🕷️
SetupAI
🐯較早收集於 67m

AI Agent 通過漏洞賞金成功賺取報酬

AI Agent 通過漏洞賞金成功賺取報酬
PostLinkedIn
🐯閱讀原文： 虎嗅
#ai-agent#bounty-program#automationcodexgithubcodex

💡看看 AI Agent 如何自主導航現實世界的賞金市場並賺取它的第一筆薪水。

⚡ 30-Second TL;DR

有什麼變化

Codex 自主找到了賞金項目、提交了 PR、與維護者溝通並處理了付款流程。

為什麼重要

這標誌著 AI Agent 從任務執行向自主參與經濟活動邁出了里程碑式的一步，儘管受限於當前成本與任務供給，擴展性仍有限。

下一步行動

評估您的 AI Agent 處理多步驟、可驗證任務（如自動化測試或文檔編寫）的能力，以發掘潛在的「零工經濟」應用場景。

誰應關注：Developers & AI Engineers

關鍵要點

  • •Codex 自主找到了賞金項目、提交了 PR、與維護者溝通並處理了付款流程。
  • •該任務耗時 22 小時並消耗約 2200 萬 token，凸顯了目前相對於收益的高昂運營成本。
  • •軟件任務因邊界清晰、線上協作及結果可驗證，成為 AI Agent 的理想切入點。
  • •實驗引發了市場飽和、維護者審核壓力增加以及 AI 生成代碼責任歸屬等擔憂。

🧠 深度解析

Web-grounded analysis with 27 cited sources.

🔑 增強重點摘要

  • •OpenAI 已推出專門的「Codex Security」產品（前身為 Aardvark），這是一個 AI 應用程式安全代理，旨在偵測、驗證並提出複雜漏洞的修復建議。它透過建立程式碼庫特定的威脅模型，並在隔離環境中驗證發現來運作。
  • •AI 代理在軟體開發中的經濟模型正從固定基礎設施轉向可變智慧，其挑戰在於難以精確衡量影響和成本，導致由於機率不確定性和需要迭代改進而產生「不可靠性稅」。
  • •多代理 AI 系統正在興起，其中不同的 AI 模型（例如用於偵察的 Qwen、用於漏洞利用測試的 Claude、用於報告的 Codex）即時協調，以完成複雜的漏洞賞金工作流程，通常伴隨人類監督和安全層（如範圍鎖定和批准門檻）。
  • •儘管 AI 代理可以擴大漏洞識別的規模，但人類專業知識對於驗證業務關鍵型漏洞、發現複雜的零日漏洞以及提供 AI 目前缺乏的必要判斷和架構理解仍然至關重要。
  • •OpenAI 於 2026 年 3 月 25 日啟動了一項專門的「安全漏洞賞金」計畫，專門針對代理式 AI 產品中的 AI 濫用和安全風險，包括提示注入、透過代理進行的資料外洩以及有害的自主行動，這表明了對新攻擊面的認知。
📊 競品分析▸ Show
競爭者/平台主要功能底層模型/技術主要差異點
Praetorian CVE Researcher自動化漏洞研究、檢測模板生成、漏洞利用分析Google Agent Development Kit (ADK)，多代理 AI 管線協調專業 AI 模型，分解複雜安全工作流程
Anthropic Claude Code (搭配外掛)網站掃描、漏洞發現與驗證、報告生成Anthropic Claude Code專為漏洞賞金獵人設計，可自動化多種工具並記憶過往發現
Grego AI自主識別並利用區塊鏈漏洞「深度不變分析」(Deep Invariant Analysis)，多代理系統專注於區塊鏈安全，曾獲得高額自主發現漏洞賞金
Hound程式碼安全審計自主生成、自適應知識圖譜，LLM模仿人類專家認知過程，適用於智慧合約及其他程式語言
XBOW自主攻擊性安全平台未明確說明提供深度滲透測試，加速測試週期，與安全團隊協同工作
Google CodeMender自動修復關鍵程式碼漏洞Gemini 模型專注於漏洞修復，利用 Gemini 的推理能力
CursorAI 增強型程式碼編輯器未明確說明側重於編輯器內協助，提供序列式輔助

🛠️ 技術深入

  • OpenAI Codex 核心架構: Codex 並非單一模型，而是一個產品和工作流程層，將 OpenAI 的前沿模型與檔案存取、Shell 執行、沙盒、批准流程和程式碼審查功能結合。
  • 底層模型: 由 codex-1 提供支援，這是 OpenAI o3 模型的一個版本，專為軟體工程任務優化。對於代理任務，也使用 GPT-5.3-Codex 和 GPT-5.2-Codex，而 GPT-5.4 則是通用的旗艦模型。
  • 神經網路架構: 採用大型 Transformer 神經網路架構，源自 GPT-3，並經過廣泛微調以理解和生成程式碼。
  • 執行環境: 作為雲端代理在沙盒化的虛擬電腦環境中運行，能夠執行程式碼、連接 GitHub 並平行處理多個任務。
  • 功能: 能夠讀取和編輯檔案、執行命令（包括測試工具、程式碼檢查器、型別檢查器），並透過終端機日誌和測試輸出提供可驗證的行動證據。
  • Codex Security 的運作: 建立程式碼庫特定的威脅模型，掃描儲存庫歷史記錄，在隔離環境中驗證潛在漏洞，並提出修復建議。
  • 安全部署機制: 採用受控配置、受限執行、網路策略和代理原生日誌，以確保安全部署，並對高風險行動設定人工批准門檻。
  • 多步驟推理: 能夠處理長時間運行的工程任務和多步驟推理，進行整體規劃而非逐行編寫。
  • 多代理系統協作: 通常涉及一個協調器（例如 Google 的 ADK、CrewAI）協調專業代理，每個代理可能使用針對特定任務（例如研究、程式碼生成、評估）優化的不同 LLM。
  • 挑戰: 面臨非確定性輸出、級聯錯誤傳播、記憶體和上下文管理、延遲與準確性之間的權衡，以及由於機率不確定性導致的「不可靠性稅」。

🔮 前景展望AI analysis grounded in cited sources

AI 代理將顯著增加軟體專案的數量，並改變開發生命週期中的瓶頸。
AI 降低了建構和部署軟體的成本，使以前成本過高的專案變得可行，這將增加對資深工程師的需求，以設計、審查和整合複雜系統。
網路安全領域將發生根本性轉變，轉向 AI 增強的防禦和攻擊。
AI 代理能夠以機器速度自動化漏洞研究、偵測和修補，但攻擊者也正在利用 AI 進行大規模攻擊行動，從而形成一場軍備競賽。
AI 代理服務的經濟模型需要超越傳統的 SaaS 定價模式。
AI 代理動態消耗資源並產生可變的業務成果，使得固定費用模式不足以捕捉所產生的真實價值，導致 AI 產生價值與收入之間存在差距。

⏳ 時間線

2017
「Attention Is All You Need」論文發表，引入 Transformer 架構，為現代大型語言模型奠定基礎。
2020
OpenAI 推出 GPT-3，一個能夠生成類人文本和編寫程式碼的語言模型。
2021-06-29
GitHub 宣布推出 Copilot，由 Codex 的一個獨立生產版本提供支援。
2021-07-07
OpenAI 發表 Codex 論文，詳細介紹了一個針對公開程式碼進行微調的 GPT 模型。
2025-10
OpenAI 在私人測試版中推出 Aardvark（後來更名為 Codex Security），用於偵測和修復安全漏洞。
2026-03-06
OpenAI 正式推出 AI 應用程式安全代理 Codex Security 的研究預覽版。
2026-03-25
OpenAI 在 Bugcrowd 上啟動專門針對 AI 代理漏洞的安全漏洞賞金計畫。
🐯閱讀原文： 虎嗅
📰

AI 週報

閱讀本週精選 AI 大事摘要 →

👉相關動態

同主題

探索 #ai-agent

同產品

更多關於 codex

同來源

最新來自 虎嗅

AI 模型高度依賴人類編輯的維基百科數據

AI 模型高度依賴人類編輯的維基百科數據

虎嗅•Aug 1
🐯

重新思考AI可靠性：超越零錯誤的迷思

虎嗅•Aug 1
為什麼你的大腦天生就渴望暴食？

為什麼你的大腦天生就渴望暴食？

虎嗅•Jul 31
FIFA 商業子公司計畫引發全球強烈抵制

FIFA 商業子公司計畫引發全球強烈抵制

虎嗅•Jul 31

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗