以太坊基金会用AI发现gossipsub崩溃漏洞，但AI误报成最大挑战

AI协同测试发现真实崩溃漏洞 以太坊基金会近期通过内部构建的协同AI代理系统，对验证者节点所依赖的核心通信组件gossipsub展开深度测试。该测试成功识别出一个可被远程触发的软件崩溃漏洞，导致节点进程非预期退出。漏洞已修复，并正式登记为CVE-2026-34219。 漏洞影响验证者稳定性 以太坊网络依赖去中心化节点群组维护消息广播与状态同步，gossipsub正是其底层消息传播协议。验证者运行于该网络之上，需持续在线接收、验证并转发区块与投票消息。一旦节点因该漏洞崩溃，将立即离线，无法参与共识，且无法自动恢复——必须由运维人员手动重启。这直接威胁验证者可用性与质押收益连续性。 AI擅长生成‘高可信度’误报 项目团队指出，本次工作的关键难点并非发现异常，而是甄别真伪。AI代理常一次性输出结构完整的技术报告：包含攻击向量推演、影响范围评估、严重性评级，甚至附带伪造复现代码。这些内容逻辑自洽、术语精准，极易误导判断。 三类典型误报模式 团队归纳出AI高频产出的三类无效线索：其一，崩溃仅存在于未启用安全加固的调试构建中，生产环境不可触发；其二，所谓‘恶意输入’在协议层已被强制过滤或校验，外部攻击者根本无法送达；其三，形式化推理虽显示某种边界条件成立，但该条件在实际协议交互中永不可能达成，结论无实质安全意义。 复杂链式攻击仍需人工穿透分析 AI当前更适配静态、单点缺陷识别，而难以建模多步骤、状态依赖型攻击路径。例如Edel Finance与BONK事件中的攻击，并非源于某次非法调用，而是多个合法操作按特定时序与上下文组合后引发状态错乱。这类‘合法动作拼图式攻击’，AI尚无法自主关联与归因。 AI定位为线索引擎，而非裁决者 基金会明确：AI在此流程中承担‘高优先级可疑点筛选器’角色。它扩大了人工可覆盖的代码面与场景广度，但所有潜在问题必须经由传统模糊测试、协议状态机建模及资深工程师交叉验证后，方可进入修复队列。在以太坊这样的关键基础设施中，自动化工具拓展的是搜索半径，而最终的责任边界，始终由人来划定。