RedHerring用诱饵路径转移漏洞发现智能体
AI 总结
香港科技大学佘东冬、张凯凯、张子涵等研究人员提出RedHerring，通过在源码中加入看似合理但无法触发的漏洞路径，转移漏洞发现智能体对真实漏洞的注意力。研究团队分析了300条漏洞发现轨迹，发现验证阶段占总时间的73.8%，验证一个假设的成本约为生成一个假设的11.1倍。据新智元转述论文结果，在33个开源项目和Qwen、GLM、DeepSeek、Kimi等5个模型的测试中，加入RedHerring后找到的真实漏洞减少39%至60%，智能体约30%至50%的算力被消耗在诱饵上。
深度见解
RedHerring为防守方提供了一种源码级方法，可将AI漏洞发现智能体的高成本验证工作引向不可达的诱饵，并在报告的评估中减少找到的真实漏洞。
ASI启示录 2026-10-22 20:24 北京
港科大的 RedHerring 为破解 AI 攻防「攻易守难」的局面，开辟了全新思路。
新智元报道
AI 安全，正迅速从 AI 议题的相对边缘走向舞台中央。
Mythos 早在 2 月就已完成开发，却因安全问题悬而未决，迟迟只向少数机构开放，直到 6 月才全面上线。
#RedHerring#Hong Kong University of Science and Technology#Qwen#GLM#DeepSeek#Kimi