随着AI模型在编写和评估代码方面的能力不断增强,开源项目发现自己被大量高质量但需要仔细审查的AI生成内容所困扰。
对于curl项目而言,这意味着虽然低质量的AI垃圾报告减少了,但维护者需要评估的可信漏洞报告却大幅增加。
curl项目创始人兼首席开发者Daniel Stenberg在社交媒体上表示:"在过去几个月里,我们在curl项目中不再收到AI垃圾安全报告。它们消失了。相反,我们收到了越来越多真正优秀的安全报告,几乎全部都是在AI帮助下完成的。"
Stenberg说,这些报告的提交速度比以往任何时候都快,给维护者带来了日益增长的工作负担。
根据Stenberg的说法,其他开源维护者也面临着类似的情况。
Linux内核维护者Greg Kroah-Hartman最近指出,AI辅助的漏洞报告包含更少的垃圾信息和更多有效的问题。他表示Linux团队一直在努力处理增加的报告量,但暗示较小的团队可能正在苦苦挣扎。
即使报告质量更好,被识别出的问题也不一定是可以被利用且需要修正的安全漏洞。作为证据,Stenberg指出了curl的公开关闭报告列表。大多数报告被关闭是因为这些问题不是严重威胁,即使它们可能值得修正。
例如,curl库中的一个数据竞争问题最初被讨论为可能获得CVE编号的问题。但最终在拉取请求中得到修复,该漏洞被认为只是"信息性的"。
Stenberg在2024年曾经指出AI垃圾漏洞报告的问题,今年早些时候甚至停止为curl漏洞报告支付奖励。他的目标是消除提交错误或无根据报告的激励机制,无论这些报告来自为了最大化经济收益而最小化努力的自动化系统,还是来自使用AI工具但逃避检查AI工作义务的人员。
其他组织也采取了类似措施,最近的是Internet Bug Bounty项目,该项目表示将在3月底停止为漏洞发放金钱奖励。
项目维护者在一份同时关闭Node.js漏洞奖励项目的公告中说:"发现环境正在发生变化。AI辅助研究正在扩大整个生态系统的漏洞发现范围,提高了覆盖率和速度。开源中发现与修复能力之间的平衡已经发生了实质性转变。我们有责任确保该项目有效地实现其雄心勃勃的双重目标:发现和修复。因此,我们暂停提交,同时考虑推进这些目标所需的结构和激励机制。"
Linux维护者Willy Tarreau在回应Stenberg的帖子时指出,Linux内核团队与curl项目团队有着类似的经历。他认为需要对漏洞报告者提出更多要求。
他说:"是时候更新报告规则了,通过让大语言模型加报告者承担更大份额的工作来减少开销,从而减少分类所花费的时间。"
强大的AI工具并不能增加人类参与者的能力。AI带来的许多名义上的生产力提升可能只是AI工具用户将代码审查成本转移到账面之外。
Q&A
Q1:为什么curl项目的维护者工作负担反而增加了?
A:虽然AI垃圾报告减少了,但AI现在能生成大量高质量的安全漏洞报告,这些报告看起来很专业,维护者必须仔细评估每一个。报告提交速度比以往更快,给维护者带来了日益增长的工作负担。
Q2:AI生成的漏洞报告都是真正的安全威胁吗?
A:不是的。即使报告质量更好,被识别出的问题也不一定是可以被利用的严重安全漏洞。curl的公开记录显示,大多数报告最终被关闭,因为这些问题不是严重威胁,即使可能值得修正。
Q3:开源项目如何应对AI辅助漏洞报告带来的挑战?
A:一些项目停止了漏洞奖励计划,如curl和Internet Bug Bounty项目,目的是消除提交低质量报告的经济激励。维护者还建议更新报告规则,要求报告者承担更多工作以减少审查负担。
好文章,需要你的鼓励
今天讲的出海案例是开创电气,一家金华手持式电动工具制造商,在越南基地完成首款产品验收并形成80万台年产能力。
清华、浙大等高校提出OPID框架,从AI自身完成的任务轨迹中提炼层级化经验技能,转化为密集训练信号,解决强化学习中稀疏奖励难以精细指导决策的问题。
研究人员意外发现,标准MOSFET晶体管可同时模拟神经元和突触行为,形成"神经突触随机存取存储器"(NSRAM)。该技术仅需一至两个晶体管即可实现传统需数十乃至数百个元件才能完成的神经信号处理,且与现有硅基制造工艺完全兼容,良率达100%。未来有望应用于边缘AI及高能效神经形态芯片,长远或可挑战GPU地位。
萨里大学与西蒙菲莎大学联合提出ABACUS模型,首次将物体计数、人群计数、指代计数与精准图像生成统一在单个30亿参数模型中,七项基准全面超越现有专业模型。