“破解”热潮背后，Efflora 在为 AI 搭建安全训练场
有新Newin · 商业与创投
原创 有新 2026-11-05 10:03 浙江 当 AI 开始看懂、拆解和复现软件，一个“大破解时代”正在到来。近日，GitHub 上出现了一款名为 ReaCut 的开源视频编辑器。开发者借助 REA 分析剪映的本地行为和项目格式，再独立实现部分编辑功能。目前，ReaCut 仍处于早期预览阶段，导入剪映工程可能丢..... “我们想要的是一台能够从经验中学习的机器。”——阿兰·图灵 当 AI 开始看懂、拆解和复现软件，一个“大破解时代”正在到来。 近日，GitHub 上出现了一款名为 ReaCut 的开源视频编辑器。开发者借助 REA 分析剪映的本地行为和项目格式，再独立实现部分编辑功能。目前，ReaCut 仍处于早期预览阶段，导入剪映工程可能丢失部分特效，云同步等功能尚未实现。 ReaCut 编辑界面 类似尝试不止于视频编辑。Super Mak 64 的作者称，他借助 REA 提取《超级马里奥 64》的跑跳参数，再使用 Claude Code 制作了一款以小猪为主角的原创 3D 平台游戏。还有开发者用 REA 和 Codex 分析智能马桶微信小程序的蓝牙通信，演示通过电脑菜单栏控制马桶翻盖。 这些尝试把软件厂商带到一个新的竞争问题面前： 当一部分功能更容易被理解、重新实现，过去投入的开发成本，还能在多大程度上支撑产品定价和用户续费？分析软件的能力也有另一面。同样的工具可以帮助开发者理解系统，也可能被攻击者用于寻找防御中的薄弱环节。 10 月 21 日，OpenAI 披露了多方合作处理 PHP 关键漏洞的过程。PHP 广泛用于网站后台，负责生成页面、处理表单，并管理用户登录等会话状态。安全公司 Calif 使用模型发现关键缺陷，Wiz 也独立发现并报告了相关漏洞；攻击者可能利用漏洞，在未登录时让受影响服务器执行代码。PHP 维护者随后主导修复和补丁发布，OpenAI 及其他伙伴参与研究、技术支持和披露协调。 模型参与漏洞调查后，防御一侧也需要重新组织工作：如何让它理解相互关联的系统，沿着线索调查，并确认自己的判断？这既是安全团队的问题，也在产生新的训练需求。模型需要学习的，不只是漏洞知识，还有调查中的操作、试错与验证。 ▍ 从发现线索到确认风险 企业的安全问题并不总藏在一段有明显错误的代码里。不同系统各自正常运行，连接起来却可能留下权限和业务逻辑上的缝隙。 调查这类问题，需要在代码、配置与实际行为之间持续核对。 10 月 6 日，Anthropic 介绍了参与 Project Glasswing 计划的机构如何使用模型开展安全调查。在一项覆盖 258 个关键业务系统、约 1.7 亿行代码的评估中，Comcast 借助 Claude Mythos Preview，识别出一个面向公众平台的关键认证漏洞，可能使攻击者绕过身份认证。按照这份案例介绍，多个系统各自的设计相互影响，最终形成了这个漏洞。模型把检查不同系统时获得的信息联系起来，串起了分散的线索。 发现线索只是起点。Comcast 工程师随后在运行中的应用里验证风险，追查根因并完成修复。公司的安全负责人指出，模型让发现问题变得更容易，但线索大量增加后，验证成了新的瓶颈。Booz Allen 网络安全业务负责人 Brad Medairy 也提到，安全团队仍要逐一核实可疑问题，合并同一根因引发的重复报告，再交由相应负责人处理。 要让模型学习这类工作，仅给它一份漏洞描述并不够。它需要进入能够运行的系统，选择调查方向、调用工具，并从结果中判断下一步。开源研究 CyberFactory 展示了一种做法。研究团队从公开漏洞资料中挑选案例，找到存在漏洞的软件版本和对应补丁，再整理成训练任务，让模型实际操作，并通过测试检查结果。 CyberFactory 安全训练任务构建流程 任务建立后，研究团队引导教师模型检查代码、调用工具并运行测试，为后续训练生成示范记录。没有触发目标漏洞，就根据返回结果调整方案、继续尝试。这些操作与反馈被一并记录，用于后续训练。一条样本由此保留了从检查代码到验证结果的过程，也留下了调查如何在失败之后改变方向的经验。 ▍ 安全经验有了新买家 把这些经验变成模型可以反复练习的任务，是另一项需要专业分工的工作。有人要准备软件、复现运行条件、设计目标，还要判断模型究竟有没有完成任务。围绕这些环节，数据与环境供应商开始获得更多投入。 9 月 22 日，Snorkel AI 宣布完成 3.5 亿美元 E 轮融资，估值 35 亿美元，由 Insight Partners 与 S32 领投。公司面向 AI 实验室和企业构建训练数据集与模拟环境，将领域专家经验用于专业任务设计。10 月 7 日，Preference Model 宣布完成 a16z 领投的 1600 万美元种子轮融资，