Linux內核維護者崩潰！AI每天狂塞10份漏洞報告，想摸魚都難

🔑 增強重點摘要

• •Linux 內核維護者 Greg Kroah-Hartman 已公開表示，許多由 AI 工具生成的漏洞報告屬於「垃圾郵件」等級，不僅缺乏實際修復價值，還嚴重干擾了維護團隊處理真實安全問題的效率。
• •此現象促使 Linux 基金會與內核開發社群開始研擬更嚴格的提交規範，甚至考慮對自動化工具產生的報告實施過濾機制，以防止開源專案被低品質的 AI 生成內容淹沒。
• •這類 AI 工具通常基於靜態分析（Static Analysis）技術，雖然能快速掃描程式碼，但因缺乏對內核複雜邏輯的上下文理解，導致誤報率（False Positives）極高，成為維護者沉重的負擔。

🛠️ 技術深入

• •AI 漏洞掃描工具多採用基於大型語言模型（LLM）的程式碼分析框架，結合傳統靜態分析工具（如 Coverity 或 Sparse）進行自動化檢測。
• •這些工具透過訓練模型識別常見的編碼模式（如緩衝區溢位、空指標解引用），並自動生成補丁建議（Patch Suggestions）。
• •由於缺乏對 Linux 內核特定子系統（Subsystem）架構的深度理解，AI 產生的報告往往無法通過內核的自動化測試套件（如 KUnit 或 LTP）。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線