Lovable 用 AI 黑客代理羣對自身發動安全攻擊

Lovable 在其核心平台中運行着一支由 AI 代理組成的黑客羣，它們不斷地對自身系統發起攻擊。這些代理像人類攻擊者一樣掃描每一個入口，直到找到可驗證的漏洞為止。這種方法效果顯著，填補了即使是最專業的 AI 安全供應商也無法滿足的空白。

這種做法的價值在於讓安全團隊能夠專注於真正重要的漏洞。應用安全團隊可以集中精力處理高優先級問題，而進攻性安全研究人員則因為代理已經完成了初步的偵察工作而大大加快了速度。

本文介紹了 Lovable 如何圍繞可驗證結果構建內部進攻性安全計劃，以及如何編排代理羣以發現真實漏洞而非噪聲。需要明確的是，這並未取代人類黑客——代理仍然需要人類的協調和理解，進攻性研究人員仍有大量工作要做。

該計劃的核心是“奪旗”機制：代理必須從它本不應能夠訪問的系統中檢索到一串特殊的文本（旗幟），才能證明其成功。旗幟是客觀事實，捕獲意味着存在真實的漏洞，而非模型的感覺。這與大多數掃描器產生的結果有本質區別。

與傳統的奪旗競賽不同，Lovable 不會故意在系統中植入漏洞。相反，它在基礎設施和產品表面各處散佈旗幟，但不設置任何人為的漏洞。如果代理捕獲了一面旗幟，就説明它找到了一個真實可入侵的路徑。

可驗證的目標是整個系統運作的關鍵。代理會持續運行直到真正攻破系統並提交報告。如果沒有這種約束，安全代理往往過早放棄，留下大量低嚴重性的垃圾結果，而真正困難的漏洞則無人問津。

在構建攻擊場景時，黃金法則是最大化攻擊面並最小化攻擊距離。目標是讓代理的工作儘可能簡單，因為困難的攻擊路徑往往包含在簡單的路徑中。例如，讓代理以協作者身份加入一個合成項目，然後嘗試訪問同一工作區內的另一個受害者項目，這樣就最小化了攻擊距離。同時，代理可以訪問所有產品表面，包括通常難以直接觸及的 Lovable 編碼代理背後的工具，這些工具通過專用 API 暴露出來。

然而，擴大攻擊面也帶來了成本。表面越大，越需要精心編排代理，防止它們分心。不同環境需要不同的目標和優先級。代理在構思攻擊向量方面表現不錯，但結合人類知識能提高發現可操作漏洞的幾率。知道哪裏不值得關注同樣重要，可以避免浪費資源審計可靠的邊界。

一個提示：永遠不要要求代理檢查漏洞是否存在——“檢查”會讓代理將安全通過視為成功並停止。相反，告訴代理漏洞是真實存在的，它的唯一任務就是找到它，這樣代理會持續搜索。

Needless to say，運行黑客代理羣並不能取代安全工程。Lovable 持續投入資源構建頂級的認證、授權等安全基礎。這也不能取代人類進攻性研究——代理雖然出色，但依然依賴人類的指導才能有用且經濟。

這種方法並非全新，但尚未廣泛使用，因為它難以像 AI SAST 或代理滲透測試服務那樣商品化。目前，這樣的計劃需要由深入瞭解系統信任邊界和架構的內部人員自行構建。黑客攻擊始終是一門藝術，代理化黑客也不例外——沒有規則，需要品味。