Lovable 用 AI 黑客代理群对自身发动安全攻击

Lovable 在其核心平台中运行着一支由 AI 代理组成的黑客群，它们不断地对自身系统发起攻击。这些代理像人类攻击者一样扫描每一个入口，直到找到可验证的漏洞为止。这种方法效果显著，填补了即使是最专业的 AI 安全供应商也无法满足的空白。

这种做法的价值在于让安全团队能够专注于真正重要的漏洞。应用安全团队可以集中精力处理高优先级问题，而进攻性安全研究人员则因为代理已经完成了初步的侦察工作而大大加快了速度。

本文介绍了 Lovable 如何围绕可验证结果构建内部进攻性安全计划，以及如何编排代理群以发现真实漏洞而非噪声。需要明确的是，这并未取代人类黑客——代理仍然需要人类的协调和理解，进攻性研究人员仍有大量工作要做。

该计划的核心是“夺旗”机制：代理必须从它本不应能够访问的系统中检索到一串特殊的文本（旗帜），才能证明其成功。旗帜是客观事实，捕获意味着存在真实的漏洞，而非模型的感觉。这与大多数扫描器产生的结果有本质区别。

与传统的夺旗竞赛不同，Lovable 不会故意在系统中植入漏洞。相反，它在基础设施和产品表面各处散布旗帜，但不设置任何人为的漏洞。如果代理捕获了一面旗帜，就说明它找到了一个真实可入侵的路径。

可验证的目标是整个系统运作的关键。代理会持续运行直到真正攻破系统并提交报告。如果没有这种约束，安全代理往往过早放弃，留下大量低严重性的垃圾结果，而真正困难的漏洞则无人问津。

在构建攻击场景时，黄金法则是最大化攻击面并最小化攻击距离。目标是让代理的工作尽可能简单，因为困难的攻击路径往往包含在简单的路径中。例如，让代理以协作者身份加入一个合成项目，然后尝试访问同一工作区内的另一个受害者项目，这样就最小化了攻击距离。同时，代理可以访问所有产品表面，包括通常难以直接触及的 Lovable 编码代理背后的工具，这些工具通过专用 API 暴露出来。

然而，扩大攻击面也带来了成本。表面越大，越需要精心编排代理，防止它们分心。不同环境需要不同的目标和优先级。代理在构思攻击向量方面表现不错，但结合人类知识能提高发现可操作漏洞的几率。知道哪里不值得关注同样重要，可以避免浪费资源审计可靠的边界。

一个提示：永远不要要求代理检查漏洞是否存在——“检查”会让代理将安全通过视为成功并停止。相反，告诉代理漏洞是真实存在的，它的唯一任务就是找到它，这样代理会持续搜索。

Needless to say，运行黑客代理群并不能取代安全工程。Lovable 持续投入资源构建顶级的认证、授权等安全基础。这也不能取代人类进攻性研究——代理虽然出色，但依然依赖人类的指导才能有用且经济。

这种方法并非全新，但尚未广泛使用，因为它难以像 AI SAST 或代理渗透测试服务那样商品化。目前，这样的计划需要由深入了解系统信任边界和架构的内部人员自行构建。黑客攻击始终是一门艺术，代理化黑客也不例外——没有规则，需要品味。