密码学库，向来是代码世界的金库——结构精密，层层设防，审计者们像最谨慎的珠宝匠，用放大镜逐行审视。直到上周，一个AI代理溜了进去，在墙角不起眼的裂缝里，一连摸出了七颗真钻石。zkSecurity的工具zkao对Cloudflare的CIRCL库做了一次“非人”审计，结果让整个安全圈都愣了神：它不光找到了漏洞，还是那种能让系统防线瞬间崩塌的Critical级漏洞。这不再是PPT上的理论推演，而是实打实的HackerOne赏金报告。AI做安全审计，终于从“花架子”进入了“能用”的阶段。
审计盲区：传统方法撞不穿的墙
人类审计员的认知负荷
资深安全工程师审查一个大型密码学库，靠的是经验、直觉和对特定攻击模式的记忆。他们像老练的侦探，知道在哪里可能藏线索。但面对CIRCL这样实现多种复杂方案（如阈值签名、属性加密）的庞然大物，人的注意力会疲劳，理解会断层。一个模块里微妙的数学转换，可能与另一个模块的接口约束存在隐性矛盾，这种跨文件、跨逻辑的深层关联，极易在人工审查中溜走。传统自动化工具擅长找已知模式的“已知未知”，但对这种需要理解高层语义和抽象安全属性的“未知未知”，基本无能为力。
AI代理的“无状态”优势
zkao这类AI审计代理的核心优势，在于它没有人类的“认知偏见”和“记忆负担”。它不会因为审查了十个小时就跳过一段看似无害的数学运算，也不会因为习惯某种常见的安全写法就默认另一种变体也安全。它以一种近乎“无状态”的方式，逐函数、逐逻辑块地解析代码，构建庞大的上下文关系网络。当分析阈值RSA实现时，它不会想当然地认为浮点运算在密码学语境下总是安全的，而是会机械地、彻底地追踪每一处float64的使用路径，直到揪出那个导致精度丢失的缺陷。这种不知疲倦的彻底性，恰恰是人类在长时间复杂任务中难以维持的。
两个“致命伤”：AI如何看穿系统性弱点
浮点数在密码学里的“隐形陷阱”
在zkao发现的漏洞中，**阈值RSA**实现里的float64精度丢失问题极具代表性。这是一个“内行一听就冒冷汗”的问题。密码学运算，尤其是大数运算，要求绝对的精确。任何舍入误差都可能成为数学等式中的“蚁穴”，最终导致密钥材料泄露或签名完全无效。然而，这类问题隐蔽至极，因为它通常不会在常规功能测试中触发——程序可能跑得好好的，直到某个特定输入值让浮点累积误差跨过阈值，密钥瞬间崩坏。AI代理的价值就在于，它不懂“通常”和“可能”，它只看代码里明确写了float64，并在逻辑上推导出其可能导致不精确，便将此标记为风险。
属性基加密的“大门洞开”
另一个**Critical漏洞**出现在属性基加密（CP-ABE）的访问控制逻辑中。这比浮点数问题更加“暴力”。CP-ABE的核心思想是，数据加密与访问策略绑定，只有属性满足策略的用户才能解密。如果访问控制实现完全失效，相当于保险库的大锁被换成了虚掩的门，任何用户——无论其属性是否匹配——都能长驱直入，读取本应受保护的全部数据。AI能独立发现这一点，说明它不仅在寻找“算术错误”，更在理解“安全意图”与“实现结果”之间的鸿沟。它检查了策略求解器的逻辑，发现其未能正确执行策略匹配，从而直接报告了整个功能模块的安全属性失效。这触及了安全审计的核心：验证系统是否如其声称的那样工作。
AI判断的“阿喀琉斯之踵”
严重性评分的失灵
尽管成果斐然，zkao暴露的另一个问题同样尖锐：它对漏洞严重性的自评，时常“离谱”。一个可能被标记为“Critical”的发现，在资深人类研究员看来或许只是“信息性”的。AI缺乏真实的利用场景感知和风险量化能力。它无法理解一个理论上严重的数学缺陷，在实际系统环境中被触发的概率、所需的前提条件以及可能造成的业务影响。它给出的是基于代码逻辑的“技术严重性”判断，而非结合上下文的“商业风险”评估。这好比一个只懂病理解剖图的医生，能准确指出肿瘤位置，却无法判断其在不同体质患者身上的发展速度和治疗紧迫性。
人机协同的验证闭环
这正是当前模式的精髓所在：AI负责“广撒网”，人类负责“精判断”。zkao生成的候选漏洞列表，仍需人类安全专家进行最终验证、复现和定性。AI将专家从海量、枯燥的代码海洋中解放出来，把他们聚焦于最高价值、最需要人类智慧的判断环节。报告中提到，zkao已能“自动完成大部分验证工作”，这意味着它不仅能提出怀疑，还能写测试用例、构造证明概念，大幅压缩验证周期。未来的安全团队，或许将由少数顶尖专家带领一个AI代理“军团”，专家设定审计目标与策略，AI代理执行深度扫描与初步验证，专家最终仲裁并制定修复方案。
新的攻防前线：当AI开始审视AI
密码学实现的复杂性升级
这次事件映照出一个更深的趋势：随着密码学应用从理论走向大规模工程实现（如全同态加密、零知识证明），其代码库的复杂度呈指数级增长。越来越多的协议由高级语言或领域特定语言描述，再编译到具体平台，其中的翻译层、优化层都可能引入新的攻击面。未来，甚至可能出现用AI生成的密码学协议代码。到那时，用AI审计AI生成的代码，将不再是效率问题，而是可行性前提。人类审计员面对的将不再是“可读但复杂”的代码，而是“在可读性上就已经超越人类理解速度”的代码。
安全范式的重构
zkSecurity的这次实验，其意义远超出修复了七个漏洞。它像一束信号弹，照亮了安全行业一个迫近的转折点。基于规则和签名的传统SAST/DAST工具，其能力边界清晰可见。而基于大模型的AI审计代理，展现的是一种理解、推理和探索未知的能力。它不一定比最顶尖的人类安全研究员更聪明，但它可以同时、不知疲倦地在一千个仓库里运行。这将彻底改变漏洞挖掘的经济学：高价值但枯燥的审计工作成本将大幅降低，让整个开源生态和关键基础设施的代码安全基线得以系统性提升。当然，这也对防御方提出了新要求：你的系统，不仅需要能抵御人类黑客的智慧，也需要能经受得住不知疲倦的AI审视。在这场新攻防中，安全不再是目标，而是一个持续的、由人机共同驱动的过程。
