以太坊基金会最新技术披露显示，AI 已能在其依赖的软件与合约系统中找出部分真实问题，但当前更耗费资源的环节，不是继续生成漏洞线索，而是判断哪些报告真的构成安全风险。

公司披露称，协议安全团队近期测试覆盖系统软件、密码学库和高保证智能合约。其结论是，AI 适合大规模提出可疑点，但大量结果最终会落入无法触达的代码路径、重复已知问题、仅在调试环境出现的崩溃，或无法证明真实风险的形式化结论。

已确认一项 libp2p 漏洞

团队披露，一项已确认的问题出现在 libp2p 的 gossipsub 组件。该组件属于点对点网络层的一部分，被以太坊共识客户端使用。基金会称，这一问题可被远程触发，相关漏洞已完成修复，后续编号为 CVE-2026-34219。

这也是基金会用来说明 AI 能力边界的案例之一。它并未否认 AI 可以找到真实漏洞，而是强调，真正困难的是把有效发现从大量“看起来合理”的误报中筛出来。

多代理流程先做筛选

为降低误报比例，基金会采用多代理流程，让多个 AI 代理同时针对同一代码仓库工作，并通过版本控制共享状态，而不是依赖单一中央协调器。

其中，侦察代理先收缩攻击面，形成可测试假设；漏洞挖掘代理沿着假设追踪代码并尝试构造复现；补缺代理记录已接受和已否决的报告，避免重复劳动；验证代理则独立检查候选问题，去重并判断是否属于真实漏洞。

  • 指出可实际触达的目标代码
  • 明确对应的安全不变量
  • 解释故障机制并提供证据

此外，报告还需附带可独立运行的复现材料，以及用于去重的标识键，确保研究人员能直接在生产代码上测试相关结论。

人工复现仍是最终标准

基金会表示，整个流程中最重要的一条标准没有改变：如果除报告代理之外的其他人，无法在真实代码库中复现问题，这个漏洞就不能算成立。

按其说法，这一要求可以排除多类常见误报，包括不可能实现的攻击路径、只存在于调试模式的失败情形，以及虽然形式上成立、但并未证明实际安全属性受损的验证结果。

团队还指出，即便技术上能够复现，候选问题仍需继续评估实际可利用性。任何网络参与者都能触发的缺陷，与必须依赖特权权限或不现实算力条件的问题，安全含义并不相同。

补充信息：基金会称，AI 在判断攻击可达性、漏洞严重程度，以及需要长链路交互才会显现的问题时，表现仍不稳定。现阶段更适合作为有状态测试框架的辅助工具，而不是替代资深安全研究人员。