Cloudflare测试了Anthropic公司开发的Mythos Preview安全大模型，发现其识别系统漏洞的能力较之前模型有显著提升。该模型被用于扫描50多个代码库，既能帮助修复漏洞，也能预测攻击者可能利用的新技术。文章分享了模型表现优异之处、不足之处，以及为适应规模化应用所需进行的架构改进。

项目Glasswing：Mythos模型带来的启示

核心突破：Mythos Preview的进化

Anthropic公司开发的Mythos Preview作为Project Glasswing项目的一部分，展现了安全领域大语言模型的显著进步： 1. 漏洞链构建：能像资深研究员一样，将多个低级漏洞（如释放后使用漏洞）串联成完整攻击链，形成ROP链等系统控制方案 2. 漏洞验证自动化：通过编写测试代码→编译执行→验证结果的闭环流程，自动确认漏洞的可利用性，消除传统扫描工具的猜测性结论

模型局限与挑战

• 非一致性防御机制：即使移除了商业模型的常规安全限制，Mythos仍会随机拒绝合法安全请求。相同代码分析请求可能因表述方式不同获得相反结论
• 信号噪声问题：
  • 内存不安全语言（如C/C++）误报率显著高于Rust等安全语言
  • 模型存在"过度发现"倾向，90%的输出包含"可能"、"理论上"等模糊表述
  • 改进点：通过提供具体函数+信任边界+架构文档的限定范围，可将发现质量提升至接近人类研究员水平

工程实践关键发现

1. 专用框架的必要性：

   • 通用代码代理直接扫描仓库效率低下，仅能覆盖0.1%代码表面
   • 成功方案采用50个并行代理，每个专注特定攻击类型（如命令注入）

2. 验证架构优化：

   • 对抗性审查：使用不同模型的独立代理进行二次验证
   • 阶段拆分：将"是否存在漏洞"与"攻击是否可达"分为独立验证阶段
   • 追踪系统：通过跨仓库符号索引确认漏洞实际暴露点

安全团队应对策略

• 速度陷阱：单纯追求2小时补丁SLA可能导致更严重的回归问题
• 防御架构原则：
  • 前置防护层阻断漏洞触达路径
  • 设计隔离架构限制漏洞影响范围
  • 建立全局同步修复机制

项目团队与声明

该研究由Cloudflare安全团队在受控环境中完成，所有发现漏洞均通过正式管理流程处理。核心成员包括Albert Pedersen等安全工程师。

（注：原文中的图片描述、具体案例细节及技术术语均保留专业表述，仅去除重复性说明和宣传性内容）

以下是评论内容的总结，平衡呈现不同观点并保留关键引用：

1. 对漏洞严重性和数据透明度的质疑（评论1/4/10/11） 主要观点：要求公布具体漏洞数据，认为缺乏量化指标 关键引用：

• "how severe were the most severe vulnerabilities found?"（评论1）
• "why don't you share real data on how many security vuln it found?"（评论4）
• "Disappointed that the post is very slim on details... No hard numbers"（评论10）

2. 对AI写作和营销性质的批评（评论2/11/13） 主要观点：怀疑内容由LLM生成，认为像营销宣传 关键引用：

• "it's interesting to see that even large organisations are outsourcing their blogs to LLMs"（评论2）
• "seems like a balanced promotion article probably written using LLM itself"（评论11）

3. 对技术价值的肯定（评论5/7/12） 主要观点：肯定漏洞发现流程和技术创新 关键引用：

• "the vulnerability discovery workflow might actually give good results"（评论5）
• "The idea that a cluster of actors can work on a shared... is an incredibly useful model"（评论12）

4. 关于安全范式的讨论（评论6/7） 主要观点：认为应从根本上改进代码安全假设 关键引用：

• "write code under the assumption that hackers will be running LLMs against their code"（评论6）
• "if these models will be able to generate more secure code by default"（评论7）

5. 其他争议性观点

• 质疑Cloudflare本身是安全漏洞（评论8："World's largest MITM"）
• 预测AI能力将超越质疑（评论9："blast through the naive expectations"）

总结：评论呈现两极分化，支持方肯定技术突破，反对方则质疑数据透明度和内容真实性，核心争议集中在具体漏洞数据的缺失和AI在安全领域的实际效用。