币圈界报道：

AI驱动下漏洞报告数量暴增，质量参差影响安全评估

随着人工智能技术在代码分析与报告生成中的深度渗透，加密项目所面临的漏洞提交量呈现指数级增长。这一趋势虽扩大了外部安全研究的覆盖面，但也导致无效或错误报告比例显著上升，对开发团队的审查效率构成严峻考验。

智能辅助提升发现效率，但误判风险同步攀升

自动化工具使研究人员能够快速遍历复杂代码库，识别潜在缺陷，大幅降低了参与漏洞悬赏的准入门槛。然而，部分系统因训练数据偏差或逻辑局限，常生成技术表述严谨却无实际危害的虚假报告，迫使安全团队投入额外资源进行人工甄别。

跨领域现象显现，开源项目已率先受创

此问题并非加密圈独有。曾主导curl项目的核心开发者近期宣布终止其漏洞奖励计划，主因即为遭遇大量由AI生成的低质报告，严重干扰正常运维流程。全球主流漏洞平台数据显示，去年有效报告总量突破数万份，同比增长7%，其中不乏重复、误导或虚构漏洞的案例。

机制重构与技术协同成破局关键

为缓解压力，部分项目方开始实施更严格的报告筛选机制。Cosmos Labs已引入多维度评分体系，优先采纳来自可信研究者且具备历史贡献记录的报告，并借助专业分类平台实现初步过滤，从而压缩无效内容的处理周期。

业内专家建议，未来应构建基于AI的前置筛选系统，以自动识别高风险或可疑报告。小型团队尤其需依赖此类工具弥补人力短板。长远来看，提高提交门槛、强化资质验证，或将成保障漏洞计划可持续运行的核心策略。尽管挑战加剧，但开放协作的安全生态仍将持续演进，平衡创新活力与管理效能。