軟體工程師 Jeff Kaufman（jefftk）5 月 8 日發表「AI is Breaking Two Vulnerability Cultures」一文、主張 AI 同時打破兩種長期並存的資安漏洞處理文化—協調揭露（coordinated disclosure）與「靜默修補」（bugs are bugs）—兩種策略所依賴的「攻擊者偵測速度緩慢」前提、都已被 AI 自動掃描技術突破。Kaufman 部落格原文並在 Hacker News 取得超過 200 分熱度、是本週開發者社群討論度最高的資安觀察文章之一。
兩種漏洞文化：協調揭露 vs 「靜默修補」
Kaufman 整理的兩種文化框架：
協調揭露（coordinated disclosure）—發現者私下通知維護者、給予典型 90 天修補窗口、再公開揭露。背後假設：攻擊者要花時間獨立發現同一漏洞
「Bugs are Bugs」靜默修補—Linux 等開源專案常見作法、修補時不特別標示為安全修復、靠提交流量「淹沒」資安修補、避免引起攻擊者注意
兩種文化過去能並存、是因為攻擊者沒有「快速、自動、低成本」的工具掃描所有提交記錄或同時尋找同一漏洞。AI 改變了這個前提。
AI 對「靜默修補」的衝擊：commit 掃描變便宜
AI 對 Linux 風格開源專案的具體衝擊：
過去：攻擊者要逐一審視提交、需要大量人力與時間、「淹沒在提交流量裡」是有效掩護
現在：AI 可低成本掃描提交歷史、自動辨識「看起來像安全修補」的 commit、即使作者沒有明說
影響：靜默修補的隱蔽性正在快速失效、「修補後等部署」的緩衝期被壓縮
Kaufman 引用具體案例：「審視提交（examining commits）越來越具吸引力」、因為 AI 對每一個變更的評估「越來越便宜、越來越有效」。這意味未來開源專案無法再依賴「修補速度比攻擊者注意速度快」的傳統優勢。
AI 對「協調揭露」的衝擊：90 天禁運期變得反效果
協調揭露文化的核心是「禁運期」（embargo）、發現者承諾在維護者修補前不公開—但 AI 讓多個團隊可同步掃描相同漏洞：
具體案例：研究者 Hyunwoo Kim 報告的某漏洞、9 小時後就被獨立發現
多個 AI 輔助掃描團隊同步運作、長禁運期反而給予「假性的不急迫感」
當其他人 9 小時就能找到、90 天禁運讓真正的攻擊者擁有 89 天 23 小時的攻擊窗口
Kaufman 的結論是：未來應採用「非常短的禁運期」（very short embargoes）、且隨 AI 能力提升越縮越短。重要的是、AI 加速並非單方面利於攻擊者—防守者也能用 AI 加速修補與部署、雙方在壓縮的時間窗內競速。
後續可追蹤的具體事件：Linux Kernel 與 Project Zero 等大型專案是否更新揭露時程指引、AI 自動漏洞掃描工具（Semgrep、CodeQL 等）的商業化進度、以及企業資安部門對「AI 加速雙刃」的具體應對策略。
這篇文章 Jeff Kaufman：AI 同時打破兩種資安漏洞文化、90 天禁運期變反效果 最早出現於 鏈新聞 ABMedia。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
AI 語音創業公司 Vapi 完成由 Peak XV Partners 領導的 $50M 系列 B 融資
根據 TechCrunch，Vapi，一家 AI 語音創業公司，完成了一輪由 Peak XV Partners 領投的 5000 萬美元 B 輪融資，融資後估值約 5 億美元。Ring（亞馬遜的子公司）在評估超過 40 家 AI 語音供應商後，部署 Vapi 以處理其 100% 的來電，協助推動這輪融資。
GateNews21分鐘前
在重複的記憶摘要之後，ARC-AGI 上的 GPT-5.4 準確率從 100% 下降至 54%
根據 Beating，伊利諾伊大學的博士生 Dylan Zhang 所進行的一項近期「代理（Agent）記憶」研究發現，反覆摘要化模型的經驗可能會降低表現，而不是提升它。在 ARC-AGI 任務中，GPT-5.4 在不使用記憶的情況下，於 19 個問題上達到 100% 準確率；但在基於正確解題軌跡進行多輪記憶壓縮之後，準確率降至 54%。同樣地，在 WebShop 購物任務中，AWM 記憶方法在 8 條專家軌跡時得分為 0.64，但在 128 條軌跡時降至 0.20，並回到基準值。研究指出，這個問題源於過度摘要：每一步抽象化都會流失特定細節，並將任務專屬的規則合併成通用指引，最終導致模型表現惡化。
GateNews33分鐘前
NVIDIA 與 MIT 發布 Lightning OPD 架構，提升模型蒸餾效率 4 倍，同時消除 GPU 記憶體問題
據報導，NVIDIA 與 MIT 研究人員發布了 Lightning OPD（Offline On-Policy Distillation），這是一種用於大型語言模型的新型後訓練框架，可消除在訓練期間維持教師模型持續運行的需求。透過離線預先計算教師模型的對數機率，該框架可使訓練效率提升 4 倍，同時釋放所有 GPU 資源用於學生模型訓練。 在 8 張 NVIDIA H100 GPU 的測試中，Lightning OPD 成功蒸餾了 Qwen3-30B-A3B-Base（具 300 億參數的 MoE 模型），並在 AIME 2024 基準測試上達到 71.0；相較之下，標準 OPD 在相同硬體上因記憶體不足而失敗。對於較小的 Qwen3-8B 模型，該框架僅需 30 個 GPU 小時計算時間即可達到 69.9 分。
GateNews49分鐘前
OpenAI 於 5 月 12 日擴大可信存取計畫，涵蓋數十家歐洲企業
根據 5 月 12 日的報導，OpenAI 宣布計劃將其可信存取計畫擴展至數十家歐洲企業。
GateNews56分鐘前
真人版變形金剛！宇樹科技推出全球首款量產型機器人載具，售價 57 萬美元
杭州的宇樹科技宣布推出GD01全球首款量產變形機甲，可在雙足與四足間自由切換，重約500公斤，售價約人民幣390萬元，定位民用運輸載具。示範顯示步行與底盤重組，展現硬體與運動控制整合。中國人形機器人市場占全球近九成，智元機器人則以軟體世界模型GE-Sim 2.0推動自我訓練。晶片與算力供應鏈仍是發展瓶頸。
鏈新聞abmedia2小時前
思考機器 Model T 將 GPT-Realtime-2 以今日音訊基準第 1 名之姿擊敗，APR 得分為 43.4%
根據 Scale Labs 今天發布的最新 Audio MC S2S 基準測試，Thinking Machines 的 TML-Interaction-Small 模型獲得 43.36 分，與 OpenAI 的 GPT-Realtime-2（xHigh）並列第一，且其 APR 得分為 43.4%。整體總分領先者 GPT-Realtime-2（xHigh）得分為 48.45 分，而 TML-Interaction-Small 緊隨其後同樣是 43.36 分；兩者差距落在統計誤差範圍內，因此官方結果並列第一。
GateNews2小時前
