2025年初，安全领域迎来一个标志性事件：zkSecurity开发的AI审计代理zkao对Cloudflare的开源密码学库CIRCL（Cloudflare Interoperable Reusable Cryptographic Library）展开持续扫描，最终确认了7个真实漏洞。其中两个漏洞被zkao自身评级为Critical——阈值RSA中的float64精度丢失，以及属性基加密（CP-ABE）的访问控制完全失效。后者由zkao独立发现，未经人类提示。这并非AI安全研究的又一次“概念验证”，而是AI首次在密码学审计流程中证明自己能够产出可被上游接受并修复的漏洞。

对比过往AI安全审计的尝试——多数停留在静态分析、模式匹配或语法错误检测——zkao此次突破在于“自动验证”能力的跃升。传统上，AI生成的候选漏洞仍需安全研究员逐一手工复现并确认。但zkao采用多模型协同（Opus 4.6+skills与GPT-5.3+skills），不仅生成潜在的漏洞描述，还能自动编写测试用例、执行攻击脚本，并将结果逻辑比对。在CIRCL项目中，大部分候选发现由zkao完成验证闭环，人类仅需做最终裁定。这种“半自主审计”模式显著缩短了从发现到确认的时间窗口。

具体到那两个Critical漏洞：阈值RSA的float64精度丢失源于CIRCL在实现分布式签名生成时，使用float64类型存储中间计算结果。当参数达到阈值协议中的大整数范围时，浮点数舍入误差会引入可预测的偏差，攻击者可以借助多次签名观察恢复私钥碎片。这不是传统意义上的缓冲区溢出，而是算法实现中浮点与整数混用的微妙错误，对AI而言是“跨界推理”的典型样例——需要同时理解密码学数学与IEEE 754浮点标准。另一个CP-ABE访问控制失效则更令人警醒：zkao发现CIRCL在属性基加密的密钥生成阶段，没有正确绑定属性集合与用户身份标识，导致任何拥有合法解密密钥的用户可以通过修改密文头部中的属性列表来解包任意密文，等同于访问控制完全被绕过。这一漏洞在AI自主探索过程中被触发，而非依赖预置规则。

然而，AI的严重性判断仍存在明显盲区。zkSecurity团队在后续分析中指出，zkao对漏洞影响范围的评估常常过于激进或过于保守。例如，它曾将某个只影响边缘调试模式的逻辑错误标记为High，却将另一个可远程利用的侧信道漏洞标为Informational。这反映出当前LLM在缺乏上下文安全模型时的固有缺陷——AI可以复现漏洞路径，但无法像人类专家那样根据资产价值、攻击面、利用条件等综合因素给出合理定级。此外，所有候选发现最终仍需要人类安全研究员的人工复核。“AI自主发现+人工确认”依然是现阶段最高效的组合。

从行业角度看，Cloudflare的CIRCL库并非小型玩具项目——它被用于Cloudflare的多种加密产品（如TLS 1.3、密钥分发、零信任网络）。zkao的审计结果已在HackerOne平台获得多数确认与奖励，表明上游完全接受了AI产出的漏洞报告。这意味着密码学库的自动化审计正从理论走向工程实践。对安全团队而言，当下最务实的做法是：在内部漏洞发现流程中引入类似zkao的AI代理作为“第一道防线”，让AI执行大规模、低成本的代码扫描与初步验证，再集中人类资源处理高价值候选漏洞。AI不是要取代安全研究员，而是帮他们从重复劳动中解放出来，聚焦于AI最不擅长的威胁建模、架构评估与严重性裁定。

展望未来，随着密码学审计专用模型（如基于CoT推理的改进版本）与动态执行环境（如符号执行引擎的集成）的结合，AI审计代理有望在2026年前后实现80%以上候选发现自动完成无人类干预。但在此之前，每一位安全从业者都应当密切关注zkao项目的发展路线——它正在重新定义“谁先发现漏洞”的竞赛规则。