我在谷歌发现了一个价值 9 万美元的远程代码执行漏洞
谷歌向一项远程代码执行漏洞发放了 9 万美元赏金，这引发了关于人类研究者与据称协助发现并描述该漏洞的 AI 助手之间，究竟该由谁获得多少 credit 的争论。评论者围绕大型语言模型究竟只是像 nmap 或 Photoshop 一样的“工具”，还是一种在塑造技术工作和写作时都应明确归因的、质上不同的系统展开讨论。线程还探讨了 AI 辅助世界中的漏洞赏金未来，包括赏金缩水的担忧、法律与黑市激励之间的差异，以及 AI 如何加剧有权访问强大模型的人与没有这种访问权的人之间的差距。
LLM 在漏洞研究中的使用
- 很多评论默认假设是大量使用了 LLM 才找到或解释了这个 bug。
- 有人认为 LLM 只是扫描器或调试器之类的“工具”；人类仍然需要领域知识、策略和投入。
- 也有人认为，如果模型完成了关键推理或发现，就应该明确给予 credit；否则就是人类在夸大自己的角色。
- 还有人指出，要从当前模型中获得有价值的结果，仍然需要相当的技能和引导。
作者署名、归因与披露
- 多位评论者觉得这篇写作有很强的“LLM 味道”，如果文本主要由机器生成，却使用第一人称叙述，他们会感到不适。
- 一个反复出现的观点是：使用 LLM 没问题，但不披露大量使用——尤其是在第一人称故事里——是有误导性的。
- 反方观点：我们也不会给每一种其他工具（例如 nmap）都做归因；如果要求所有 AI 使用都必须披露，这并不一致。
- 另一个更细致的立场是：与其强调披露，不如在写作中清楚展示真正的人类理解。
漏洞赏金的经济学与伦理
- 关于为什么要有赏金的讨论：
- 一方认为：为了让报告漏洞比出售漏洞利用或滥用漏洞更有吸引力。
- 另一方认为：是为了优先安排工程工作，因为用户很少会报告安全漏洞。
- 对这个 RCE 在黑市上的价值存在分歧；有人说低于 1,000 美元，也有人认为对攻击者而言会值更多。
- 一些人预计 AI 会压低赏金价格，因为它会让漏洞发现更便宜，尤其是 Web 漏洞。
访问、不平等与 AI“工具”地位
- 有人担心，获取强大模型的访问权限有时需要申请和 ID 验证，这可能会形成一个特权“俱乐部”。
- 一些人预见未来会出现分化：拥有先进模型访问权的人会获得不成比例的经济优势。
- 另有一场分支讨论在争论：AI 到底是不是“只是一个工具”，还是由于它能承担如此多“重活”而与传统工具根本不同。
技术与流程评论
- 有些人对这样一个看似基础的问题（pickle、cookie 里的 key）竟然能躲过审查感到惊讶；也有人强调，所有大型系统都会有 bug。
- 少数人提到有些组织会彻底禁止使用不受信任的
pickle，并将其类比为eval。 - 对这篇文章质量的反应不一：发现很厉害，但很多人觉得 LLM 风格的行文令人反感，并表示现在会略读或直接跳过这类文章。