AI漏洞报告挤爆苹果审核

苹果开始给漏洞报告“限流”

苹果正在限制安全研究人员提交潜在软件漏洞的数量，原因不是漏洞变少了，而是 AI 生成的报告多到内部安全团队来不及判断真假。苹果向媒体确认，公司已在今年 6 月调整漏洞提交流程，对每名研究人员可同时提交的新报告设置上限，并引入最长 30 天的冷却期；研究人员若希望提高配额，需要另行申请。

这次调整意味着，生成式 AI 对网络安全行业的影响已经从“提高漏洞挖掘效率”进入“挤占漏洞处置能力”的阶段。过去，安全厂商主要担心 AI 帮助攻击者写恶意代码；现在，更现实的问题是大量看似专业、实际无法复现的报告正在消耗工程师时间，让真正严重的漏洞也可能被淹没。

苹果将其中一部分报告称为“AI 垃圾”。**AI 垃圾（AI slop）是由生成式 AI 批量生产、表面完整但缺乏事实验证和有效信息的内容。**在漏洞报告场景中，它通常拥有工整的标题、风险评级、攻击路径和修复建议，却没有可复现步骤、有效概念验证，甚至把正常的软件行为误判成安全缺陷。

苹果表示，每一份提交的漏洞报告仍需要人工审核确认，同时公司也开始使用 AI 对报告进行辅助处理和分流。这个做法并不矛盾：AI 制造了规模问题，苹果又不得不用另一套 AI 缓解规模问题，最终决定漏洞是否成立的责任仍然留给人类安全工程师。

三周找到 50 多个漏洞，但关键报告可能排不上队

意大利网络安全初创公司 Bynario 声称，其团队借助 OpenAI 的 ChatGPT，只用三周就在最新版 macOS 中发现了 50 多个漏洞。Bynario 成立于 2025 年，团队只有 7 名员工，这组数字直接展示了 AI 对小型安全团队生产力的放大作用：过去需要更多研究人员完成的代码阅读、调用链追踪和异常行为分析，现在可以由少数人并行推进。

Bynario 报告的问题中还包括一条权限提升漏洞利用链。**权限提升（Privilege Escalation）是攻击者从低权限账户或受限进程获得更高系统权限的安全漏洞。**如果利用链能够稳定触发，并最终获得 macOS 的 root 级权限，攻击者就可能绕过原有权限边界，读取敏感数据、修改系统配置，甚至进一步控制设备。

不过，这些漏洞目前仍应被视为 Bynario 的单方发现，而不是已经完成验证的公开结论。苹果表示已经与 Bynario 取得联系，并正在审核其提交的信息；在苹果完成复现、风险确认和补丁发布之前，外界无法判断 50 多项发现中有多少是真实漏洞、有多少属于重复报告，又有多少只是理论上的异常路径。

Bynario 认为，提交数量限制使其无法及时报告其中一项严重漏洞。这个案例暴露了限流机制最棘手的副作用：系统可以减少低质量输入，却无法在报告进入队列之前准确知道哪一份最重要；如果配额已经被普通问题占满，后续发现的高危漏洞可能只能等待，或者要求研究人员额外申请提高上限。

苹果对此给出的补救措施是允许研究人员随时申请提高提交限制，以确保关键漏洞能够送达安全团队。问题在于，额外申请本身仍然需要识别和审核，如果审批速度跟不上 AI 挖掘速度，限流只是把拥堵从“漏洞审核队列”转移到了“配额申请队列”。

AI 幻觉进入安全报告，代价比写错答案更高

AI 幻觉是模型生成语义合理、但与真实代码行为或事实不符内容的现象。普通聊天机器人给错一个知识答案，用户最多重新搜索；漏洞报告出现幻觉，则可能让安全团队花费数小时搭建环境、检查调用链和尝试复现一个根本不存在的问题。

漏洞判断并不是从代码中找到一个可疑函数名，再让模型补齐攻击故事。一个有效漏洞通常需要同时回答几个问题：攻击者能否控制输入、输入能否抵达危险操作、现有权限检查是否真的可以绕过、目标版本能否稳定复现，以及最终影响是否超出了正常安全边界。任何一环不成立，报告中的“远程代码执行”或“权限提升”都可能只是语言模型推演出来的叙事。

AI 批量报告尤其容易混淆“代码缺陷”“异常行为”和“可利用漏洞”。软件崩溃不一定构成安全漏洞，缺少某项防御机制也不等于攻击者可以利用，静态扫描命中危险函数更不能直接证明存在完整攻击路径。模型擅长把零散线索组织成结构完整的文字，却不会自动获得真实设备状态、权限上下文和运行时证据。

下面这张表更能说明传统人工研究、可靠的 AI 辅助研究与 AI 批量报告之间的差异：

| 对比维度 | 传统人工漏洞研究 | AI 辅助的高质量研究 | AI 批量生成的低质报告 | | --- | --- | --- | --- | | 主要方式 | 人工审计、调试、逆向与复现 | AI 阅读代码和生成假设，研究人员完成验证 | 模型扫描代码后直接生成报告 | | 产出速度 | 较慢 | 明显加快，可并行验证多个方向 | 极快，可一次生成大量条目 | | 复现材料 | 通常包含受影响版本、步骤和验证结果 | 应包含真实环境测试与概念验证 | 经常缺少可运行验证或版本信息 | | 幻觉风险 | 较低，但仍可能误判 | 取决于人工把关强度 | 高，容易虚构调用链和影响范围 | | 厂商审核成本 | 相对可控 | 报告质量高时可降低沟通成本 | 高，需要逐项排除误报和重复项 | | 最大价值 | 深度分析复杂漏洞 | 放大专业研究人员效率 | 提供初步线索 | | 主要风险 | 挖掘速度受人力限制 | 研究人员过度相信模型判断 | 真实高危漏洞被噪声淹没 |

这场变化的核心并不是 AI 能不能发现漏洞，而是 AI 能否提交“可验证的漏洞”。安全团队真正需要的不是一段听起来危险的描述，而是一套可以在指定产品、指定版本和指定条件下重复出现的证据。

苹果的限流合理，但方案还不够精细

苹果限制并发提交数量是一个合理的短期止损措施，因为人工审核能力不可能随报告数量同步无限扩张。按照苹果公开的安全漏洞报告说明，研究人员应提供受影响的具体产品和软件版本、观察到的行为与预期行为、复现步骤，以及概念验证；苹果称大多数报告会在 90 天内解决。AI 批量报告如果连这些基础材料都不具备，就不应与证据完整的高危漏洞竞争同一条审核通道。

但按“研究人员账户”统一限流并不是最理想的长期制度，因为报告数量与报告质量没有必然关系。一个成熟团队可能在短时间内对同一组件发现多个相互独立的漏洞，一名业余提交者也可能只递交一份完全由模型虚构的报告；如果系统只计算数量，就可能同时惩罚高产研究团队和低质量批量提交者。

更有效的做法应当是建立动态信誉与证据分级机制。研究人员过去报告的有效率、重复率、严重程度判断准确率和复现材料完整度，都可以成为调整配额的依据；包含稳定复现步骤、崩溃日志、受影响版本和最小化概念验证的报告，也应获得比纯文本推测更高的队列优先级。

厂商还需要为疑似高危漏洞保留独立的紧急入口。远程代码执行、权限提升、认证绕过和已经发现被利用迹象的问题，不适合与普通信息泄露或低影响异常共享完全相同的冷却规则，否则限流会成为协调披露过程中的新摩擦点。

**协调漏洞披露是研究人员先向厂商私下报告漏洞，并为修复和发布补丁预留合理时间的协作机制。**这个机制依赖双方及时沟通：研究人员需要证明问题，厂商需要确认影响并安排修复。如果研究人员因为配额无法提交，既可能延误补丁，也可能增加其转向公开披露的动机，最终让用户承担风险。

AI 正在同时扩张攻防两端的“产能”

生成式 AI 已经把漏洞挖掘中的部分稀缺能力变成了低成本能力。模型可以帮助解释陌生代码、追踪变量流向、归纳补丁差异、生成测试思路，还能让不熟悉特定语言或系统框架的研究人员更快进入状态；Bynario 用 7 人团队在三周内产出 50 多项发现，至少说明安全研究的候选线索数量可以被快速放大。

但候选线索的增长速度正在超过验证能力的增长速度。模型可以在几分钟内生成十份漏洞描述，真正的设备复现、跨版本测试、利用稳定性评估和影响确认却仍然需要工程时间。AI 解决了“找可疑点”的吞吐量，却没有等比例解决“证明漏洞”的吞吐量，这正是苹果安全团队被报告淹没的根本原因。

这种失衡还会改变漏洞赏金项目的激励结构。过去，提交报告的门槛来自技术能力和研究时间；现在，任何人都可以让模型生成看似符合格式的文档，再把厂商审核团队当作免费的验证环节。如果提交错误几乎没有成本，而偶然命中真实漏洞可能获得奖励，那么批量投递就会成为一种理性策略。

苹果这次限流实际上是在给错误提交增加机会成本。30 天冷却期迫使研究人员更谨慎地选择报告，避免用有限配额提交未经验证的问题；但它也可能促使提交者把多个问题打包、夸大严重程度或通过多个账户绕过限制，因此单纯依赖数量管控无法解决全部问题。

漏洞报告以后不能只看“写得像不像”

AI 时代的优质漏洞报告必须把机器生成的分析与机器无法替代的证据明确分开。模型可以负责整理调用链、解释根因和润色文字，但受影响版本、实际输出、调试日志、概念验证结果和权限变化必须来自真实测试，研究人员也应明确标注哪些内容经过验证、哪些只是推测。

安全厂商则需要把审核系统从“阅读报告”升级为“验证证据”。结构化字段、自动去重、版本匹配、沙箱复现、相似调用链聚类和研究人员信誉评分，都比简单增加人工更可持续；AI 可以用于摘要和分流，但不能仅凭另一套模型判断第一套模型生成的漏洞是否真实。

苹果的选择值得理解，但不应被视为最终答案。限流可以暂时保护审核队列，却没有扩大高质量验证能力，也没有彻底解决关键漏洞被普通报告阻塞的问题。更成熟的机制应该同时做到三件事：让低证据报告付出更高提交成本，让可靠研究人员获得动态配额，让紧急漏洞拥有不受普通冷却期影响的快速通道。

这次事件也给安全研究人员划出了一条更清楚的边界：用 AI 找漏洞没有问题，把 AI 的猜测直接交给厂商才是问题。未来真正稀缺的能力不再只是发现可疑代码，而是用最短时间证明漏洞确实存在、准确界定影响，并提供足以推动修复的证据。

参考来源

• IT之家：因 AI 生成大量低质漏洞报告，苹果限制安全研究人员漏洞提交数量——整理苹果提交流程调整、30 天冷却期及 Bynario 漏洞发现等信息。