Claude Opus 4.6 发现 500 个零日漏洞：AI 安全研究的新时代

TL;DR

Anthropic 于 2026 年 2 月 5 日发布 Claude Opus 4.6
发布前测试中发现 500 多个零日漏洞
在 GhostScript、OpenSC、CGIF 等广泛使用的开源库中发现
无需特殊提示或自定义工具即可“开箱即用”地发现
所有漏洞均已报告给维护者并已修复

背景：Opus 4.6 有什么不同？

Anthropic 于 2026 年 2 月 5 日发布了 Claude Opus 4.6。这是 Opus 4.5 发布后仅 3 个月的升级。

主要特点：

1M token 上下文窗口 (Opus 模型首次)
Agent Teams - 多代理协作功能
Adaptive Thinking - 根据任务复杂程度自动调整推理级别
在基准测试中全面超越 GPT-5.2、Gemini 3 Pro

但真正值得关注的不是数字。是 500 这个数字，即发布前测试中发现的零日漏洞的数量。

实验设置：如何测试的？

Anthropic 的 Frontier Red Team 将 Opus 4.6 放入沙箱环境，并提供了以下内容：

最新的开源项目源代码
Python 运行环境
标准漏洞分析工具（调试器、模糊器等）

未提供的内容：

关于工具使用方法的说明
用于查找特定漏洞的提示
自定义 harness 或 specialized 知识

也就是说，设置为“自己看着办”。然后 Opus 4.6 找到了 500 多个高风险漏洞。

发现的漏洞详细分析

1. GhostScript - 通过 Git 历史分析发现

GhostScript 是一个广泛用于处理 PDF/PostScript 的实用程序。 Opus 4.6 的方法很有趣。

尝试 1：模糊测试 → 失败 尝试 2：手动代码分析 → 没有有意义的结果 尝试 3：Git 提交历史分析 → 成功！

Opus 4.6 找到了与安全相关的提交，并推断如下：

有一个与“stack bounds checking for MM blend values”相关的提交。如果此提交添加了边界检查，则意味着之前的代码存在漏洞。类似的其他代码路径可能存在相同的问题。

然后在 gdevpsfx.c 中发现了相同模式的未修补漏洞。它调用了相同的函数，但没有边界检查。

核心洞察：AI 学习“过去修改模式”以查找类似的未修改漏洞的方式。这与经验丰富的安全研究人员的方法相同。

2. OpenSC - 危险函数模式探索

OpenSC 是智能卡数据处理实用程序。在这里，模糊测试也首先失败了。

以下方法：

strrchr()와 strcat() 함수 호출을 검색해보자 - 
path traversal이나 buffer overflow가 자주 발생하는 패턴이다.

发现 strcat 连续调用点：

char filename[PATH_MAX]; // 4096 bytes
r = sc_get_cache_dir(card->ctx, filename,
    sizeof(filename) - strlen(fp) - 2);
if (r != SC_SUCCESS)
    goto err;
strcat(filename,"/");
strcat(filename,fp);  // ← Buffer overflow 가능!

传统模糊器几乎无法测试此代码的原因是触发它的前提条件很多。 Opus 4.6 可以“理解”代码并推断哪些部分存在漏洞。

3. CGIF - 通过理解 LZW 算法发现

CGIF 是 GIF 文件处理库。这个案例最令人印象深刻。

GIF 使用 LZW 压缩。 CGIF 假设“压缩后的尺寸小于原始尺寸”。通常，这个假设是正确的。

但是 Opus 4.6 打破了这个假设：

如果 LZW 符号表达到最大大小 (4096)，则会插入一个“clear”令牌。重复此操作可能会导致压缩后的尺寸大于原始尺寸 → 发生堆缓冲区溢出！

此漏洞的特殊之处：

即使使用 100% 的行/分支覆盖率也无法发现
需要非常特定的运算序列
需要对 LZW 算法有概念性理解

对于传统模糊器来说，这实际上是不可能发现的。

与现有工具的比较

方面	传统模糊器	Claude Opus 4.6
方法	随机输入生成	代码理解 + 推理
前提条件	大量 CPU 时间，自定义 harness	仅标准工具就足够
复杂逻辑	困难	可以理解算法
历史分析	不可能	可以分析 Git 提交
误报	很多	验证后报告

即使在 OSS-Fuzz 等项目投入数百万 CPU 时间的代码库中，Opus 4.6 也发现了隐藏了数十年的漏洞。

对安全行业的影响

积极方面

可能获得防御者的优势 Logan Graham (Anthropic Frontier Red Team 负责人):

“未来开源软件安全可能主要通过这种方式实现”
支持资源不足的项目 许多开源项目在没有专门安全团队的情况下运营。基于 AI 的漏洞发现对他们有很大帮助。
人工验证 + AI 发现组合 Anthropic 会对所有漏洞进行人工验证，并由人工编写补丁。 AI-Human 协作的良好模型。

令人担忧的方面

攻击者也可以使用相同的工具 DevOps.com 文章标题：“Claude Opus 4.6 是有史以来最好的安全研究员吗？”

“如果恶意行为者从第一天起就获得了 600 个新漏洞怎么办？”
双重用途困境 强大的漏洞发现能力可用于防御和攻击。
负责任的披露的重要性 Anthropic 通过负责任的披露首先诱导了补丁。但是，所有 AI 提供商都会这样做吗？

Anthropic 的安全措施

Opus 4.6 发布的同时也引入了新的安全措施：

6 个新的网络安全探针 - 监控模型内部激活
实时流量分析 - 检测潜在的利用
使用模式监控 - 阻止可疑行为

基准测试成果（参考）

虽然没有零日发现那么重要，但 Opus 4.6 的整体性能也令人印象深刻：

基准	Opus 4.6	GPT-5.2	Gemini 3 Pro
Terminal-Bench 2.0	65.4%	64.7%	56.2%
ARC-AGI 2	68.8%	54.2%	45.1%
GDPval-AA (Elo)	1606	1462	1195
BrowseComp	84.0%	77.9%	59.2%

尤其是 ARC-AGI 2 中比 GPT-5.2 高出 14.6 个百分点，表明“解决新问题的能力”存在很大差异。

结论

Claude Opus 4.6 的 500 多个零日漏洞发现不仅仅是一个营销数字。这是AI 安全研究的范式转变。

关键点：

AI 可以通过“理解和推理代码”的方式发现漏洞
还可以发现传统模糊测试无法发现的复杂逻辑漏洞
它可以成为防御者和攻击者的游戏规则改变者
再次确认负责任的披露和人工验证的重要性

未来，AI 将在安全研究中扮演什么角色，以及如何负责任地使用它将成为重要的议题。