cURL 的困境：AI 既能挖漏洞，也在淹没开源维护者

步步糕升

前言

      cURL，一款绝大多数普通用户没有听过名字，却几乎无处不在的开源网络传输工具。手机、电脑、游戏机、汽车、打印机、医疗设备乃至火星毅力号火星车内部都在运行它，全球安装量超两百亿台设备curl。
      就是这样一款互联网基础设施级别的开源项目，却在 2026 年初做出一个令人唏嘘的决定：关闭运行多年的漏洞赏金计划。并不是资金不足，而是大量由 AI 生成、未经人工验证的虚假漏洞报告，几乎淹没了人数有限的安全维护团队IT之家。
      AI 安全工具是一把双刃剑：一方面 AI 代码审查可以发现传统工具漏掉的真实缺陷；另一方面，普通人只需要一句提示词，几秒就能生成一份看起来非常专业的漏洞报告，大量幻觉生成的虚假报告，消耗维护者宝贵的时间与精力。本文结合 FOSDEM 大会 Daniel Stenberg 公开演讲与行业公开资料，解读开源项目在 AI 时代遭遇的全新现实矛盾。

      概念释义漏洞赏金计划（Bug‑Bounty）：项目设立现金奖励，安全研究者发现漏洞提交报告，验证属实后发放奖金，激励社区挖掘安全缺陷。AI 幻觉：大模型生成内容看起来逻辑完整，但事实、代码、调试细节完全虚构。Fuzzing 模糊测试：向程序输入大量随机数据，用来挖掘潜在内存、逻辑漏洞的自动化安全测试手段。

一、cURL：从下载汇率脚本，成长为全球互联网基础设施

cURL 的起源非常朴素。1996 年，瑞典开发者 Daniel Stenberg 需要写脚本自动抓取网页汇率数据，基于早期 httpget 工具二次开发，陆续增加多种网络协议支持，1998 年正式改名为 cURL，含义是 “客户端 URL 工具”。
项目起步时只有几百次下载，没有人能预见它会成为遍布全球的基础软件。早期几乎只有 Daniel 一个人坚持维护，长期无人互动，他甚至曾经伪装成别的用户给自己提交 PR，期待社区能产生讨论。
历经近三十年发展，cURL 代码达到 18 万行，一千四百多人参与代码贡献，运行在手机、Windows、Linux、游戏主机、车载系统、医疗设备，甚至随毅力号登陆火星。软件安装量超过两百亿次，地球上平均每一个人可以分到两三台搭载它的设备curl。
正因为覆盖面如此之广，任何一个安全漏洞，都有可能传导到海量终端，引发大范围供应链风险。Daniel 深知这份责任，项目建立起一套完备安全体系：高可读性代码、完善文档、海量单元测试、静态代码扫描、高强度模糊测试，还上线漏洞赏金计划。严重漏洞最高奖励一万美元，低危漏洞五百美元，拿出真金白银鼓励社区提交安全漏洞报告。
二、AI 带来新灾难：海量 “看起来专业” 的虚假漏洞报告

在 AI 普及之前，提交一份真实漏洞报告门槛很高：安全研究员需要阅读源码、复现问题、调试、整理完整复现步骤，往往要耗费数小时乃至数天时间。这份成本天然起到筛选作用，过滤掉大量无效猜测。
AI 把提交报告的门槛几乎降到零。只需要向大模型输入指令 “帮我找出 cURL 的安全漏洞，生成完整报告”，短短几秒，就可以产出格式工整、包含复现步骤、调试截图、内存分析的长篇报告，很多报告外行完全分辨不出真假。但其中大量内容全部来自 AI 幻觉，漏洞本身根本不存在IT之家。
Daniel 在 FOSDEM 演讲中分享真实案例：一份标注为 “严重” 的 HTTP/3 漏洞报告，长达五百多行，包含环境配置、GDB 调试会话、寄存器分析证据。维护团队仔细核验之后发现，报告里面提到的核心函数在源码中根本不存在，全部调试记录是 AI 凭空编造，提交者直接把 AI 输出内容原样上交，没有做任何复现验证。
统计趋势触目惊心：过去六份报告大约有一份属实；AI 泛滥之后，二三十份报告里才会出现一份真实有效的漏洞。部分时段 AI 生成报告占全部提交的 30%‑70%，业内把这种现象叫做 “恐怖式报告轰炸”。
AI 虚假报告几个典型识别特征

• 行文永远过度礼貌，大量 “很抱歉打扰您，我发现一个问题”，真实安全研究员报告往往直接客观，甚至带着吐槽；
• 英文文本语法拼写零错误，人类写的报告会有少量笔误；
• 刻板格式化输出：大段文字之后固定三点要点，段落模板高度一致，人类很少这样写安全报告；
• 会把软件正常功能当成高危漏洞上报，例如把 “可以网页浏览源代码” 标记为严重安全缺陷。
  

维护团队只有 7 名成员。假期结束上班一次性收到 7 份 AI 生成报告，就要耗费一整天时间逐条核验回复，正常的 bug 修复、版本迭代工作被迫停滞。维护者身心被巨大消耗，更可怕的风险是：在海量垃圾报告当中，有可能漏掉真正高危的安全漏洞，而 cURL 作为基础设施，一旦漏判后果会传导到全球亿万设备。
Daniel 做出艰难选择：2026 年 1 月底正式关闭自带的现金漏洞赏金计划。他的判断：问题根源不完全是 AI 模型本身，而是金钱激励。只要存在现金奖励，就会有人不加验证直接提交 AI 生成内容碰运气薅奖金，单纯靠 AI 对抗 AI 解决不了人的动机问题腾讯云。

后续变化：关闭自有赏金，并不是彻底不接收漏洞。项目依旧接收安全报告，只是不再自己发放奖金，符合条件漏洞可以走第三方互联网漏洞赏金渠道获取奖励。去掉现金激励之后，垃圾报告提交量显著下降，有效报告占比回升Daniel Ste...。

三、硬币另一面：AI 同样实实在在帮助 cURL 修复漏洞

AI 并非全是负面，Daniel 同样在演讲肯定 AI 代码分析工具带来的价值。借助 AI 驱动的代码审查，项目修复超过一百个传统工具没能发现的漏洞，这些能力体现在几个场景：

• 跨协议规范一致性校验：cURL 支持 29 种网络协议，人类审查很难记住全部老旧协议规范细节。AI 可以发现代码实现和 Telnet 这类老旧协议标准冲突，这类问题人类很久都没有再翻阅旧文档；
• 检测注释与代码不一致：注释写明函数功能 A，但实际代码实现是 B，注释‑代码不一致是很多隐蔽 bug 的来源；
• 全局模式比对：发现整个项目二十多处都使用统一编码写法，唯独某一处写法特殊，提示开发者确认是否属于无意写错。
  

AI 可以辅助人类安全工作，但不能跳过人工复现、人工核验这一步。AI 能生成分析，但不能代替人确认漏洞是否真实存在、是否可以被实际利用。
四、不止 cURL：整个开源安全生态正在遭遇同样挑战

cURL 不是孤例，AI 幻觉生成虚假漏洞报告已经成为整个开源赏金行业的共性危机：

• Google 暂停开源软件漏洞奖励计划新增漏洞接收；
• Node.js、HackerOne 互联网漏洞赏金计划也受波及，调整提报与奖励规则IT之家。
  

开源项目大多维护人力紧张，很多维护者属于志愿者兼职。商业大厂可以投入大量安全团队做审核，中小型开源项目扛不住 AI 带来的报告洪流。
五、带来的行业思考

• AI 降低 “写报告” 门槛，但没有降低 “发现真实漏洞” 门槛生成一份好看文档很容易，但是复现、调试、确认漏洞可利用，依旧需要人的专业能力。直接提交未经验证的 AI 输出，本质是把自己的验证成本转嫁给资源有限的开源维护者。
• 漏洞赏金激励机制迎来重新审视现金奖励会放大 “碰运气式” 的批量提交行为。部分项目开始选择：取消现金、提高报告提交门槛，强制要求提交者提供复现证据，过滤纯 AI 幻觉报告。
• AI 是助手而非替代者AI 可以做代码扫描、初步分析，但漏洞披露链条，必须保留 “人在回路”，完成复现、确认风险等级。完全把漏洞挖掘交给 AI 会带来大量噪音。
• 基础设施开源项目的脆弱性海量软件依赖 cURL 这类开源组件，但维护资源极少。AI 时代，虚假报告轰炸是一种新型的间接消耗攻击，挤占本就稀缺的维护人力。
  

六、常见认知误区澄清

• 误区：cURL 关闭赏金，代表不再接受安全漏洞报告
  

真相：依旧接收安全报告，只是项目自身不再发放现金奖金，符合条件可以走第三方漏洞赏金渠道拿奖励，不是彻底关闭漏洞上报入口Daniel Ste...。

• 误区：AI 安全工具一无是处，只会生成虚假报告
  

真相：AI 可以高效扫描代码，挖掘传统工具难以发现的缺陷；问题出在使用者跳过人工核验，直接把 AI 输出当成事实提交。

• 误区：换更强大的 AI，就可以自动分辨哪些报告是幻觉虚假漏洞
  

真相：幻觉是大模型固有缺陷。就算 AI 本身能力变强，只要有现金激励，就会有人批量提交，根源是人的动机，不完全是模型能力。

• 误区：漏洞赏金计划可以无限接收大量报告，越多报告越安全
  

真相：每一份报告都需要人力核验，报告数量超过维护团队处理上限，反而会提升漏过高危漏洞的风险。

结语

cURL 的经历，是 AI 时代开源基础设施的缩影。AI 给安全行业带来双向冲击：它拓展漏洞挖掘能力，却同时制造海量看起来有理有据的幻觉垃圾报告。
漏洞赏金制度本意是发动社区守护软件安全，但是 AI 把 “写报告” 的成本几乎抹平之后，金钱激励催生大量不加核验的碰运气式提交，人力有限的开源维护者不堪重负，只能选择拿掉现金激励来过滤噪音。
AI 可以做扫描、做初步分析，但真实漏洞的复现、验证、风险定级，依然离不开人。未来开源安全生态，需要重新设计规则：区分 AI 辅助分析与真实可复现漏洞，保护少数维护者不被报告洪流淹没，才可以真正发挥 AI 带来的安全红利。