GitHub 和微软在 11 月 17 日发了篇讲 MDASH 试点的文章,标题就是结论:维护者不缺 AI bug 报告,缺的是修复。我先给判断:这篇真正值得看的不是那套扫描模型,是它把"AI 发现"变成"能直接合并的修复"的那五步。这是可复制的。
我打开原文读了 1 遍,把关键数字都核出来。微软的多模型智能体扫描框架 Codename MDASH,用 MAI Cyber 1.1 Flash 这个模型去扫六个开源项目,AutoGPT、Caddy、Express、FastMCP、ImageMagick、Netty。原始 AI 标记了 9791 条可能的漏洞,最后筛成 99 份发给维护者的私有报告。官方标的比例是约每 100 条原始发现,产出 1 份报告。
五步,从发现到修复
这五步我抓出来核了 1 遍。第一步 Find,MDASH 扫描每个项目,给发现的每个问题附上修复建议。第二步 Filter,GitHub Security Lab 做的 AI 分流 agent,负责去重、验证有效性、只留高影响漏洞,维护者永远看不到原始扫描结果。第三步 Verify,微软 FORGE Lab 的 7 名研究员逐条人工核查。第四步 Report,通过 GitHub 的私有漏洞报告发出去,附概念验证和建议修复方案。第五步 Fix,修什么、怎么修、什么时候修,全由维护者定。
第三步是这条流水线的关键。9791 条原始发现,光靠模型分流还不够,7 个人每条人工过一遍,才敢把 99 份报告交给维护者。官方标的数字,每个项目的人工审核大约 2 天。这个成本不低,但它换来的是报告的质量。原文有一句我印象很深,报告和修复都留在 GitHub 上,也就是维护者本来就在工作的地方。
数字,截至 11 月 15 日
效果我是从原文核出来的。截至 11 月 15 日,维护者已经修了 55 个,其中 14 个进了 release。分项目看,Caddy 收到 22 份报告,一周内全修完;ImageMagick 也 22 份,这个项目的维护团队只有 2 个人,其中一个报告让维护者 15 分钟就完成了修复;AutoGPT 有份报告扫描后 3 天送达,维护者 1 天内写完修复,不到一周上线。
维护者自己的话比数字更有说服力。ImageMagick 的维护者说,平时一份安全公告平均要花 30 分钟到 1 小时去读、理解、修,这次是巨大差别。Express 的维护者说,MDASH 很有用,因为它能穿透漏洞报告的噪音。这两句我照原文翻译,没加料。
这事对普通维护者意味着什么
我给个判断。MDASH 这套东西,大部分维护者用不上,因为微软和 GitHub 出人出模型。但它的方法论可以抄。核心就三条:第一,AI 的原始发现必须过一层分流,去重、验证、只留高影响;第二,发给维护者之前必须有人工核查,报告要带修复建议和概念验证,不是甩一条"这里可能有洞";第三,报告走私有通道,别公开轰炸。这三条都值得抄。
为什么 7 个人、每个项目 2 天这一步省不掉,我想说清楚。9791 条原始发现里,绝大多数是误报或者低影响噪音,直接甩给维护者,维护者要花时间一条条证伪。分流加人工核查,是把证伪的成本从维护者身上,挪到微软和 GitHub 自己身上。维护者拿到手的 99 份,是已经被验证过、还附了修复建议的。这才是"能直接合并"这四个字的来源。
落到你自己能做的事,其实很具体。GitHub 的私有漏洞报告是公开能力,任何仓库都能开,报告进私有通道、带修复建议,不用等到有微软的扫描模型。AI 分流那一步你也可以自己搭:拿现成的 code scanning 结果,加一层去重和验证,只把高影响的留给自己。别让 AI 的原始输出直接砸到 issue 列表上。这条是 MDASH 里最便宜、也最该抄的一步。
还有一层背景值得知道。官方标的,这六个项目都是 GitHub Secure Open Source Fund 的校友,这个基金已经覆盖 216 个项目、300 多个维护者,修了 4000 多个漏洞,这些项目每月下载量超过 200 亿次。每个项目拿 1 万美元资助。这不是一次性的慈善,是一条持续在跑的线。我把原文打开核了 1 遍,这几个数都对得上。
还有个细节我补一句。同一天微软发了 MAI Cyber 2,而这次试点用的是旧版 MAI Cyber 1.1 Flash。也就是说,试点跑的还是上一代模型,下一代已经出来了。官方标的这条,我照引。
一句话。维护者缺的不是更多 AI 报告,是能直接合并的修复。MDASH 用分流加人工核查加私有报告,把 9791 条发现压成了 99 份可用的修复。方法论能抄,别指望那套模型落到自己仓库。