最新分析指出，大型語言模型（LLM）如今僅憑謠言或碎片資訊，即可生成可運作的漏洞利用程式，大幅降低了漏洞發現的門檻。這項技術演進使漏洞利用的生成變得普及，讓技術較弱的攻擊者也能針對低價值目標進行大規模攻擊。

此趨勢導致安全披露數量激增，部分開源專案維護者在一個月內收到的漏洞報告數量增加了十倍之多。儘管報告數量龐大，但這些由 AI 生成的漏洞報告命中率相當高，約有 75% 包含值得調查的具體線索。維護者正利用 AI 工具進行分類和草擬修復程式，以應對日益緊張的資源。

然而，這也凸顯出一個關鍵缺口：AI 驅動的漏洞發現速度已超越組織的修復能力。開發者面臨管理層意願不足的挑戰，難以處理日益累積的修復 backlog，導致軟體品質面臨潛在風險。

事件背景

傳統漏洞研究通常依賴分析修補程式、提交訊息或特定技術細節來尋找漏洞。大型語言模型已演進至能理解程式碼上下文與自然語言描述，使其能夠從模糊的提示或謠言中推斷潛在漏洞。這種轉變允許在無需深入手動分析原始碼的情況下，進行自動化的漏洞利用生成。

社群觀察

社群成員指出，開源維護者面臨巨大壓力，與往年相比披露數量大幅增加。大家普遍認為，雖然 AI 讓發現和修復漏洞變得更容易，但組織的意願和資源配置仍是影響軟體品質的主要瓶頸。