GitHub Security Lab：利用开源AI安全代理发现24个Android漏洞
2026/09/29 03:00阅读量 2
GitHub Security Lab发布了其开源AI安全代理（Taskflow Agent），通过定制化的审计任务流，成功在Android应用中发现了24个漏洞。该工具通过引导大语言模型（LLM）分步执行特定于移动端的攻击面分析，有效识别了Intent混淆副手、不安全广播等复杂漏洞。相关代码已开源，用户需具备GitHub Copilot许可即可运行。
事件概述
GitHub Security Lab 团队开发了名为 Taskflow Agent 的开源 AI 安全代理，旨在帮助安全研究人员自动化、打包并分享有效的 AI 提示词和工作流。作者 Kevin Stubbings 利用该工具创建的定向审计任务流，在 Android 应用程序中发现了超过 20 个漏洞，总计 24 个。这一实践展示了如何通过自定义任务流引导大语言模型（LLM）更快速地发现传统方法可能遗漏的复杂漏洞。
核心机制与技术细节
针对 Android 应用特有的漏洞类别，研究团队对通用审计任务流进行了以下关键优化：
- 入口点分离与识别：新增
gather_mobile_entry_point_info.yaml任务流，用于区分移动端入口点与非移动端入口点。这确保 AI 能够准确理解混合代码库（包含移动应用、Web 服务器和桌面应用）中的正确攻击面。 - 特定漏洞类检查：修改
classify_application_local.yaml任务流，强制 LLM 在分析每个入口点和组件时，考虑特定的高危漏洞类别。例如，当识别到基于 Intent 的入口点时，系统会引导 LLM 重点检查“混淆副手”（confused deputy）或“不安全广播”（insecure broadcasts）等常见 Android 漏洞。 - 组合策略优势：结合严格提示词与多次运行，既确保了明显漏洞不被遗漏，又利用广泛提示词帮助 LLM 建立威胁模型的全局视图，从而发现组件间的连接性漏洞。
使用指南与资源
- 开源仓库：seclab-taskflows
- 运行环境：需要 GitHub Copilot 许可证（将消耗高级模型 Token）。建议在 Codespace 中运行。
- 操作步骤：
- 进入仓库并启动 Codespace。
- 在终端执行脚本：
./scripts/audit/run_mobile.sh myorg/myrepo - 等待数小时完成扫描后，打开 SQLite 查看器，筛选
audit_results表中has_vulnerability列为勾选状态的结果。
值得关注
随着 AI 在安全领域的应用深化，单纯依赖 LLM 的代码理解能力已不足够。通过构建结构化的 Taskflow，可以将复杂的审计过程拆解为增量步骤，显著提升对非确定性 AI 模型的引导效果，使其能够处理如 Android 这种具有独特架构和漏洞模式的平台。