AI 挖漏洞误报率太高：华为要求提交前人工验证，聊聊 AI 代码审计怎么用

AI 找漏洞最近很火，但翻车也很快。华为终端安全奖励计划近日发布说明：用 AI 挖掘出来的漏洞报告存在大量误报，要求提交者必须先做人工分析和验证，否则不予受理。这条规则，值得所有想用 AI 做安全审计的人认真看看。

为什么 AI 报的漏洞不靠谱

AI 模型（尤其是大语言模型）在代码审计上的问题主要有三类：

1. 幻觉式漏洞：模型会”编造”看起来合理、实际上不存在的漏洞路径；
2. 忽略上下文：很多代码段单看像漏洞，但放在调用链里有前置校验，实际不可达；
3. 误判严重级别：把理论上的风险直接标成”高危 RCE”，一看 PoC 根本复现不了。

正确的 AI 审计流程

把 AI 当”初筛工具”而不是”结论生成器”，流程建议这样设计：

第一步：静态扫描打底
先用成熟工具（Semgrep、CodeQL、Coverity）跑一遍，拿到确定的模式和规则命中结果。这一步不依赖 AI，误报率可控。

第二步：AI 做候选分析
把可疑代码片段（含调用上下文、类型定义、注解）一起喂给模型，让它分析”是否可达、是否需要前置条件、可能的利用方式”。提示词里明确要求：不确定就说不确定。

第三步：人工验证（最关键）
对每条 AI 结论，必须做到三件事：
① 找到数据流入口（污点源）；
② 确认中间没有过滤/校验；
③ 写出可复现的 PoC 或明确说明为何不可达。

第四步：分级归档
把”确认可利用 / 需特定配置 / 理论风险 / 误报”分开归档。给厂商提交时，只交前两类。

提示词模板参考

你是安全审计助手。请分析以下代码片段：
1. 是否构成安全漏洞？如果构成，说明类别（注入/越权/反序列化等）。
2. 数据从哪来（污点源）、经过哪些处理、是否可达。
3. 是否存在前置校验使漏洞不可利用。
4. 若无法确定，请明确回答"无法确定"，不要猜测。
代码上下文：
<粘贴代码+调用链+类型定义>

给厂商提报前的自查清单

• 漏洞路径是否完整（源→汇）？
• 是否排除了框架自带的防护（如 ORM 参数化、模板转义）？
• 是否有可复现步骤或 PoC？
• 影响版本范围是否写了？
• 严重级别是否有依据，而不是”看着像高危”？

结论：AI 能把审计效率提升数倍，但它替代不了验证。把 AI 当”实习生”，人工当”审核员”，才是最省事也最不容易被打回来的姿势。