GitHub將對部分漏洞賞金獵人改用禮品而非現金支付

幾十年來，漏洞賞金計劃一直是網絡安全領域的關鍵減壓閥，為獨立研究人員提供了一條結構化的途徑，讓他們能夠在攻擊者利用漏洞之前披露漏洞。然而，隨着AI輔助報告的大量湧入，這一體系的部分環節正在發生劇變。

GitHub上週宣佈，由於安全研究中AI工具的使用日益增多，提交數量急劇上升，公司將收緊其漏洞賞金計劃的標準。

在博客文章中，GitHub漏洞賞金計劃的高級產品安全工程師Jarom Brown表示，公司發現越來越多提交缺乏概念驗證、影響演示或明確證據表明可被利用的安全邊界已被突破。他寫道：“整個行業的項目都在應對同樣的挑戰，有些已經完全關閉。”

AI垃圾報告氾濫

GitHub強調，它並不反對研究人員使用AI。事實上，該公司預計AI將日益成為現代安全研究工作流程的核心。問題在於，AI輔助生成的推測性或驗證不充分的報告數量不斷增長。

“工具並不重要。重要的是工作的質量。”Brown繼續説道。

這一消息發佈前一週，Anthropic推出了其首個公開的HackerOne漏洞賞金計劃，在此之前，該公司依賴更嚴格控制的內部安全測試。而僅僅幾周前，Anthropic還發布了Claude Mythos和Project Glasswing，這是一個受限制訪問的網絡安全計劃，圍繞一個更先進的前沿模型展開，該公司聲稱該模型能夠比當前公開系統更有效地識別和鏈接軟件漏洞。

Anthropic將Mythos定位為更廣泛努力的一部分，旨在更強大的進攻性AI工具普及之前加強防禦性網絡安全能力。然而，該公司同時向傳統的人工主導漏洞賞金計劃擴展，也凸顯了AI安全行業內部日益緊張的關係：即使企業推銷功能強大的自主網絡系統，他們仍然明顯依賴人類研究人員來識別、驗證和重現真實世界的漏洞。

現在需要概念驗證

根據更新後的標準，GitHub表示研究人員現在將面臨更嚴格的要求，包括可工作的概念驗證演示、安全影響證明、對掃描器或AI生成結果的驗證，以及遵守GitHub公佈的不可接受漏洞列表。

那些識別低風險加固機會或文檔空白的報告可能不再符合現金獎勵條件。相反，GitHub表示，一些仍會導致修復的低嚴重性發現將獲得公司禮品而非賞金。

該公司還敦促研究人員縮短提交內容並使其更易於驗證，認為過於冗長的報告使安全團隊更難識別真正可利用的發現。而問題的一部分再次歸因於AI。

“你的報告越清晰、越直接，我們就能越快地處理它。”Brown寫道：“冗長的報告，例如多頁理論敍述、重複的背景信息或AI生成的填充內容，會拖累分類速度，因為實際的發現被埋沒了。”

cURL的早期警告

GitHub的評論是在開放源代碼安全社區對所謂“AI垃圾”漏洞報告日益不滿之後發表的。今年1月，開源數據傳輸工具cURL的創始人和首席開發者Daniel Stenberg表示，該項目將關閉其漏洞賞金計劃，因為維護者被低質量的AI輔助提交所淹沒。

“我們實際上是在遭受分佈式拒絕服務攻擊，”Stenberg當時寫道。“如果可以，我們會向他們收取浪費我們時間的費用。我們仍然沒有看到任何通過AI幫助完成的有效的安全報告。”

Stenberg後來澄清説，他並不反對AI輔助安全研究本身，指出了研究人員成功利用AI工具發現合法漏洞和代碼問題的例子。他的批評針對的是為了追求漏洞賞金而生成的驗證不充分的提交。

這與GitHub的立場一致。該公司強調，AI輔助的發現仍然受歡迎——前提是研究人員在提交前進行適當驗證。

“人類研究人員對提交的準確性負責。”Brown寫道。

GitHub劃定的界限

GitHub的博文花大量篇幅討論了圍繞平台安全邊界的誤解，特別是涉及AI工具、惡意存儲庫和提示注入攻擊。

該公司認為，許多涉及有害AI輸出或惡意存儲庫的報告通常屬於所謂的“共享責任模型”。GitHub表示，用户仍然負責決定他們信任或執行哪些存儲庫、腳本、工作流和AI生成的輸出。

“當一次‘攻擊’要求受害者主動尋找並參與攻擊者控制的內容時，”Brown寫道，“安全邊界在於用户決定信任該內容。”

GitHub列舉了幾個通常不被視為符合賞金條件漏洞的例子，包括涉及故意輸入AI系統的提示注入攻擊、克隆存儲庫內的惡意Git鈎子，以及AI工具處理不可信輸入後產生危險輸出。

共享責任示例

這一區別之所以重要，是因為隨着AI編碼代理變得更加自主並更深入地集成到軟件開發環境中，提示注入和惡意AI生成代碼已成為核心關注點。

對於GitHub來説，界限似乎在於攻擊者是否繞過了實際由GitHub控制的安全邊界——或者僅僅是説服用户信任了惡意內容。