AISLE AI 在 OpenAI 和 Anthropic 发现零漏洞后发现六个 curl CVE

AISLE 的自主 AI 系统在 OpenAI 和 Anthropic 的前沿 AI 系统对同一代码库报告零新增发现后，发现了 curl 中六个此前未知的漏洞，并随后被分配了 CVE 编号。这一结果支持了“系统优于模型”的论点，表明专门的 AI 捕获和自主系统在现实世界中的零日漏洞发现方面，可能优于原始的前沿模型。

在 curl 8.22.0 中识别出六个新 CVE

在 curl 创始人 Daniel Stenberg 于 2026 年 8 月 24 日发表公开声明，指出 Anthropic Mythos 和 OpenAI Codex Security 未在 curl 中发现更多漏洞后，AISLE 运行其自主系统对代码库进行了分析。AISLE 提交了 29 份报告，其中 6 份经 curl 安全团队验证，并在 curl 8.22.0 版本中修复。

所有六个漏洞均被评为低严重性，反映出 curl 的高工程成熟度，其中剩余缺陷通常存在于狭窄配置或细微交互中。识别出的 CVE 包括：

• CVE-2026-80229: OpenSSL 提供者 use-after-free
• CVE-2026-80230: OpenSSL pinning 绕过
• CVE-2026-80231: 原生 CA 存储连接复用
• CVE-2026-80255: 使用 tab 绕过 secure 属性
• CVE-2026-82208: wolfSSL CA-cache 命中覆盖回调
• CVE-2026-82209: 域作用域的公共后缀 cookie

验证与方法论

这一发现过程不同于标准的 AI 网络安全基准测试或夺旗（CTF）挑战，因为它针对的是当前生产代码，而非训练数据中的已知答案。验证由外部领域专家——curl 维护者——完成，他们决定这些发现是否真实，以及是否值得授予 CVE 编号。

由于 Daniel Stenberg 关于 OpenAI 和 Anthropic 未发现任何漏洞的报告在 AISLE 开始分析之前已公开并带有时间戳，因此该比较提供了零日漏洞发现的可验证基线。

更广泛的影响与 Linux 内核观察

AISLE 超越前沿模型的模式似乎不仅限于 curl。Linux 稳定版本维护者 Greg Kroah-Hartman 报告称在 Linux 内核中也看到了类似结果，他表示：

"我也在 Linux 上看到了同样的情况。不知道 Aisle 到底做了什么不同，但真是太厉害了。"

技术社区观点

尽管这些发现已通过 CVE 分配得到验证，但技术社区对方法论和结果性质提出了若干质疑：

• 系统 vs. 模型：批评者认为，将专门的 AI 捕获系统（AISLE）与基础模型（OpenAI/Anthropic）进行比较是不公平的。一位评论者指出：

"把一个基础模型和一个基础模型 + 捕获系统 + 其他组件进行对比，如果你操作得当，那么你当然会得到一个更好的系统来发现漏洞。"

• 信噪比：一些观察者指出，AISLE 报告了 29 个问题，但只有 6 个被授予 CVE，这表明其误报率更高。一位用户质疑前沿工具是否可能发现了相同问题，但因严重性较低而过滤掉了。
• 现实世界实用性：其他用户报告了对工具的积极体验，其中一人指出 AISLE 的扫描器成功串联两个漏洞，发现了 libnbd 中的一个漏洞，并提供了合理的修复补丁。

"由于 AISLE 报告了 29 个问题，但只有 6 个值得授予 CVE，且所有发现的 CVE 都是‘低’严重性，这让我怀疑 AISLE 是否只是被调校为比 Anthropic 和 OpenAI 工具更高的误报率。"

"该工具基本上必须串联两个漏洞才能触发这个 [libnbd 漏洞]。它还提出了一个修复补丁，这个补丁相当合理。"