一句话看懂：安全公司 zkSecurity 使用其 AI 审计代理在 Cloudflare 的开源密码学库 CIRCL 中发现了 7 个真实漏洞，其中包括一个被 Cloudflare 确认为“严重”级别的访问控制缺陷。所有漏洞均已被修复，验证了 AI 在自动化代码审计中的实际能力。
事件核心：发生了什么
zkSecurity 团队将其研发的 AI 审计代理 zkao 及通用大模型（包括 Opus 4.6 和 GPT-5.3）应用于 Cloudflare 的 CIRCL 实验性密码学库。在人工验证环节后，该团队确认并上报了 7 个真实漏洞。这些漏洞涵盖了从阈值 RSA 实现中的 float64 精度丢失（因浮点数尾数限制导致多项式求值出错），到基于属性加密中的访问控制完全绕过。根据 Cloudflare 的修复确认，其中 1 个漏洞被评为“Critical”（严重），1 个为“High”（高危），1 个为“Medium”（中危），其余 4 个为“Low”（低危）。值得注意的是，AI 自身评估的严重性与 Cloudflare 修正后的评级存在明显差异，例如 AI 认为“严重”的 float64 精度问题，Cloudflare 最终确认仅为“低危”。所有漏洞目前均已在 CIRCL 上游仓库中被修复。
为什么重要
这一结果展示了 AI 审计在开源关键基础设施中的实用价值。密码学代码因逻辑复杂性与数学敏感性，长期以来是传统扫描工具的盲区。zkSecurity 的实验表明，通过结合大模型的推理能力与领域专家的知识编码（即“技能”），AI 工具不仅能发现已知模式漏洞，还能识别出跨功能模块的、逻辑更隐蔽的缺陷。这标志着代码审计正从“人工 + 规则引擎”向“人工 + AI 持续审计”演进。同时，AI 评级与人工评级的偏差也揭示了当前大模型对漏洞影响范围与利用难度的判断仍不成熟，人类专家的最终复核环节不可或缺。zkSecurity 将这一过程称为“human-in-the-loop”，并正通过 zkao 工具试图自动化这一步。
对用户/开发者/创作者的影响
对于使用 Cloudflare 产品或 CIRCL 库的开发者，这些漏洞已通过上游修复消除，无需额外操作。对于从事安全研究的团队或企业，此案例提示了一种新的工作流：可将 AI 初步扫描作为“廉价发现层”，大幅降低人工审计的初始搜索成本。对于使用密码学库的普通用户（如数字签名、加密凭证），这些漏洞的修复提升了底层安全性——尤其是在阈值签名和属性加密等对数学精度极度敏感的场景中。对于开源维护者，此事件也提醒：在接收 AI 生成的漏洞报告时，必须建立标准化的验证流程，避免因 AI 误判而浪费维护资源。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
以下是该事件值得追踪的 3 个观察点：
1. zkao 的自动化验证能力。 zkSecurity 表示当前版本已能承担大部分验证工作，但完全取代人工仍需迭代。后续公开的实验（该系列博客的第二篇）有望展示其在其他密码学库中的表现。
2. 大模型对口密码学推理的盲区演化。 文中提及 AI 对漏洞严重性的评级混乱是一个核心问题。若后续模型能更准确地评估漏洞利用难度，AI 审计的商业落地速度将显著提升。
3. 开源社区的接受度。 Cloudflare 通过 HackerOne 对部分漏洞发放了奖金，表明其认可 AI 发现的价值。这可能会吸引更多开源项目开始接收或甚至主动寻求 AI 审计，从而改变开源安全协作的生态。
