開源軟體是現代軟體供應鏈的基石，但維護者往往被漏洞報告淹沒，資源有限。OpenAI 在 2026 年 6 月 22 日推出「Patch the Planet」計畫，試圖用 AI 加速漏洞發現，同時確保修補工作不會變成維護者的新負擔。
這個計畫由 OpenAI 的 Daybreak 團隊主導，並與安全顧問公司 Trail of Bits 合作。核心概念很直接：讓 AI 模型（包括 GPT-5.5-Cyber 和 Codex Security）協助分析程式碼、開發修補程式，但所有發現都先經過資安工程師的人工審查，確認有效後才交給維護者。OpenAI 強調，這不是要取代維護者的決策，而是提供工具和流程，讓維護者能更有效率地處理安全問題。
為什麼需要這個計畫？
AI 讓漏洞發現的速度大幅提升，但「發現」不等於「修復」。維護者現在可能收到更多報告，但時間和人力並沒有增加。Patch the Planet 的設計目標是「減少負擔，而不是增加負擔」。
具體做法是：在每個專案開始前，先與維護者討論需求，決定要聚焦在漏洞驗證、修補開發、CI/CD 改進，還是長期安全工程。然後，研究人員會調查潛在漏洞、驗證問題、開發或改進修補程式、支援測試，並透過專案既有的管道協調揭露。
初始參與的專案包括 cURL、NATS Server、pyca/cryptography、Sigstore、aiohttp、Go 專案、freenginx、Python 和 python.org。這些都是網路、加密、軟體供應鏈和語言基礎設施的關鍵元件，影響範圍廣泛。
初步成果：從幾週縮短到一天
Trail of Bits 的工程師在 19 個開源專案上全職使用 Codex 和 GPT-5.5-Cyber，已經發現數百個安全問題，並合併了數十個修補程式。更重要的是，他們建立了一系列可重複使用的安全基礎設施，包括 fuzzing harness、歷史 CVE 分析管道、差異測試系統、威脅模型和擴充的測試套件。
幾個早期案例顯示了 AI 的實際效益：
- 一天內建立 fuzzing lab：工程師用 Codex 的 /goal 模式，搭配 GPT-5.5-Cyber，在不到一天內建立了一個覆蓋數十個入口點、變體建置和多平台的 fuzzing lab。Trail of Bits 估計，手動建立同樣的 lab 通常需要至少幾週。
- 變體漏洞分析管道：團隊建立了一個系統，能吸收歷史 CVE、提取漏洞模式、搜尋相關程式碼缺陷，並透過專門的評判代理過濾結果。這讓多年的漏洞歷史變成可重複的搜尋策略，特別適合找出已知漏洞的變體。
- 差異測試從幾個月縮短到幾天：不同實作在相同輸入下應該表現一致，若不一致可能代表有 bug。Codex 自動產生和迭代 shim 程式碼，讓多個實作可以互相 fuzz，並比較行為差異。團隊在幾天內就得到高信號的候選結果，而傳統方法需要數週或數月。
這些成果的關鍵在於「人工審查」：Trail of Bits 的工程師在每個發現提交給維護者之前，都會手動重現證據、檢查專案文件、去除重複、重新評估嚴重性，並優先處理確認的漏洞。這一步驟至關重要，因為 AI 模型雖然能發現漏洞，但也會產生大量誤報，如果直接丟給維護者，只會讓問題更嚴重。
更廣泛的發現：從核心到瀏覽器
除了上述專案，Daybreak 團隊也在其他關鍵軟體上進行了測試，成果涵蓋整個軟體堆疊：
- Linux Kernel：GPT-5.5-Cyber 在超過 3000 萬行程式碼中識別出安全相關元件，並動態驗證，產生了 8 個核心指標資訊洩漏 PoC 和 24 個本地權限提升漏洞利用。
- OpenBSD：模型發現了一個存在 23 年的 use-after-free 漏洞，可能讓非特權使用者提升到 root 權限。
- FreeBSD：研究人員用 Codex 找到並驗證了多個本地權限提升漏洞，並確認了 34 個漏洞。
- dnsmasq：Codex Security 獨立識別了四個後來被修復的 CVE 對應的漏洞模式。
- HTTP/2 Bomb：Calif 用 Codex 發現了一種影響 NGINX、Apache、IIS 和 Pingora 的 DoS 技術，估計超過 88 萬個網站受影響。
- 瀏覽器：在 Chrome 的 V8 引擎中發現並回報了 5 個可利用漏洞；在 Safari 的 WebKit 中一週內發現超過 10 個；Firefox 的 WebAssembly 漏洞在 Pwn2Own Berlin 前兩天被修補。
這些數字說明了 AI 在漏洞發現上的潛力，但也提醒我們，真正的價值在於後續的驗證和修補流程。
對產品開發者的啟示
Patch the Planet 對產品開發者和 AI 工具使用者有幾個值得注意的點：
- AI 是加速器，不是替代品：AI 可以大幅縮短漏洞發現和修補的時間，但人工審查仍然是必要的。這對任何使用 AI 輔助開發的團隊都適用：AI 的輸出需要驗證，特別是在安全領域。
- 可重複的工作流程比一次性發現更有價值：Trail of Bits 建立的 fuzzing lab、CVE 分析管道和差異測試系統，都是可以重複使用的資產。這對產品開發者來說，意味著投資於工具和流程，比單次修補更有長期效益。
- 維護者的自主權很重要：OpenAI 強調維護者仍然控制修補程式的部署和揭露方式。這提醒我們，即使 AI 能自動化許多步驟，最終決策權仍應保留給人類。
限制與下一步
目前公開的細節仍有限，許多專案特定的發現還在協調揭露中。OpenAI 計畫在修補程式落地後，發布更深入的技術報告，分享個別發現、研究方法、驗證流程，以及防禦者可以應用的教訓。
對於想嘗試類似方法的團隊，可以先從小型專案開始，建立自己的 fuzzing 或漏洞分析管道，並確保有人工審查環節。AI 工具可以加速，但安全的最後一哩路，還是需要人的判斷。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。