用AI猎取开源项目0day漏洞小白也能掌握的智能安全攻防技巧收藏版本文分享了一名韩国安全专业学生如何利用AI工作流在Grafana、Nextcloud、Matomo等知名开源项目中连续发现十余个0day漏洞并获得可观赏金的实战经验。文章详细介绍了其动机、目标选择、架构设计、提示词工程、实战成果及未来展望旨在帮助读者了解AI在漏洞发现中的应用并提供了一套可参考的智能安全攻防技巧。导语当大多数安全研究员还在用手工代码审计的方式挖掘漏洞时韩国一名安全专业学生已经用AI工作流在Grafana、Nextcloud、Matomo等知名开源项目中连续发现了十余个0day漏洞拿到了可观的赏金。这不是概念验证——是真金白银的战果。一、动机为什么我想用AI找漏洞在大学里网络安全学习一直围绕CTF夺旗赛和攻防演练展开。在受控环境中找到漏洞并成功利用确实很有成就感但始终渴望在真实世界中发现漏洞。加入韩国网络安全培训项目BoB第14期漏洞分析方向后意识到安全行业的范式正在转变。导师们提到AI在黑客领域的能力正在迅速提升未来将接管安全行业的很多环节——有效利用AI将成为黑客的核心技能。目睹AIxCCAI网络安全挑战赛后更加确信AI用于安全很快会成为主流。这种信念随着AI的进化不断强化——从简单的Web UI聊天机器人到Claude Code、Codex这类CLI工具再到MCP模型上下文协议的出现以及AI在漏洞赏金平台上摘得榜首……一切都在印证这个趋势。二、目标选择为什么我放弃了内存漏洞和黑盒测试最初也考虑过内存漏洞和黑盒服务器赏金项目但最终基于现实原因做了调整。内存漏洞方向构建了一套内存漏洞专用工作流也找到了一些OOB越界访问和栈溢出崩溃。但Google OSS VRP这类项目很少接受单纯地崩溃它们要求完整的利用链能完全破坏系统的完整性或机密性。由于安全策略限制用AI自动化这个过程目前非常困难。加上Web渗透背景比二进制漏洞利用更强在内存漏洞方向上没有足够的竞争力。黑盒服务器赏金暂时搁置了这个方向因为存在一定风险——AI在扫描时可能不安全地发送攻击性Payload导致服务器崩溃。美国Theori公司的Xint或xbow可能掌握安全扫描的know-how但还没到那个水平。最终选择了最熟悉的大型Web开源项目Nextcloud、Matomo和Grafana。这些项目的代码完全公开通过Docker可以轻松本地化部署复现而且相信LLM的上下文理解能力在发现复杂业务逻辑漏洞方面会远超人类肉眼审计。三、架构设计省钱的智能路由尝试了各种工作流目前主要使用的两个工作流有一个共同特点漏洞发现和误报验证两个阶段严格分离。核心思想是不要在整套流程中都用最贵的模型而是在每个阶段将数据高效路由到合适的模型。这个架构的灵感来自Theori公司在AIxCC中的RoboDuck案例。RoboDuck使用模糊测试消耗更多Token据说每小时成本超过1000美元。这让意识到为了保证可持续性不能什么都用顶级模型必须按需组合。在对比各种低成本LLM基准测试时在GeekNews上看到了一篇关于GLM模型的文章它的性价比看起来非常出色。在GLM系列中最近发布的GLM-5比GLM-4.7性能提升约20%但Token消耗是后者的三倍。由于Web漏洞检测往往需要发现的是IDOR这类逻辑漏洞而不是需要高度复杂推理的问题决定提高便宜模型的调用频率比用稍微好一点但贵三倍的模型更有效。于是选择用性价比极高的GLM-4.7作为主力工作引擎。三级漏斗架构第一层发现GLM-4.7搜索潜在漏洞候选。在这个发现阶段通过调整提示词创建了多个工作流变体。第二层半筛选GLM-5用性能更好的GLM-5从第一步生成的候选中过滤掉明显的误报。第三层终筛Codex 5.3存活的候选提交给顶级模型Codex 5.3进行最终验证。通过第三层验证的漏洞会通过Discord发送告警并将漏洞报告上传到Notion。上传报告后总会手动复现验证每一项。由于Codex验证后仍可能存在误报最终报告严格基于手动复现结果来撰写。四、提示词工程如何把误报率打下来在运行工作流的早期误报相当多所以不断实验和改进各种提示词来解决问题。大多数误报的产生根源都在三个要素之一存在缺陷。因此不得不强制AI在验证时评估这三个要素攻击者条件Attacker Condition攻击者必须处于什么网络位置内网/外网需要什么权限未认证/管理员/访客以及必须注入什么特定输入才能使攻击成功。服务器条件Server Condition服务器的先决条件比如是否需要启用特定插件、默认配置是什么或者漏洞是否只在特定操作系统/环境下触发。安全影响Security Impact不能只说危险而要基于CIA三元组机密性、完整性、可用性描述——它是否能导致数据泄露、拒绝服务DoS还是仅仅是简单的信息泄露。很多人试图通过在提示词中询问AI来解决这个问题比如请考虑攻击者权限或注意服务器配置。但LLM天生是懒惰的。像考虑这种模糊指令在推理过程中很容易被跳过或一笔带过。强制AI在回复中明确输出这三个要素反而迫使其系统性地分析它们误报率大幅下降。解决这三个问题后一类新型误报又浮出水面那些在源代码层面看起来像漏洞但实际上是该开源项目安全模型下的预期行为或超出范围的问题。更新了提示词要求AI搜索项目的官方安全文档和政策验证它究竟是真正的漏洞还是设计如此。通过这个过程工作流能够清晰区分Bug和漏洞漏洞分析工作的误报率显著降低。五、实战成果AI找到了哪些漏洞这个项目带给一个重要体会是AI在发现IDOR和业务逻辑漏洞方面出乎意料地擅长。传统扫描器只是追踪数据流但AI理解上下文——API的用途及其应该运行在什么样的安全模型下。如果让人工分析需要将数万行API路由代码与权限引擎的复杂交互进行交叉引用。这不仅耗时耗力而且人类在扫描数千个参数后注意力会下降很容易漏掉那个关键的缺失检查。AI不会疲劳它会系统地将每个API定义与安全模型进行交叉比对在捕捉人类容易忽略的细微逻辑漏洞方面展现出压倒性的优势。最具代表性的案例是用这个LLM工作流在Grafana的仪表盘权限管理API中发现的权限提升漏洞——CVE-2026-21721。漏洞描述Grafana允许对每个仪表盘设置单独权限读/写/管理员。在正常安全模型下用户只能对自己被指定为权限管理员的特定仪表盘调用权限控制API。然而AI发现的漏洞是Grafana的仪表盘权限APIGET/POST /api/dashboards/uid//permissions没有验证目标仪表盘的Scope。根因调用内部权限验证逻辑ac.EvalPermission时没有传入目标仪表盘的UID scope作为参数。它只检查用户是否拥有dashboards.permissions:read/write动作权限。因此只要用户在系统中拥有至少一个仪表盘的管理员权限就获得了执行dashboards.permissions:write的有效权限。由于服务器不检查这个权限指向哪个仪表盘攻击者可以读写所有其他原本无权访问的仪表盘的权限数据。影响这是一个严重的权限提升漏洞拥有某一个特定仪表盘管理员权限的用户可以任意劫持组织内其他敏感仪表盘的控制权。通过给自己分配其他仪表盘的管理员权限攻击者能完全访问之前无法获取的数据。最终该漏洞被编为CVE-2026-21721CVSS 8.1。在庞大的代码库中检查所有权限时人类安全工程师可能会不小心忽略Why wasn’t the UID scope passed as a validation argument here?这样的问题但AI准确地定位了这个安全引擎中的逻辑不一致。其他0day漏洞一览已获CVE的漏洞CVE-2025-66514CVSS 5.4 / Nextcloud Mail XSS已获赏金CVE-2025-66558CVSS 3.1 / Nextcloud twofactor_webauthn认证不当已获赏金CVE-2026-0994CVSS 8.2 / protobuf DoSCVE-2026-21721CVSS 8.1 / Grafana权限提升已获赏金CVE-2026-22922CVSS 6.5 / Airflow特权API错误使用已获赏金更多CVE pending……仅获赏金未颁发CVE的漏洞Nextcloud Contacts预发布版CVSS 6.5 / IDOR已获赏金Matomo安全问题通过HackerOne报告已获赏金Matomo官方插件安全问题通过HackerOne报告已获赏金Matomo官方插件安全问题通过HackerOne报告已获赏金Matomo官方插件安全问题通过HackerOne报告已获赏金Grafana安全问题通过Intigriti报告已获赏金 CVE pendingOwncloud安全问题通过YesWeHack报告已获赏金 CVE pendingDiscourse安全问题通过HackerOne报告8个赏金 CVE pending六、未来展望AI时代人类的出路在哪里直接用AI工作流搜索漏洞的过程中一个更深的问题在脑海中形成如果AI已经这么强了我的未来还有位置吗距离进入就业市场还有三年多届时世界将充满远比今天更先进的AI。虽然对整个安全行业还不够了解但个人判断是红队的简单漏洞发现任务将大幅减少。主流趋势将转向AI在开发工作流中实时进行安全诊断从源头阻断漏洞同时AI漏洞分析智能体将积极猎取Bug。不是所有红队都会消失但相信AI将接管他们目前处理的绝大部分手工任务。然而不认为人类角色会完全消失。如何根据业务场景制定漏洞修复策略或者建立和运营公司独有的安全策略——无论AI多先进这些领域都需要人类的讨论和决策。因此计划将学习方向聚焦在两个主要方向AI用于安全学习设计和构建漏洞猎取型AI工作流就像这个项目一样。蓝队与安全架构超越纯粹的进攻红队技能理解现实世界的企业安全政策和基础设施。当然这只是一个安全专业学生的个人推测并非行业资深人士的看法。但与其抵抗即将袭来的AI浪潮相信最有效地掌握这个工具的黑客将拥有显著的优势。出处How I Found Open Source 0-days with an LLM Multi-Agent Workflow互动话题如果你对网络攻防技术感兴趣想学习更多网安方面的知识和工具可以看看以下题外话题外话黑客/网络安全学习路线今天只要你给我的文章点赞我私藏的网安学习资料一样免费共享给你们来看看有哪些东西。网络安全学习资源分享:下面给大家分享一份2026最新版的网络安全学习路线资料帮助新人小白更系统、更快速的学习黑客技术一、2026最新网络安全学习路线一个明确的学习路线可以帮助新人了解从哪里开始按照什么顺序学习以及需要掌握哪些知识点。对于从来没有接触过网络安全的同学我们帮你准备了详细的学习成长路线图学习规划。可以说是最科学最系统的学习路线大家跟着这个大的方向学习准没问题。**读者福利 |***CSDN大礼包《网络安全入门进阶学习资源包》免费分享 *安全链接放心点击我们把学习路线分成L1到L4四个阶段一步步带你从入门到进阶从理论到实战。L1级别:网络安全的基础入门L1阶段我们会去了解计算机网络的基础知识以及网络安全在行业的应用和分析学习理解安全基础的核心原理关键技术以及PHP编程基础通过证书考试可以获得NISP/CISP。可就业安全运维工程师、等保测评工程师。L2级别网络安全的技术进阶L2阶段我们会去学习渗透测试包括情报收集、弱口令与口令爆破以及各大类型漏洞还有漏洞挖掘和安全检查项目可参加CISP-PTE证书考试。L3级别网络安全的高阶提升L3阶段我们会去学习反序列漏洞、RCE漏洞也会学习到内网渗透实战、靶场实战和技术提取技术系统学习Python编程和实战。参加CISP-PTE考试。L4级别网络安全的项目实战L4阶段我们会更加深入进行实战训练包括代码审计、应急响应、红蓝对抗以及SRC的挖掘技术。并学习CTF夺旗赛的要点和刷题整个网络安全学习路线L1主要是对计算机网络安全的理论基础的一个学习掌握而L3 L4更多的是通过项目实战来掌握核心技术针对以上网安的学习路线我们也整理了对应的学习视频教程和配套的学习资料。二、技术文档和经典PDF书籍书籍和学习文档资料是学习网络安全过程中必不可少的我自己整理技术文档包括我参加大型网安行动、CTF和挖SRC漏洞的经验和技术要点电子书也有200多本书籍含电子版PDF三、网络安全视频教程对于很多自学或者没有基础的同学来说书籍这些纯文字类的学习教材会觉得比较晦涩难以理解因此我们提供了丰富的网安视频教程以动态、形象的方式展示技术概念帮助你更快、更轻松地掌握核心知识。网上虽然也有很多的学习资源但基本上都残缺不全的这是我自己录的网安视频教程上面路线图的每一个知识点我都有配套的视频讲解。四、网络安全护网行动/CTF比赛学以致用当你的理论知识积累到一定程度就需要通过项目实战在实际操作中检验和巩固你所学到的知识同时为你找工作和职业发展打下坚实的基础。五、网络安全工具包、面试题和源码“工欲善其事必先利其器”我为大家总结出了最受欢迎的几十款款黑客工具。涉及范围主要集中在 信息收集、Android黑客工具、自动化工具、网络钓鱼等感兴趣的同学不容错过。面试不仅是技术的较量更需要充分的准备。在你已经掌握了技术之后就需要开始准备面试我们将提供精心整理的网安面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。如果你是要找网安方面的工作它们绝对能帮你大忙。这些题目都是大家在面试深信服、奇安信、腾讯或者其它大厂面试时经常遇到的如果大家有好的题目或者好的见解欢迎分享。参考解析深信服官网、奇安信官网、Freebuf、csdn等内容特点条理清晰含图像化表示更加易懂。内容概要包括 内网、操作系统、协议、渗透测试、安服、漏洞、注入、XSS、CSRF、SSRF、文件上传、文件下载、文件包含、XXE、逻辑漏洞、工具、SQLmap、NMAP、BP、MSF…**读者福利 |***CSDN大礼包《网络安全入门进阶学习资源包》免费分享 *安全链接放心点击