文章总结： WizResearch在2026年7月27日公开的Atlas系统，是一个自主AI漏洞研究系统，在CyberGym公共基准上取得90.9%的成功率并排名第一。该系统在gRPC、Kubernetes、Linux内核等复杂开源项目中发现了200多个此前未知的漏洞。Atlas的核心创新在于将漏洞研究拆分为攻击面建模、并行狩猎、对抗验证和动态触发四个阶段，由不同专长的AI代理协作完成，要求每个发现都必须生成可复现的动态触发证据，从而将AI从仅能发现可疑代码提升到能自主验证漏洞真伪的阶段。这标志着AI在安全领域从告警型工具向自主验证型系统的关键跨越。 综合评分： 82 文章分类： AI安全,漏洞分析,安全工具,红队,实战经验

【AI安全】Wiz Atlas进化！200个未知漏洞被AI自主验证

原创

Oxo Security Oxo Security

Oxo Security

2026年7月28日 20:55 吉林

在小说阅读器读本章

去阅读

一、AI找漏洞跨过分水岭：不再只会“猜” 🔍

AI 时代！人人都在深耕 AI 安全，你缺的就是这关键一步！

AI 正重塑安全边界，与其在门外徘徊，不如直接掌握主动权！

免费课程持续更新

https://space.bilibili.com/452583051/lists/7870008?type=season

传统静态扫描器最常见的尴尬，是告警很多、证据很少。规则命中一个危险函数，工具就抛出一条“可能存在漏洞”；安全团队随后还要读代码、补环境、构造输入，再判断它究竟是真风险还是噪声。🚨

Wiz Research 在 2026 年 7 月 27 日公开的 Atlas，试图把这条链路向前推进一步。官方称，这套自主 AI 漏洞研究系统在 CyberGym 公共基准上取得 90.9% 的成功率并排名第一，同时在一批已经被审计、模糊测试和人工研究多年的开源项目中，发现并验证了 200 多个此前未知的漏洞。

被测试的对象并不是小型练习项目，而包括：

• 🧩 gRPC、dnsmasq 与 containerd；

• ☸️ Kubernetes 与 gVisor；

• 🐧 Linux 内核等长期接受安全研究的复杂代码库；

  

• 🧪 每个上报结果都需要由系统生成可工作的触发证据。

真正重要的变化，不是 AI 又多找到了多少“可疑代码”，而是它开始对自己的判断负责。 Atlas 不把模型输出直接当成漏洞，而是要求候选问题走到可复现的动态触发阶段。

| 能力阶段 | 传统告警型扫描 | Atlas 目标 | | — | — | — | | 发现线索 | 规则或单次模型判断 | 多代理并行提出假设 | | 判断真伪 | 依赖人工复核 | 对抗式验证与证据裁决 | | 证明影响 | 常停留在代码路径 | 构建环境并实际触发 | | 输出结果 | “可能存在风险” | 可复现、可行动的发现 |

这也解释了为什么“200+”不能简单理解为 200 条普通扫描告警。Wiz 表示，它正在与项目维护者进行负责任披露，在修复完成前不会公开技术细节。数量是吸引眼球的表层，验证闭环才是这项工作的核心。 🧠

二、Atlas不是一个模型，而是一支AI研究队 🧭

很多人谈 AI 代码安全时，第一反应是“到底用了哪个大模型”。Atlas 给出的答案恰好相反：持久优势不来自某个单模型，而来自围绕模型搭建的系统。

Wiz 将漏洞研究拆成四个确定阶段，再让不同专长的代理分别工作：

• 🗺️ 攻击面建模：识别入口、不可信输入、传播路径和危险操作；
• 🏹 并行狩猎：多个代理独立提出并测试漏洞假设；
• ⚖️ 对抗验证：支持方证明可利用，反对方寻找反证，裁决方权衡证据；
• 🧨 动态触发：搭建执行环境、安装依赖并运行触发输入。

第一步尤其关键。Atlas 不是把源代码当成一堆孤立文本，而是使用代码属性图（CPG）锚定调用关系和数据流事实。这样，模型分析“外部输入能否走到危险操作”时，不必只凭相邻文字猜测。🔗

漏洞研究不是一次问答，而是一条需要状态、工具和证据不断传递的工作流。 单个模型即使推理很强，也可能在长链路中忘记约束、重复调查，或把未经验证的可能性写成结论。

| Atlas角色 | 类比安全团队 | 主要任务 | | — | — | — | | 建模代理 | 威胁建模工程师 | 画出入口与危险汇点 | | 狩猎代理 | 漏洞研究员 | 提出多条攻击假设 | | 反方代理 | 严格复核员 | 主动推翻候选漏洞 | | 裁决代理 | 技术负责人 | 比较证据并合并重复项 | | 触发代理 | PoC工程师 | 建环境并证明真实影响 |

这种设计还有一个现实收益：不同任务可以使用不同模型。复杂利用链需要更强的推理能力，范围清晰的分类和去重则可以交给成本更低的模型。把合适的模型放到合适的阶段，才可能让深度扫描从一次性实验变成可持续运行的服务。 💰

三、四段闭环如何把幻觉压成证据 🧱

🎯【四段闭环如何把幻觉压成证据 🧱】

这一节真正关键的不是「四段闭环如何把幻觉压成证据 🧱」这个概念本身，而是它背后的判断路径、执行边界和可复用方法。

它怎样落到真实安全团队的工作流里？哪些细节会直接影响 AI 代理的可靠性？

加入 Oxo AI Security 知识星球，可查看本节完整内容，系统掌握「四段闭环如何把幻觉压成证据 🧱」的完整拆解与实战用法。

📚 AI 文献解读：最前沿的 LLM 安全论文深度剖析。

🐛 AI 漏洞情报：第一时间掌握主流大模型的 0-day 漏洞与越狱方式。

🛡 AI 安全体系：从红队攻击到蓝队防御的全方位知识图谱。

🛠 AI 攻防工具：红队专属的自动化测试与扫描工具箱。

🚀立即加入 Oxo AI Security 知识星球，掌握 AI 安全攻防核心能力！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：Oxo Security Oxo Security Oxo Security《【AI安全】Wiz Atlas进化！200个未知漏洞被AI自主验证》