低成本复现复杂环境。第二,漏洞样本能不能公开到足够规模。第三,模型的工具调用能力能不能稳定执行多步验证。

Gemini 4 Carbon 的多项 Agent 基准排名第一,说明第三件事已经在改善。前两件是行业基础设施问题,不是模型问题。

防守方该怎么用这个能力?

四个层次。第一,把它当静态扫描器,跑在 CI 里,每次提交都过一遍。第二,把它当审计助手,人工审计前先让它出报告,人只复核可疑项。第三,把它当攻击模拟器,让它尝试构造利用链,检验现有防线。第四,把它当教学工具,用它的报告训练初级安全工程师。

四个层次的风险依次上升。第一层几乎无风险,第四层需要严格控制输出。

攻击方会怎么用?

同样四个层次,方向相反。第一,批量扫描公开代码库,找低垂果实。第二,针对特定目标做定向分析。第三,生成可执行的利用代码。第四,自动化整个攻击链。

目前公开讨论多集中在第一层,实际风险最大的是第二层,因为它把「定向攻击」的成本从几周降到几小时。

监管和行业该怎么应对?

三条。第一,把模型辅助的漏洞挖掘纳入法律框架,明确哪些行为构成攻击。第二,要求模型厂商在安全相关能力上做使用审计。第三,建立漏洞披露的快速通道,让防守方能在攻击方之前拿到信息。

这三条都在讨论中,落地速度决定了未来两年的安全形势。

对普通开发者的实际建议?

不要恐慌,但要改习惯。第一,不要在公开渠道贴完整代码,包括提问。第二,依赖库及时升级,模型能发现的漏洞,攻击者也能发现。第三,上线前跑一遍模型审计,成本很低。第四,把日志留全,出问题时能追溯。

安全能力的临界点,本质是「可复现性」的临界点。能被稳定复现的问题,模型迟早都能做;不能复现的问题,仍然要靠人。看清这条线,就不会被「AI 万能」或「AI 无用」两种叙事带着走。

去论坛讨论

前往 ziyuanagi.com 论坛 参与讨论