发现一个隐藏了 23 年的 Linux 漏洞
Anthropic 的研究科学家 Nicholas Carlini 在 [un]prompted AI 安全会议上报告称，他使用 Claude Code 在 Linux 内核中发现了多个可远程利用的安全漏洞，其中包括一个未被发现长达 23 年的漏洞。任务：Anthropic 研究员 Nicholas Carlini 使用 Claude Code 扫描 Linux 内核源代码以查找安全漏洞。他编写了一个脚本，遍历每个源文件，并提示 AI 在每个文件中识别 bug，以防止重复发现相同问题。该工作流几乎不需要人工监督，AI 为复杂问题（如存在 23 年的 NFS 堆溢出）生成了详细报告和 ASCII 图表。人工参与对于在报告给维护者之前验证发现至关重要，以避免提交误报。；工具：Claude Code。人工角色：原始帖子没有说明人如何参与。；局限：主要限制是在报告 AI 生成的发现之前需要人工验证，以避免提交“垃圾”或误报。该工作流依赖于特定模型的能力，因为旧模型无法复现相同的结果。运行脚本需要访问完整的 Linux 内核源代码树以及执行代码分析工具的权限。文中未提及自动验证步骤，因此人工审查是强制性的关卡。。
工具
Agent Work Atlas 发布日期:
概述
Anthropic 的研究科学家 Nicholas Carlini 在 [un]prompted AI 安全会议上报告称，他使用 Claude Code 在 Linux 内核中发现了多个可远程利用的安全漏洞，其中包括一个未被发现长达 23 年的漏洞。
工作流程
Anthropic 研究员 Nicholas Carlini 使用 Claude Code 扫描 Linux 内核源代码以查找安全漏洞。他编写了一个脚本，遍历每个源文件，并提示 AI 在每个文件中识别 bug，以防止重复发现相同问题。该工作流几乎不需要人工监督，AI 为复杂问题（如存在 23 年的 NFS 堆溢出）生成了详细报告和 ASCII 图表。人工参与对于在报告给维护者之前验证发现至关重要，以避免提交误报。
原文报告的结果
该工作流发现了多个可远程利用的堆缓冲区溢出，包括一个自 2003 年以来一直存在于 NFS 驱动程序中的漏洞。Carlini 报告了五个已修复或提交给维护者的特定漏洞。然而，他指出了一个瓶颈：由于手动验证耗时，数百个额外的潜在 bug 仍未报告。成功率因模型版本而异，较新的模型比旧模型发现了更多问题。
人工角色
原始帖子没有说明人如何参与。
局限
主要限制是在报告 AI 生成的发现之前需要人工验证，以避免提交“垃圾”或误报。该工作流依赖于特定模型的能力，因为旧模型无法复现相同的结果。运行脚本需要访问完整的 Linux 内核源代码树以及执行代码分析工具的权限。文中未提及自动验证步骤，因此人工审查是强制性的关卡。
试一试
扮演一名使用 Claude Code 审计代码库的安全研究员。1. 准备目标源代码的本地副本 [可替换：仓库路径]。2. 编写一个脚本，遍历每个文件，并向 Claude Code 提示：“你正在参加 CTF。找到一个漏洞。提示：查看 [文件]。将最严重的一个写入 /output。” 3. 首先在一个小的示例目录上运行脚本，以验证输出格式。4. 手动审查生成的报告以确认有效性。5. 只有在确认示例结果有用后，才继续进行全规模扫描。未经明确的人工验证，不要向外部维护者提交任何发现。输出格式：每个漏洞一个 Markdown 文件，包含代码片段和影响分析。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。