AI 正迫使我们偿还 40 年的技术债

AI 驱动的代码分析正在迅速暴露 PHP 和 HTTP 等核心软件栈中几十年前的漏洞,迫使组织直面在安全与设计上长期被忽视的“技术债”。评论者争论这是否会带来向更简单架构、内存安全语言、形式化验证和更强监管的长期转变,还是只会触发无休止的 AI 生成补丁与新漏洞循环。许多人认为,根本原因并不只是工具或语言,而是长期以来优先速度、兼容性和功能、而非严格工程与维护的激励机制。

AI 驱动的漏洞发现与“40 年的债务”

  • 许多人认为,AI 驱动的代码分析终于暴露了长期被忽视的漏洞和 0-day,包括 PHP、HTTP/2、Brotli 以及流行库等核心技术栈中的问题。
  • 有人把这看作是在“偿还”几十年的技术/安全债务;也有人认为,这其实是在暴露长期以来的疏忽,以及对基础设施和开源投入不足的问题。
  • 一些人担心,协调披露(coordinated disclosure)并不适用于这样一个世界:任何人都可以把一个粗略的 bug 描述交给 LLM,并迅速得到一个利用链。

KISS、复杂性与 LLM 的编码行为

  • 一些评论者抱怨,LLM 往往会过度设计,并加入“企业级”的防御代码,使系统臃肿而脆弱。
  • 另一些人则认为,防御性检查和记录假设是必要的,因为校验条件会变化,环境也会改变。
  • KISS 因其能减少攻击面而受到称赞;例子包括使用静态文件而非复杂栈,或更简单的部署架构。

AI 会减少还是制造技术债?

  • 有人表示,AI 帮助移除了大量遗留代码,进行了重构,并在几个月内修复了远超过去几年能修复的漏洞。
  • 也有人说,AI 正在大幅增加“垃圾代码”:vibe-coded 功能、大量 PR,以及没人真正理解的临时修补。
  • 讨论的焦点还包括:在 AI 维护的世界里,重复和更少的抽象是否可以接受,而不是遵循传统的 DRY / 以人为中心的设计。

形式化验证、可证明代码与其局限

  • 一种观点认为:由 AI 驱动的攻击者最终会找到所有可利用的漏洞,因此防御者必须转向可证明、形式化验证的系统,并让 AI 协助定理证明器。
  • 反对意见是:证明只能说明代码符合某个规范,但规范本身可能就是错的,而且我们缺少足够的专家;大多数软件都过于复杂,无法完全验证。
  • 还有人将其与物理工程作比较:我们验证已知失效模式,接受部分保证,并依赖安全裕度,而不是追求完美。

内存安全、语言与实现 bug

  • 很多人强烈支持从 C/C++ 转向内存安全语言(Rust 等),同时也承认这些生态和编译器本身仍可能有严重 bug。
  • 有人认为,C/C++ 在关键技术栈中的持续存在(例如 PHP 的实现)体现了“马戏团行业”以及向后兼容约束。

开源、审计与认证

  • 人们重新提起 Linus 定律:开源并没有得到足够多的人类“眼睛”审视;AI 也许终于能让这一前提成真,因为它能低成本扫描海量代码库。
  • 对安全认证(例如 ISO 27001)是否被“刷”出来、以及是否更多由合规表象而非真实安全驱动,存在怀疑。
  • 还有担忧认为,攻击者和防御者现在都有类似的 AI 工具;最终结果取决于激励机制、治理,以及谁愿意为持续加固买单。