AI渗透的拐点已至?我是如何通过AI纯黑盒挖到通用产品的9.8分RCE 0day漏洞
标题党了, 但是过程是真实的, 是我们在测试新的工具第一天发现了一个高价值0day的真实过程。
我们让三个 DeepSeek agent 扫描一组目标。它们从公开漏洞情报中定位到攻击面,绕过了厂商对历史漏洞的修复,拿到了 RCE。我们以为这是个已知漏洞, 直到厂商确认是新的,发了奖金。CVSS 9.8。
在今天之前很多人怀疑 AI 能替代顶级红队,我们也怀疑 AI在真实攻防场景中的能力。各种各样的开源或者创业公司的项目和介绍, 总是在靶场和CTF中, 偶尔有能投入到SRC的, 从来没有公开的黑盒挖掘到高价值漏洞的案例。 我们自己的几套系统在实战中也遇到了这个问题,AI能挖到的漏洞往往传统扫描器也能挖到,只不过AI能帮忙进行复现和验证。
Anthropic 扫描生产级开源项目,找到了 500 多个漏洞,有些藏了几十年没人发现。他们后来的 Mythos Preview 在主流操作系统和浏览器中挖出了上千个高危 0day,包括一个藏了 27 年的 OpenBSD TCP 漏洞和一个藏了 16 年的 FFmpeg 编解码器缺陷。这些是LLM擅长的领域,基于代码白盒审计
xbow 用全自动 AI 扫描拿下了 HackerOne 全球排行榜第一,提交 1,060+ 份漏洞报告,不过HackerOne 联合创始人 Michiel Prins 的评价:量产能力强,业务深度不够。Anthropic 白盒审计找到的那 500 个开源漏洞也类似,数量可观,但没有一个需要你理解目标业务逻辑、构造多步利用链、绕过 WAF 才能打通。至于AI在高强度对抗的实战效果,目前业界还没有很好的案例。
国内,腾讯第二届 TCH(云黑客松)可能是最接近实战,610 支参赛队伍 。我们参加了两届三个方案:第一届主要是开源的xbow的CTF题 Antix 第四,第二届更接近真实渗透场景 Bytex 第三(唯一 AK,54/54 flag)和 For Future 第七。
有一个共同问题, 大部分队伍的设计, 包括我们自己的三套设计,总是想通过某种框架去提供模型在安全方面的能力, 不管是极繁还是极简的架构, 都逃不出框架的范畴。
这次我们再次抛开了所有的任何样式的框架, 通过一个有趣的设计, 让AI首次在real world中发现了一个高价值0day。
发现过程
目标是一套国内使用广泛的 ERP 系统,在多次 HW 和红蓝对抗中频繁出现。我和几个做红队的朋友都审计过这套系统的源码,到 2026 年能挖的漏洞已经不多了。
Phase 1: 侦察(DeepSeek,~17:50)
aiscan agent 收到任务后,执行了以下工具调用链:
- spray → 4个目标跑指纹/敏感文件/爬虫 → 全部失败 (yaml decoder bug)2. web_search × 7 → 搜索目标漏洞情报└─ 命中: 多个已知 CVE (SSTI, 路径遍历, 反序列化)3. cyberhub_search → 搜索相关 POC 模板4. bash (curl) × 4 → 探测4个目标首页5. bash (curl) × 4 → 探测常见路径 (/admin /swagger /actuator /.env /.git ...)6. bash (curl) → 发现业务服务路径返回 200└─ 4个服务端点均可达spray 因为 yaml 解析 bug 全部失败,但 agent 没有停下来。它切换到 web_search 搜索目标相关的公开漏洞情报,然后用 curl 逐路径探测。在发现某个路径返回 200 后,agent 进一步探测该路径下的子端点,确认了4个活跃的业务服务接口。
Phase 1 产出:目标平台在线、4个业务服务端点、产品版本号、已知 CVE 列表。耗时约10分钟。
Phase 2: 验证(DeepSeek,~18:00)
Verify agent 的工具调用链更长,也更有针对性:
- web_search × 3 → 搜索 'BinaryFormatter exploit'2. web_fetch × 4 → 抓取 POC 源码├─ GitHub 安全公告 → 漏洞确认├─ POC 合集 → 利用代码└─ 技术分析博客 → 学到关键路由参数3. bash × 18 → 逐个验证端点├─ 默认口令登录尝试 → 404 (已切换OAuth2)├─ 文件上传接口 → 404├─ 路径遍历 CVE → 404 或 WAF 418├─ 带路由参数的服务端点 → HTTP 200 ← 行为变化├─ format=2 → 响应泄露: 二进制序列化已启用└─ format=3 → 触发 DeserializeParameters 调用, 完整堆栈泄露这个阶段的关键转折是 agent 从一篇公开的技术分析文章中学到了一个路由参数。不带该参数时端点返回 404,带上后返回 200 并进入了服务处理管道。agent 随后测试了不同的format值,发现format=2的响应中包含配置信息——二进制序列化已启用,默认格式为 Binary。而format=3直接触发了BinaryFormatter.Deserialize()调用,服务端返回了完整的 .NET 异常堆栈。
Phase 2 产出:确认 BinaryFormatter 反序列化入口、二进制序列化配置已启用、4个端点均受影响、完整的 .NET 技术栈信息泄露。
Phase 3: 利用尝试(DeepSeek,~18:30)
Exploit agent 从公开来源找到了完整的利用方法:
- web_search × 5 → 搜索 'BinaryFormatter ysoserial exploit'2. web_fetch × 4 → 抓取实际 exploit 代码├─ Python RCE 脚本 (含完整 payload 构造)└─ 完整漏洞分析 (含路由参数来源和利用原理)3. bash × 7 → 端点确认 + 参数测试4. write × 2 → 尝试写 payload 文件 → JSON 截断失败5. bash × 5 → 尝试发送 exploit → 全部截断失败agent 正确理解了利用链的每个环节,但在生成 payload 时遇到了 DeepSeek 模型的输出长度限制。BinaryFormatter 序列化数据经过 Base64 编码后通常有数千字节,超出了模型单次输出的 token 上限,导致 JSON 被截断。
这是当前 LLM 在漏洞利用领域的一个真实边界:信息收集和漏洞理解没有问题,但精确的二进制 payload 生成不是 token 预测模型的强项。
Phase 4-5: 验证与 RCE(Claude Opus 4.6,~18:15-19:00)
到这个阶段,三轮 DeepSeek agent 已经在 IOA Space 中积累了大量发现。人类通过 Claude Code 读取了消息图中的工具调用日志,看到了 agent 报告的反序列化入口和堆栈泄露——但这些可能是幻觉。需要用更强的模型去实际验证。
切换到 Claude Opus 4.6 后,验证分为几个阶段。
确认反序列化入口。向 agent 发现的端点发送一个System.Data.DataSet的 BinaryFormatter 序列化对象:
POST/[REDACTED]/ServiceGateway.svcHTTP/1.1Content-Type:application/json{"ap0":"","format":"3"}服务端返回:
"类型'System.Data.DataSet'的对象无法转换为类型'[REDACTED].BusinessInfo'"这条错误说明 **** 反序列化已经成功执行——DataSet 被正确还原了,只是在后续类型转换时失败。任意 .NET 对象都会在服务端被反序列化。DeepSeek 的发现得到了确认。
WAF 规则定位。用 ysoserial.net 生成标准 gadget chain(TypeConfuseDelegate、WindowsIdentity、ClaimsPrincipal 等),全部返回 HTTP 406——存在 WAF。
为了找到 WAF 的具体拦截规则,采用二分法逐步增加 payload 字节数:
发送字节数
HTTP 响应
前 500 字节
200
前 1000 字节
200
前 1300 字节
200
前 1356 字节
200
前 1357 字节406← 触发点
对偏移 1327-1367 的 hex dump:
Offset 1327-1367:HEX: 39 5D 2C * .... 63 73 2E 50 72 6F 63 65 73 73 ...ASCII: 9],[ ...WAF 的检测规则是匹配序列化数据中的类名。所有通过执行命令的标准 gadget chain 都包含这个特征。
不同 gadget chain 的 WAF 测试结果:
Gadget Chain
包含 Process 特征
WAF 结果
TypeConfuseDelegate
是
406 拦截
WindowsIdentity
是
406 拦截
ClaimsPrincipal
是
406 拦截
ActivitySurrogateSelectorFromFile否200 通过
WAF 绕过。ActivitySurrogateSelectorFromFile的工作原理与标准 gadget chain 不同:
-
攻击者编写自定义 C# 类(如ExploitClass.cs)
-
ysoserial.net 在本地编译该类,将 IL 字节码嵌入序列化数据
-
服务端反序列化时通过ActivitySurrogateSelector机制加载并实例化该类
-
自定义类的构造函数被执行
序列化数据中不包含System.Diagnostics.Process字符串——自定义代码以 IL 字节码形式存在,WAF 的字符串匹配规则无法检测。
时间盲注确认 RCE。编写验证用的 Exploit Class:
publicclassExploitClass{publicExploitClass(){Thread.Sleep(5000);}}生成 payload 并发送:
测试
端点
响应时间
基线
延迟 (Δ)
Sleep(5000)
DevReport
5151ms
~150ms
+5001ms
Sleep(5000)
InOutData
5147ms
~150ms
+4997ms
Sleep(8000)
DevReport
8607ms
~150ms
+8457ms
Sleep(8000)
InOutData
8259ms
~150ms
+8109ms
延迟量精确跟随Thread.Sleep()参数变化,排除网络抖动。
文件写入确认。最终通过File.WriteAllText向 webroot 写入验证文件,HTTP 访问确认内容正确。服务器环境:Windows Server 2022、.NET Framework 4.8、以 SYSTEM 权限运行。
复盘
三轮 DeepSeek agent 的工具调用统计:
工具
Scan Agent
Verify Agent
Exploit Agent
总计
bash (curl/scan)
15
18
7
40
web_search
7
4
5
16
web_fetch
0
7
4
11
cyberhub_search
1
4
0
5
几个值得记录的观察。
从侦察到确认反序列化入口,DeepSeek agent 用了大约20分钟和72次工具调用。整个过程中 agent 的信息来源只有三个:搜索引擎、目标的 HTTP 响应、和公开的 POC 仓库。它从公开技术文章中自主学到了关键路由参数,又通过调整format值发现了二进制序列化的配置泄露。这条从公开情报到漏洞确认的推理链是 agent 自己构建的。
模型切换的时机值得讨论。DeepSeek 在信息收集和模式匹配上表现够用,成本也低。但到了需要构造精确 payload、分析二进制数据、设计 WAF 绕过方案的阶段,我们切换到了 Claude Opus 4.6。这种分层策略在实践中是有效的:用便宜模型做探索,在需要深度推理时升级。
IOA 的消息图在模型切换时体现了价值。Opus 4.6 接手时不需要从零开始理解目标——前三轮 agent 的搜索结果、HTTP 请求和响应、成功和失败的尝试全部记录在 Space 中。这让切换成本接近于零。
新的架构形态---从端侧agent重新出发
本文不是正式工具发布, 是新架构的预告,介绍了几个核心设计。 预计6月初发布全新的智能化渗透工具 aiscan。主打极简、高效、实战化
回到 Phase 1:agent 从公开漏洞情报中自主定位到攻击面,用 curl 逐路径探测确认了活跃端点,最终推动了整条漏洞发现链。
没有人写好工作流告诉它该搜什么、该探测哪些路径。一个没有框架、没有 MCP server、没有外部编排的单文件二进制,是怎么做到的?
框架是笼子
前文提到,大部分队伍的设计都逃不出框架的范畴。
框架的本质问题是:它在模型和工具之间插入了一个编排层——本质上都是在处理 "调哪个工具、什么顺序、什么条件分支"。但这些决策恰恰是模型最擅长的事。各种框架使用各种或简单或复杂的机制(知识管理机制、工具调用机制、推理机制、校验机制、Harness机制等等),但一到了real world 就水土不服。
框架在代替模型思考,而不是帮助模型思考。
当编排层的假设对新场景失效时(它们总会失效 ),框架就从助力变成了笼子。
端侧 agent
aiscan 的回答是:不做框架,做端侧 agent。受 pi-mono 的启发,整个 agent 只有bash、read、write、glob四个基础工具,没有编排层,所有决策由模型在运行时做出。
框架思维
端侧思维
决策者编排层(代码写死)
模型(运行时推理)
工具接口专用 API / MCP
bash 伪命令
工具文档全量注入 system prompt
按需读取 SKILL
扩展方式加概念、加节点、加状态
不变,组合涌现
训练复用模型需学习新协议
免费复用 CLI 训练数据
为什么是 4 个而不是 40 个
给模型注册越多的工具,它花在"选哪个工具"上的推理预算就越多,留给"解决实际问题"的就越少。
工具爆炸不是在增强 agent,而是在消耗它的注意力。
4 个通用工具把认知负担压到最低——模型不需要在 20 个专用工具之间做选择,只需要想"下一步该执行什么命令"。
SKILL:使用手册而非SOP
SKILL在大部分人的思维惯性中, 将其当作一种SOP, 例如XSS Skill 就是描述XSS从头到尾怎么测试如何绕过。 我们在之前的文章中论证过, 也通过比赛实际成绩确认了这样的SKILL用法对agent来说是负优化, 严重损害了Agent原本的泛化能力。
而在aiscan中,SKILL不是SOP, 而是作为一种渐进文档发现的机制, aiscan集成了一些常用的扫描器, 但是不能一次性将工具的用法注入上下文, SKILL就是一种优雅的工具文档渐进发现机制。
IOA: 用通讯代替记忆
Phase 4 中 Opus 4.6 接手时,它没有参与前三轮的任何工作,但立刻就能看到 DeepSeek agent 搜索了什么、请求了哪些端点、哪些尝试成功了哪些失败了。
传统多 agent 系统要做到这一点,需要上下文传递、状态同步、交接协议。IOA 不需要这些。要理解 IOA 的设计,得先回到一个 50 年前的理论。
Actor 模型:一个老问题的老答案
1973 年,Carl Hewitt 提出了 Actor 模型。核心思想极其简单:参与者之间没有共享状态,所有交互通过异步消息传递完成。
这个理论在当时过于超前。直到 1986 年,Ericsson 的 Joe Armstrong 用它设计了 Erlang,让电信交换机在不停机的情况下处理数百万并发呼叫——靠的就是"进程之间绝不共享内存,只通过消息通讯"。后来 Akka 把同样的理念带进了 JVM 生态,支撑起大规模分布式服务,直到golang将其彻底发扬光大。
这些系统解决的问题,和今天多 agent 协作面临的问题惊人地相似:多个独立的执行单元,需要协调,需要容错,需要在其中一个崩溃时不影响其他人。
从 Actor 到 Agent
主流的多 agent 框架选择了另一条路:基于文件共享上下文。所有 agent 读写同一块工作空间保证一致性。
IOA 认为这条路并非唯一。用通讯代替共享内存——每个 Agent 或 Human 都是一个 Node(Actor),向 Space 写入不可变消息。没有共享内存需要加锁,没有状态需要同步。
消息不可变意味着任何参与者都可以"回溯"到协作历史的任意节点——这就是为什么模型切换的成本是零。新模型不需要"交接简报",读消息日志就够了。
黑板 / 共享内存
IOA / Actor 通讯
状态管理共享可变状态,需要加锁和共识
无共享状态,只有不可变消息
基础原语Task(有限状态机)
Message(不可约原语)
状态表达预定义枚举(pending/complete)
消息语义(无限状态空间)
参与者角色不对等(人类审批/AI执行)
Node 等价(不区分碳基硅基)
上下文恢复需要交接协议
读取消息图即可
Internet of Agent ---AI时代的语义协作网络
协议不预定义任何状态枚举。传统协议用pending/running/complete这样的有限状态机来描述任务生命周期——本质上是在设计时赌自己能穷举所有可能的状态。这个赌注必输。
IOA 让状态存在于消息内容的自然语义中。状态空间随模型的理解能力而扩展,而不是被协议设计者的想象力所限制。
Agent 和 Human 在协议层没有区别,都是 Node。
本案中的 Scan Agent、Verify Agent、Exploit Agent 就是这个设计的体现, 这些角色是根据上下文语义决定的, 而非我们预制的。我们没有在协议中预定义"侦察"、"验证"、"利用"三种角色——IoA 的 Node 没有角色字段。
三个 agent 收到的只是自然语言描述的任务,它们呈现出的职责分工,是语义涌现的结果,不是系统硬编码的。如果明天需要加一个"社工钓鱼 agent",不需要改协议、加角色枚举、写适配代码——只需要往 Space 里发一条消息。
结语
本文涉及的漏洞已通过正规渠道报告厂商,文中对目标产品做了完全脱敏处理。
我们将在aiscan的正式发布的时候详细的介绍这些机制和实现。