文章总结： 该文档为sdc2026议题预告，介绍奇安信星图实验室研发的迭代式模糊测试智能框架storm。在AI审计时代，针对AI工具可能遗漏的漏洞，storm在25个主流开源项目上两个月内自动化挖出54个真实漏洞，8个获厂商确认修复，而对照实验显示codexsecurity检出率低。议题将探讨AI与fuzzing的组合方案，并分享消费级显卡驱动小模型进行漏洞挖掘的实战经验。 综合评分： 82 文章分类： 安全工具,漏洞分析,ai安全,安全开发

SDC2026议题预告 | Storm: AI审计时代下，Fuzzing还有用吗？

SDC2026 SDC2026

看雪学苑

2026年10月6日 17:53 上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

Storm: AI审计时代下，Fuzzing还有用吗？

AI 漏洞挖掘的“原子弹时刻”已经到来：Codex Security、Claude Mythos 批量产出真实漏洞，“震惊、瘫坐”成为安全圈的日常。但两个问题随之悬而未决：是否存在一类漏洞，连最先进的 AI 审计工具也永远够不着？AI 已具备强大的动态调试能力，传统 Fuzzing 是否还有存在的必要？

本议题将用一套系统正面回答——Storm，奇安信星图实验室研发的迭代式模糊测试智能框架。它在 25 个已被 Google OSS-Fuzz 持续轰炸三到五年的主流开源项目上，两个月内全自动化挖出 54 个真实漏洞，8 个获厂商确认修复；而在对照实验中，Codex Security 面对相同源码仅检出其中 10 个，官方确认的 8 个更是零检出。更反直觉的是，驱动这一切的只是一张消费级显卡就能跑起来的 27B 小模型…

演讲嘉宾：张兴

奇安信星图实验室-安全研究员。研究方向为源码模糊测试，协议模糊测试以及自动化差分测试方法。以第一作者身份在CCS, Usenix Security, ICSE等国际顶级学术会议上发表过文章。

听众收获

• 看清 AI 审计能力边界，解密小模型 Storm 如何在老牌开源项目挖出 AI 漏检漏洞；

• Agent 赋能 Fuzzing 实战：消费级显卡自动生成 Fuzz Driver，突破传统漏洞挖掘瓶颈；

• AI 与 Fuzzing 不是替代关系，从实测数据掌握下一代代码漏洞挖掘组合方案。

报名参会

来SDC现场解锁更多议题细节

球分享

球点赞

球在看

点击阅读原文，报名参会

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：看雪学苑 SDC2026 SDC2026《SDC2026议题预告 | Storm: AI审计时代下，Fuzzing还有用吗？》