HackerOne CEO：人类黑客对业务的判断力，AI不可替代

FreeBuf

2026年11月8日 19:54
上海

去阅读

AI已经能够在数分钟内批量发现漏洞，但要判断这些漏洞会给企业带来多大影响，人类安全研究人员仍然具有明显优势。

在近期的一次访谈中，HackerOne首席执行官Kara Sprague围绕AI对漏洞众测行业的影响展开讨论，涉及业务逻辑漏洞、AI辅助研究、常规漏洞赏金变化等话题。结合《2026年HackerOne安全研究报告》的数据，她分析了AI辅助漏洞提交量的增长趋势、企业筛选有效报告的方式，以及安全研究中仍然难以被AI替代的工作。

Part01

人类仍具业务判断优势

AI能够在短时间内批量发现已知类型的漏洞，但判断这些漏洞是否会对企业造成实际影响，仍然需要人类研究人员参与。漏洞的风险不仅取决于技术本身，还与系统的使用场景、业务流程及潜在后果密切相关，而这些恰恰是当前AI不擅长处理的部分。

尤其面对与企业业务流程紧密相关的漏洞时，AI的判断能力仍有明显局限。例如，退款流程可能被恶意利用、审批机制存在绕过空间，或者多个看似正常的操作组合起来能够实现账号接管。这类漏洞往往没有明显的代码错误，需要研究人员理解业务设计初衷，并从攻击者视角寻找非常规的利用路径。

安全研究人员也在逐渐调整研究方向。《2026年HackerOne安全研究报告》显示，85%的受访者正在主动学习AI相关技能，68%认为AI促使自己转向挖掘赏金更高、技术更复杂的漏洞，72%则将业务逻辑漏洞列为增长最快的漏洞类型。

从实际研究过程来看，理解业务逻辑仍是最难实现自动化的环节，其次是将多个独立漏洞串联成完整攻击链。虽然AI在漏洞组合利用方面的能力持续提升，但业务逻辑判断需要掌握系统原本应该如何运行。

例如，代码本身并不会完整解释退款需要经过哪些审批、支付授权应受到什么限制，以及某些异常操作可能被如何滥用。AI可以协助测试这些场景，但要识别真正影响业务安全的问题，仍需要研究人员结合实际业务背景和长期经验进行判断。

漏洞修复优先级的确定同样难以完全交给AI。报告显示，58%的安全负责人承认，产品交付计划或其他业务优先事项，经常导致严重、高危漏洞的修复被推迟。

这类决策不仅涉及技术风险，还需要与产品负责人协调，权衡修复成本、业务影响和交付安排，并由相关人员承担最终决策责任。

因此，AI能力的提升并不意味着人类研究人员的价值会迅速消失。随着越来越多的常规测试交给自动化工具，研究人员需要把更多精力投入业务逻辑分析、漏洞影响评估和修复方案制定等工作，这些也将继续成为安全研究的重要组成部分。

Part02

AI强化众测模型价值

AI的普及并不会削弱漏洞众测模式本身的价值，但会改变不同类型漏洞的奖励水平。

漏洞众测的优势一直在于让不同背景的研究人员从多个角度审视系统。每个人拥有不同的技术经验、专业技能和攻击思路，因此能够发现传统测试流程容易遗漏的问题。

相比之下，即使引入更多AI模型，也未必能获得同等程度的思路差异。尤其当模型使用相似的训练数据、面对相同的测试目标时，生成的测试策略很可能趋于一致。

即便越来越多研究人员使用AI辅助测试，按照有效漏洞发现结果支付赏金的模式仍然具有价值。2026年上半年，HackerOne向研究人员支付的赏金同比增长26%，第三季度增长进一步加快。

平台的测试范围也在持续扩大。过去两年，将AI资产纳入测试范围的项目数量翻了一番，相应的有效AI漏洞报告数量增长了222%。

不过，对于依靠模式匹配就能发现的常规漏洞，获得赏金的难度正在增加。

随着自动化工具不断降低这类漏洞的发现门槛，越来越多研究人员能够提交相似结果，项目方继续为重复、低价值发现支付高额赏金的意愿也会下降。即使公开的赏金标准没有调整，研究人员成功获得奖励的概率也可能降低。

未来，常规中危漏洞的赏金可能继续下调，而需要深入调查、复杂漏洞组合利用和业务判断的研究成果，则有望维持较高价值，甚至获得更高奖励。

这一趋势已经体现在平台数据中。自2025年1月以来，HackerOne的漏洞提交总量增长至原来的2.8倍，有效报告数量增长至原来的1.9倍。项目方正在提高严重漏洞和新型漏洞的奖励，同时减少对低危、重复及容易通过自动化工具发现的问题的赏金，部分报告甚至不再获得奖励。尽管如此，整体赏金支出仍在增长。

但漏洞发现成本下降，对攻击者同样有利。过去可能被忽视的中危漏洞，如今也可能因为利用门槛降低而带来更高风险。

目前，约70%的安全负责人面临一个共同问题：经过验证的漏洞进入待修复队列的速度，已经超过团队实际处理能力。

因此，未来安全研究的价值不仅体现在发现多少漏洞，还在于能否从大量结果中识别真正重要的问题，准确评估业务影响，并帮助企业推动修复。

Part03

AI辅助提交量激增

随着AI辅助研究越来越普遍，HackerOne平台的漏洞报告数量持续增长，但目前还无法准确区分其中有多少来自AI。

一份漏洞报告可能完全由研究人员独立完成，也可能由AI生成，或者在人机协作过程中形成。即使是质量较高的报告，也可能使用AI辅助分析或整理。因此，平台现阶段更适合统计整体提交规模及最终有效情况，而难以准确计算AI报告与无效报告之间的比例。

从2025年1月至今，平台漏洞提交总量增长至原来的2.8倍，有效报告数量增长至原来的1.9倍。虽然有效漏洞报告的数量已经创下历史新高，但其在总提交量中的占比有所下降。

未被认定为有效的提交中，包含大量重复报告、仅提供信息性提示的内容、超出测试范围的问题以及垃圾报告。此外，还有越来越多的报告需要研究人员补充证据，或等待项目方进一步核实。

目前尚无法确定，这轮提交量增长中究竟有多少由AI推动。对于负责审核的安全团队而言，真正重要的不是报告是否使用了AI，而是其中的技术证据能否证明漏洞确实存在，并造成实际安全影响。

AI能够快速生成结构完整、逻辑清晰的漏洞报告，甚至让未经证实的问题看起来具有较强说服力。但报告写得是否专业，与漏洞是否真实存在是两回事。项目方仍需投入时间核验漏洞、复现攻击过程并评估实际风险。

为应对不断增加的提交量，部分漏洞众测项目已经开始调整管理方式。例如，根据研究人员过去的提交质量设置报告数量限制，或者通过私有测试项目控制参与人员范围。

与此同时，项目方还需要改进漏洞审核流程，将自动化工具与人工分析结合起来，提高分诊效率，避免真正有价值的漏洞报告被大量重复或无效内容淹没。

从HackerOne的数据来看，AI正在显著提升漏洞发现和报告生成的效率，但并没有同步解决漏洞验证和修复的问题。随着报告数量持续增加，如何准确判断漏洞的真实影响、合理安排修复优先级，并将有效发现转化为实际安全改进，将成为漏洞众测行业需要持续解决的问题。

参考来源：

What human hackers still do better than AI, according to HackerOne's CEO

https://www.helpnetsecurity.com/2026/11/03/kara-sprague-hackerone-ai-bug-bounty/

推荐阅读

电报讨论