多智能体协作已发现逾200个安全漏洞

谷歌旗下网络安全部门Wiz于近日正式对外公布了其自主研发的AI漏洞挖掘系统Atlas。与传统单一AI模型从头到尾执行任务的方式不同，Atlas由多个AI智能体构成，每个智能体负责不同的专项任务，整体协作模式高度类似人类安全研究团队的分工机制。系统中的不同智能体分别承担理解代码库、提出漏洞假设、相互验证与质疑，以及最终完成漏洞确认和报告等职责。

在技术架构层面，Atlas的工作流程分为多个阶段。系统首先针对目标软件代码库建立威胁模型，并利用代码属性图对程序结构进行深度分析，从而识别潜在的攻击路径。随后，多个AI智能体分别独立提出漏洞假设并加以验证，生成可能存在的多步骤复合型漏洞候选方案，供后续审核流程使用。

候选漏洞在进入最终确认前，须经过三个分别扮演「支持论证」「反驳分析」和「最终裁决」角色的智能体进行对抗式审核，只有通过全部验证的漏洞才会被保留。此后，Atlas会自动搭建专用测试环境，安装所需依赖组件，并执行攻击输入以触发漏洞，从而在实际运行条件下确认漏洞的真实存在。

为有效控制运行成本，Atlas采用了精细化的AI任务分配策略。在需要高推理能力的环节，如复杂漏洞利用链分析和最终裁决阶段，系统才会调用能力更强的大型模型；而对于代码属性图分析、初步漏洞筛选等重复性较高的任务，则交由成本更低的小型模型处理。此外，系统还结合确定性代码分析技术和专用执行框架进行验证，进一步压缩整体运营开销。

在实际表现方面，Atlas经过数个月开发后，已在多个知名开源项目中发现并验证超过200个此前未知的安全漏洞。其中，Atlas协助GitHub发现了一项重大远程代码执行漏洞CVE-2026-3854，因此获得10万美元（约合人民币67.8万元）的漏洞发现奖金。在AI漏洞研究基准测试CyberGym中，Atlas以90.9%的成绩超越GPT-5.5-Cyber、Claude 4.6以及Claude Mythos Preview等竞争模型，展现出较强的综合能力。

要点

• Atlas由多个AI智能体分工协作，模拟人类安全研究团队的运作模式，采用多阶段任务拆分完成漏洞挖掘全流程。
• 系统引入对抗式三智能体审核机制，候选漏洞须经「支持论证」「反驳分析」「最终裁决」三重验证，有效降低误报率。
• Atlas根据任务复杂度灵活调用大型或小型模型，在控制成本的同时实现大规模深度代码分析。
• Atlas在CyberGym基准测试中取得90.9%的成绩，超越GPT-5.5-Cyber和Claude系列等主流竞争模型。
• Atlas已在多个开源项目中发现逾200个未知漏洞，并凭借发现GitHub重大漏洞CVE-2026-3854获得10万美元奖金。