近日，突破谷歌宣布其大语言模型（LLM）项目“Big Sleep”成功发现了一个SQLite数据库引擎中的首次内存安全漏洞 ，这是发现人工智能首次在真实软件中发现可利用的内存安全漏洞（且该漏洞无法通过传统的模糊测试检测到）。

谷歌的内存“Project Naptime”项目旨在评估LLM在进攻性安全研究方面的能力，后来该项目演变为“Big Sleep”，安全由谷歌Project Zero和DeepMind团队共同参与。漏洞Big Sleep项目致力于探索AI在发现软件漏洞中的突破潜力，特别关注高危漏洞的首次检测与利用。

在上周五的云计算发现公告中
，谷歌透露
，内存Big Sleep项目的安全LLM代理在实验阶段成功识别出第一个真实世界中的漏洞——SQLite开源数据库引擎中的基于栈的缓冲区溢出漏洞。该漏洞在今年10月初被发现，漏洞SQLite开发团队在接到披露信息后数小时内即完成了补丁修复。突破

这一发现具有重大意义 ，首次因为这是发现AI首次独立检测出可利用的内存安全漏洞。

Big Sleep的工作流程模拟了人类的建站模板漏洞研究过程。首先
，AI被要求审查SQLite代码中的最新提交记录 ，并寻找类似于已知漏洞的安全问题
。作为起点，研究人员向LLM提供了一个最近修复的漏洞 ，以引导它发现新的漏洞。通过这一策略 ，Big Sleep最终找到了一个严重的内存安全问题。

谷歌随后尝试使用传统的模糊测试来检测这一漏洞，源码库耗费了150个CPU小时，仍未成功发现问题。值得注意的是，多年来 ，谷歌的AFL模糊测试工具在发现SQLite漏洞方面非常高效 ，但如今似乎已达到“自然饱和点”，难以再找到新的漏洞。相比之下，Big Sleep的LLM展示了其在识别高级安全问题方面的潜力 。

谷歌在博客中指出，当前的LLM在配备合适工具时，确实可以胜任某些漏洞研究任务。然而 ，Big Sleep团队强调，这一成果仍属高度实验性 ，AI的发现能力还不具备完全替代模糊测试的可靠性
。尽管如此，这一突破显示出AI在安全研究中的前景，尤其是在目标特定的漏洞检测方面，免费模板AI可能逐渐成为重要工具 。

AI在网络安全中的应用越来越广泛，尤其是软件漏洞研究。就在上周 ，威胁情报公司GreyNoise利用AI工具检测到了针对常见物联网摄像头的漏洞利用企图 。与此同时，AI安全公司Protect AI也开发了一种基于LLM的静态代码分析器，能够检测并解释复杂的多步骤漏洞
，这进一步证明了AI在漏洞检测和分析中的独特优势。

除了检测已知漏洞，香港云服务器一些研究人员还在探索LLM代理如何利用已知和未知漏洞 。AI不仅在发现安全问题上表现出色，还展现了在多步骤漏洞利用中的潜力。尽管目前这一研究仍处于初级阶段，但AI技术的发展为漏洞研究提供了新思路 ，并推动了网络安全技术的创新 。

谷歌和其他科技公司对LLM的研究表明 ，AI在漏洞检测和防御中的应用前景广阔。然而 ，正如谷歌所强调的，AI并非万能，它在一些特定场景下的表现可能与传统模糊测试相当甚至逊色 。未来，或许AI和模糊测试的协同应用将成为网络安全研究的新趋势 ，通过融合不同技术手段，提高漏洞检测的效率和准确性 。