‏وقتی هوش مصنوعی شکارچی آسیب‌پذیری می‌شه: ۲۰+ CVE در چند ماه

ایده اصلی این پروژه از یک آسیب‌پذیری ساده اما جدی در sudo (CVE-2025-32462) الهام گرفته: فلگ --host برخلاف مستندات، چک hostname رو در قوانین sudo بی‌معنی می‌کرد و امکان ارتقای سطح دسترسی محلی رو می‌داد. این باگ توسط LLM پیدا نشده بود، ولی سؤالی رو مطرح کرد: آیا می‌شه از مدل‌های زبانی برای پیدا کردن تناقض بین مستندات و کد واقعی استفاده کرد؟ این نقطه شروع طراحی یک هارنس (harness) سفارشی بود.

محقق بعد از آماده شدن هارنس اولیه، متوجه شد مدل‌ها به‌قدری پیشرفت کرده‌اند که دیگه نیازی به داربست پیچیده نیست. بنابراین هدف به سه مسیر تقسیم شد: پیدا کردن باگ‌های ناشی از تناقض مستندات با کد، شکار آسیب‌پذیری‌های کلی‌تر، و تلاش برای الهام گرفتن از مدل‌ها برای کشف کلاس‌های کاملاً جدید از باگ‌ها.