z6首页

数字经济的安全基石

申请试用

首页 > 关于z6首页 > z6首页动态 > 2026 > 正文

一周年回首:深度分解“缝隙工厂”,,, ,,,,,揭秘中国版Mythos的构建之路

阅读量:次 文章起源:z6首页信息
图片
2025年4月,,, ,,,,,卫兵尝试室一位00后钻研员提出了一个斗胆的设法:
能不能把缝隙挖掘做成一座“工厂”????????



这个设法在其时听起来有些胡思乱想。 。。。。
缝隙挖掘持久以来是一项高度依赖专家经验的工作。 。。。。面对一个陌生项目,,, ,,,,,钻研员必要理解代码、梳理挪用关系、寻找攻击蹊径、机关缝隙如果,,, ,,,,,再通过环境验证证明缝隙真实存在。 。。。。
一个缝隙的发现,,, ,,,,,往往是一次复杂的“抽卡”。 。。。。
若是换一个项目、换一种说话、换一个框架,,, ,,,,,钻研员可能又要重新起头。 。。。。
但AI的出现,,, ,,,,,让我们第一次看到了另一种可能:
若是让AI持续理解代码、持续提露马脚如果、持续实现分析和验证,,, ,,,,,缝隙挖掘能不能从“专家项目”,,, ,,,,,造成一种能够持续运行的出产能力????????



2025年6月,,, ,,,,,这个设法正式被界说为“缝隙工厂”专项 ;;;;; ;;;9月,,, ,,,,,缝隙工厂起头内部运营。 。。。。
一年之后,,, ,,,,,我们已经走过了从技术索求到产品化,,, ,,,,,再到真实环境验证的齐全过程:2026年2月,,, ,,,,,首款产等第利用恒脑AI代码审计智能体上线 ;;;;; ;;;7月,,, ,,,,,第二个产等第利用零日雷达上线。 。。。。
回头再看,,, ,,,,,“缝隙工厂」剽个名字,,, ,,,,,已经不再只是一个斗胆的设想。 。。。。
它逐步造成了一套我们每天都在真实运杏注真尝试证的缝隙挖掘出产系统。 。。。。

01我们为什么要造一座“缝隙工厂”????????
我们并不以为,,, ,,,,,给代码审计接入一个大模型,,, ,,,,,就蹬宗占有了AI缝隙挖掘能力。 。。。。
真正的问题是:
若何让AI持续找到缝隙,,, ,,,,,并且找到的缝隙可能被证明、被复现。 。。。。



这背后至少有三个根基判断。 。。。。


第一,,, ,,,,,缝隙挖掘真正稀缺的,,, ,,,,,不是代码,,, ,,,,,而是高低文
一个孤立的代码片段,,, ,,,,,很难注明它是否真的存在缝隙。 。。。。
缝隙可能暗藏在跨文件的挪用关下凤,,, ,,,,,也可能暗藏在权限、租户、所有权、状态机和额度等业务关系中。 。。。。
因而,,, ,,,,,缝隙挖掘的第毕出产力,,, ,,,,,不是让模型“看更多代码”,,, ,,,,,而是让模型获得足够高质量的高低文。 。。。。


第二,,, ,,,,,AI掌管“想”,,, ,,,,,确定性引擎掌管“证”
AI擅永天生如果,,, ,,,,,也善于组织跨文件、跨模???????榈挠镆骞叵。 。。。。
但“我以为这里可能存在缝隙”,,, ,,,,,和“这里的确存在一个缝隙”,,, ,,,,,是两回事。 。。。。
前者必要推理,,, ,,,,,后者必要证据。 。。。。
因而,,, ,,,,,我们没有试图让AI包揽所有,,, ,,,,,而是让AI掌管缝隙如果和复杂语义推理,,, ,,,,,再由确定性引擎实现事实构建、验证和复现。 。。。。
让AI掌管“想”,,, ,,,,,让引擎掌管“证”。 。。。。


第三,,, ,,,,,业务逻辑才是规 ;;;;; ;;;煜锻诰蛘嬲烟獾拇λ
SQL注入、XSS等传统缝隙类型,,, ,,,,,往往可能通过相对明确的模式进行鉴别。 。。。。
但真正复杂的业务缝隙,,, ,,,,,可能来自一个权限判断、一个租户隔离前提、一处所有权校验,,, ,,,,,或者一个状态机中的逻辑缺口。 。。。。
因而,,, ,,,,,缝隙工厂最终要解决的,,, ,,,,,并不是“让AI会找几个常见缝隙”,,, ,,,,,而是让它逐步具备理解真实软件复杂逻辑的能力。 。。。。
这也是我们界说缝隙工厂的起点:
面向明确授权的软件与数字资产,,, ,,,,,通过尺度化资产接入、可组合检测、AI辅助推理、隔离验证、证据固化和知识回流,,, ,,,,,持续出产高相信缝隙证据。 。。。。




02实际是检验真谛的唯一尺度


代码切片

对于大型软件项目而言,,, ,,,,,代码规模自身就是AI缝隙挖掘面对的第一路门槛。 。。。。
以我们测试的某大型ERP项目为例,,, ,,,,,项目压缩包达到269.5MB,,, ,,,,,解压后源码规模达到数GB。 。。。。面对这样的项目,,, ,,,,,即便模型自身具备较强的代码理解能力,,, ,,,,,也很难仅依附原生高低文窗口一次性理解齐全项目,,, ,,,,,更难成立跨文件、跨模???????榈拇牍亓。 。。。。
这意味着:
模型“会审代码”,,, ,,,,,不蹬宗模型“能审大型项目”。 。。。。



针对这一问题,,, ,,,,,缝隙工厂研发了自研切片分析引擎,,, ,,,,,不再要求模型一次性“吞下」佧个代码库,,, ,,,,,而是将大型项目依照代码结构、挪用关系和分析工作进行智能切片,,, ,,,,,再通过高低文关联与了局汇聚,,, ,,,,,让模型可能在有限高低文中持续获得实现缝隙分析所需的关键信息。 。。。。
最终,,, ,,,,,我们成功实现了对该ERP项主张整体缝隙审计,,, ,,,,,鉴别出的代码执杏注SQL注入、反序列化等高危缝隙,,, ,,,,,经过人为复核,,, ,,,,,有关缝隙均真实存在。 。。。。
这一项目成功证明:
高低文的天堑,,, ,,,,,能够通过工程能力突破。 。。。。



让模型看到代码,,, ,,,,,只是第一步 ;;;;; ;;;让模型看到与缝隙有关的整个高低文,,, ,,,,,才是真正的能力。 。。。。


框架的意思

我们拔取了国内两家拥有代表性的大模型厂商的4款模型,,, ,,,,,以真实缝隙发现能力为主题评价指标,,, ,,,,,通过统一评测集、统一测试流程和统一评价尺度,,, ,,,,,系统对比一样缝隙挖掘框架在靶场环境与真实环境中的检出阐发。 。。。。
了局显示,,, ,,,,,在一样框架下,,, ,,,,,4款模型的缝隙检出率整体维持不变,,, ,,,,,模型间颠簸极幼。 。。。。
这一了局注明,,, ,,,,,模型自身是缝隙挖掘能力的基础,,, ,,,,,但不变、可复用的缝隙发现能力,,, ,,,,,并不齐全取决于模型能力自身。 。。。。
为了进一步验证缝隙工厂框架的作用,,, ,,,,,我们引入 Claude Code 作为参照,,, ,,,,,在齐全一样的模型前提下,,, ,,,,,对比分歧框架在缝隙挖掘工作中的现实阐发。 。。。。
了局显示,,, ,,,,,框架差距会显著影响模型最终的缝隙发现成效。 。。。。
在蕴含144个缝隙的靶场测试中:
  • 缝隙工厂框架 + GLM-5.2:检出126个,,, ,,,,,检出率87.5% ;;;;; ;;;
  • Claude Code + GLM-5.2:检出109个,,, ,,,,,检出率75.7%。 。。。。
当测试从尺度化靶场进入真实项目,,, ,,,,,差距进一步扩大。 。。。。
在蕴含87个真实缝隙的测试中:
  • 缝隙工厂框架 + GLM-5.2:检出50个,,, ,,,,,检出率57.5% ;;;;; ;;;
  • Claude Code + GLM-5.2:检出13个,,, ,,,,,检出率14.9%。 。。。。
这组数据对我们最大的意思,,, ,,,,,并不是证明“谁赢了”。 。。。。
而是验证了一个更沉要的判断:
大模型提供了缝隙挖掘的能力基础,,, ,,,,,但真正决定这些能力能否转化为缝隙发现能力的,,, ,,,,,是整个框架。 。。。。




理解业务逻辑

为了验证缝隙工厂是否具备理解复杂业务逻辑的能力,,, ,,,,,我们让AI天生了一个齐全的电商系统,,, ,,,,,再将其交给缝隙工厂进行自主分析。 。。。。

<< ?滑动查看下一张图片 ?>>

在回放过程中能够清澈看到,,, ,,,,,缝隙工厂并不是单一扫描某一行代码,,, ,,,,,而是自动萦绕支付金额、订单金额、支付流程等关键业务关系发展分析,,, ,,,,,沿着参数传递和跨模???????榕灿媒凶纷,,, ,,,,,最终发现:
用户传入的支付金额未与订单现实金额进行校验,,, ,,,,,导致攻击者能够篡改支付金额,,, ,,,,,以远低于商品现实价值的金额实现采办。 。。。。



这类缝隙很难通过单一规定直接射中。 。。。。
由于从代码层面看,,, ,,,,,支付接口自身可能齐全“正常” ;;;;; ;;;真正的问题在于,,, ,,,,,用户输入的金额与系统真实业务状态之间短缺一个关键的不变量校验。 。。。。
而这刚好是业务逻辑缝隙最难、也最有价值的处所:
缝隙不愿定藏在代码里,,, ,,,,,也可能藏在代码没有遵守的业务规定里。 。。。。



进一步来看,,, ,,,,,AI缝隙挖掘真正必要解决的,,, ,,,,,不只是“看懂代码”,,, ,,,,,而是:
看懂代码背后的业务。 。。。。




03脱离尝试室,,, ,,,,,走到客户现场
真实项目验证之后,,, ,,,,,下一个问题天然出现了:
若是缝隙工厂要真正走到客户现场,,, ,,,,,它能不能面对比尝试室更复杂的软件环境????????



作为国内首个AI原生代码审计利用,,, ,,,,,恒脑AI代码审计智能体已经上线便收到近百家客户单元申请试用。 。。。。
激昂之余,,, ,,,,,忧郁相继而至。 。。。。


第一个难关就是正确率
在某能源客户现场,,, ,,,,,客户以java-sec-code尺度靶场为查核凭据,,, ,,,,,恒脑AI代码审计智能体给出78份汇报,,, ,,,,,射中74个尺度答案。 。。。。
(VF为缝隙工厂英文翻译简称)
还有额表检出为非尺度缝隙但真实存在的安全问题:AntObjectInputStream反序列化黑名单绕过、FileUpload蹊径遍历上传、ReferFilter被禁用、LoginFailureHandler敏感信息泄露。 。。。。
74个标答+4个非标答,,, ,,,,,正确率达到惊人的100%。 。。。。
但对于缝隙挖掘来说,,, ,,,,,我们更关切的是:
当尺度答案隐没之后,,, ,,,,,它还能不能找到真正的问题????????



在某金融客户真实业务系统中,,, ,,,,,共天生83份汇报,,, ,,,,,其中76份被验证为正确,,, ,,,,,正确率达到91.6%。 。。。。
从100%到91.6%,,, ,,,,,我们在客户现场验证了:
当环境从尺度化测试走向真实业务,,, ,,,,,缝隙工厂依然可能维持较高的正确性。 。。。。





第二个难关是说话与框架的复杂性
客户现场的软件,,, ,,,,,往往不是单一说话、单一框架组成的尺度化项目,,, ,,,,,而是由多种说话、框架、组件和技术栈持久演进形成的复杂系统。 。。。。
统一个业务系统中,,, ,,,,,可能同时存在 Java、Python、Go、C/C++、JavaScript 等多种说话,,, ,,,,,也可能同时使用 Spring Boot、Django、Gin、Kubernetes、LangChain、n8n 等分歧类型的框架与平台。 。。。。
这意味着,,, ,,,,,客户现场的缝隙挖掘不能只在某一种说话或某一个框架中有效。 。。。。它必要理解分歧技术栈之间的挪用关系,,, ,,,,,也必要适应分歧项目结构、开发模式和业务逻辑。 。。。。
这一阶段,,, ,,,,,缝隙工厂的关键指标就是扩大缝隙挖掘能力的覆盖领域。 。。。。
目前,,, ,,,,,缝隙工厂实现了对16种后端主题说话的系统性覆盖:
  • 企业级主力:Java、PHP、Python、C/C++
  • 现代云原生栈:Go、Rust、TypeScript、JavaScript、C#、Ruby
  • 幼多 / 专业领域:Lua、Erlang、Scala、Clojure、Elixir
迸罪言更见功力的,,, ,,,,,是框架层的理解深度,,, ,,,,,当行业无数审计工具仍停顿在 “传统 Web 框架”的舒服区时,,, ,,,,,z6首页审计对象已深刻PyTorch、LangChain 等AI利用自身。 。。。。
以AI治理AI,,, ,,,,,不是一句标语,,, ,,,,,而是一整年的实战。 。。。。


第三个难关是突破安全“学问”
在软件安全领域,,, ,,,,,有一些持久存在的“学问”:
驰名厂商有专业的安全团队,,, ,,,,,主题产品经过多年安全建设,,, ,,,,,风险应该已经被充分发现 ;;;;; ;;;热点开源项目占有重大的社区和大量钻研人员,,, ,,,,,甚至已经被反复审计过,,, ,,,,,再进行同样的安全查抄,,, ,,,,,价值似乎已经有限。 。。。。
但从前一年缝隙工厂的实际,,, ,,,,,让我们起头沉新审视这件事。 。。。。
我们把缝隙挖掘指标扩大到全球主流贸易软件、基础设施级开源项目、AI大模型生态以及国产信创生态:
这些项主张共同特点是:成熟、驰名、占有持久的安全投入,,, ,,,,,好多项目也经历过大量安全钻研和审计。 。。。。
但在缝隙工厂持续的AI辅助挖掘中,,, ,,,,,我们依然不休发现新的安全问题。 。。。。
这意味着一个值得沉新思虑的问题:
“已经被审计过”,,, ,,,,,并不料味着“不会再发现新的缝隙”。 。。。。



代码在变动,,, ,,,,,职能在变动,,, ,,,,,依赖在变动,,, ,,,,,业务逻辑在变动,,, ,,,,,新的攻击蹊径也可能随之产生。 。。。。
从前没有被发现,,, ,,,,,并不蹬宗缝隙不存在。 。。。。
作为持久以安全性和不变性著称的成熟开源操作系统,,, ,,,,,FreeBSD同样经历了数十年的持续开发与安全守护。 。。。。缝隙工厂在对其发展钻研时,,, ,,,,,发现了一个埋伏长达32年的安全缝隙。 。。。。
它注明,,, ,,,,,软件的成熟度和安全团队的专业水平固然沉要,,, ,,,,,但它们并不能成为“无需再次审计”的理由。 。。。。
安全没佑装审计实现」剽一刻。 。。。。
AI不是在沉复从前的安全查抄,,, ,,,,,而是在尝试沉新扫描那些“我们以为已经看过”的软件世界。 。。。。


04从“作茧”到“破茧”
当AI起头具备规 ;;;;; ;;;煜斗⑾帜芰χ,,, ,,,,,一个新的现实也随之出现:
缝隙在变得越来越多。 。。。。




AI把缝隙挖掘能力开释出来,,, ,,,,,也让缝隙钻研进入一个全新的数量级。 。。。。
若是依然用从前齐全依赖人为的方式逐个分析,,, ,,,,,能力越强,,, ,,,,,反而越容易被海量信息困住。 。。。。
所以,,, ,,,,,缝隙工厂起头了下一步进化。 。。。。
2026年7月,,, ,,,,,第二款产等第利用——零日雷达正式上线。 。。。。
它进一步利用缝隙工厂的关键能力,,, ,,,,,将零散的缝隙谍报进行AI分析、环境验证,,, ,,,,,并转化为能够使用的防御规定。 。。。。
作茧,,, ,,,,,是AI导致缝隙数量的增长。 。。。。
破茧,,, ,,,,,是让AI起头具备理解这些缝隙的能力。 。。。。
真实缝隙事务,,, ,,,,,则让我们看到这套能力真正进入现实世界之后是什么样子。 。。。。
2026年7月18日,,, ,,,,,零日雷达自动监测到IBM Langflow有关缝隙谍报。 。。。。
随后实现AI缝隙分析与环境验证,,, ,,,,,并在T+1天内将规定配置到客户现场。 。。。。
20天后,,, ,,,,,也就是8月7日,,, ,,,,,攻击者起头利用该缝隙提议攻击。 。。。。
客户侧流量检测设备射中此前天生的规定,,, ,,,,,鉴别到有关攻击行为,,, ,,,,,客户随即实现IP封禁。 。。。。
8月14日,,, ,,,,,IBM官方颁布建复规划。 。。。。
从缝隙谍报出现,,, ,,,,,到分析、验证、规定落地,,, ,,,,,再到真实攻击产生,,, ,,,,,这一次我们第一次齐全地看到了一条新的链路:
缝隙出现 → AI分析 → 环境验证 → 规定天生 → 真实攻击 → 防御射中



它让我们越发确信:
真正的实战,,, ,,,,,不是尝试室里发现了几多缝隙,,, ,,,,,而是当一个真实缝隙呈此刻真实世界时,,, ,,,,,我们能不能尽可能早地理解它。 。。。。




05一年之后,,, ,,,,,再看“缝隙工厂”
2025年4月,,, ,,,,,我们第一次提出“缝隙工厂」剽个设法。 。。。。
那时,,, ,,,,,我们想解决的只是一个问题:
能不能让AI持续找缝隙????????



一年之后,,, ,,,,,这个问题已经有了越来越具体的答案。 。。。。
我们把它放进真实的开源软件里 ;;;;; ;;;
把它放进分歧说话、分歧框架和分歧技术栈里 ;;;;; ;;;
把它与分歧的AI代码智能体放在一样模型前提下进行比力 ;;;;; ;;;
把它交给第三方验证 ;;;;; ;;;
把它放进真实业务系统 ;;;;; ;;;
再把它带到真实缝隙和真实攻击事务中。 。。。。
从“无意发现一个缝隙”,,, ,,,,,到“持续出产高相信缝隙”。 。。。。
从一个钻研员的单点能力,,, ,,,,,到一套能够不休运杏注不休迭代的系统能力。 。。。。
这就是缝隙工厂上线一周年,,, ,,,,,我们真正想回覆的问题。 。。。。
我们造的,,, ,,,,,不是一个更大的扫描器。 。。。。
而是一套让AI持续发现那些正本不该存在的缝隙的出产系统。 。。。。

关关

客服在线征询入口,,, ,,,,,等待与您互换

线上征询
产品试用

即刻预约免费试用,,, ,,,,,我们将在24幼时内联系您

联系z6首页

征询电话:400-6059-110

微信征询
z6首页信息联系方式
【网站地图】【sitemap】