开源项目漏洞有人免费扫了：Anthropic OSS Scanner 上线，维护者怎么接入

你的依赖，可能只靠三个志愿者在维护

先讲一个你可能没意识到的事实：今天几乎每个软件产品的地基，都是一堆开源库。而其中很多库，真正的维护者只有两三个人，甚至一个。你上线前检查依赖的漏洞，靠的是运气和搜索引擎。

更现实的是：即使你发现了漏洞，也不是每个团队都有安全专家能看懂报告、写出补丁。开源世界的安全，长期是「最没人愿意做、但又最重要」的那件事。

10 月 8 日，Anthropic 官宣了 Cyber Mission 计划，第一批落地的两件事里，有一件就是面向开源社区的 OSS Scanner——用自家最强的模型，免费给开源项目定期扫漏洞。

OSS Scanner 是什么

一句话：一个需要项目主动报名的开源漏洞扫描服务，全程免费，由 Anthropic 最强模型（包括 Claude Mythos）执行。

它的思路借鉴了 Google 的 OSS-Fuzz——OSS-Fuzz 是用 fuzzer 持续轰炸开源项目找漏洞，OSS Scanner 则是把 fuzzer 换成了大模型：不是拿随机输入撞崩溃，而是读代码、理解数据流，去找「哪里能被人利用」。

项目报名之后，Anthropic 会先做一次完整扫描，之后定期重扫，重点找上次之后新引入的漏洞，以及之前漏掉的那些。扫描频率取决于排队项目数量和项目本身被用得多广。

注意这里的定位差异：OSS-Fuzz 擅长在 C/C++ 这类内存不安全的代码里撞出崩溃型漏洞；OSS Scanner 更像一个「懂代码的审计员」，覆盖面更接近人工代码审计，两者是互补关系，而不是替代关系。

六个月实验：2.9 万个候选漏洞，人工只验证了一小部分

这不是画饼。Anthropic 公布了过去六个月的内部实验数据：用最新模型扫描一批全球最重要的软件项目，共发现超过 2.9 万个候选漏洞——但人力只能验证其中一小部分。

能力增长曲线更值得注意：在 CyberGym 这个学术漏洞发现基准上，LLM 找到漏洞的比例，从去年初的不足 20%，涨到今年的 85% 以上。Anthropic 自己的说法是：开源维护者收到的报告，已经从「大量废话」变成了「高质量 bug 报告」。

另一个抽检口径是：严重和高危漏洞中，约 88% 达到了可以对外报告的标准。也就是说，模型报出来的高危项，绝大多数是真的。

但也要诚实地说：2.9 万个候选漏洞里，能被人工验证的只是一小部分。这意味着「模型发现」这一环已经跑通，卡住整个流程的，是「人工验证」这个瓶颈——这也是所有 AI 安全工具现阶段共同的课题。

加入后你会收到什么

维护者通过邮件收到一批漏洞报告，每份包含三样东西：

• 一个可以独立运行的复现用例，直接演示这个 bug 怎么被利用
• 对漏洞的解释，条件允许时还会二分定位到「它是在哪次提交被引入的」
• 一份候选补丁（如果有）

这三样东西的设计是有讲究的：复现用例解决「可信」问题，二分定位解决「修哪里」问题，候选补丁解决「怎么修」问题。拿到一份这样的报告，一个没有安全背景的维护者也能直接动手。

从流程上看，你的时间预期大概是：报名 → 首轮全量扫描（可能有一批历史漏洞报告）→ 之后按节奏收到增量报告。所以第一次收到一堆报告别慌，那大概率是历史债，清完一轮之后，增量才是常态。

和其他扫描方案怎么选

先把你已经有的工具盘一遍，再决定 OSS Scanner 放哪个位置：

• Dependabot / 依赖机器人：管「依赖版本」的已知漏洞，自动发 PR，覆盖面是「你引用的库」
• GitHub 原生安全扫描：管代码里像密钥、token 这类敏感信息
• Semgrep 这类规则扫描器：按规则匹配已知模式，快、免费、成熟，但找不了「没被写成规则」的新漏洞
• OSS-Fuzz：持续 fuzzing，适合 C/C++ 类项目
• OSS Scanner：大模型驱动的深度审计，能发现规则覆盖不到的逻辑型漏洞，且报告自带复现和补丁

一句话排序：先用免费规则扫描器兜底，再让 OSS Scanner 做深度审计。它不是替代品，是你工具箱里最「懂代码」的那一个。

另外提醒一句：任何扫描工具的结论都要过一遍人的判断再对外发布。模型说「这里有漏洞」，和「这里确实可以被利用、且影响真实用户」之间，还差一次验证。把它当协作工具，不要当真理机器。如果项目确实敏感又不愿意放弃这个机会，折中做法是：先做内部自查（自己跑一遍规则扫描、审计依赖），把明显问题清掉后再报名——干净的项目，模型扫出来的历史债也少，双方的体验都更好。

隐私与合规：把代码交给模型意味着什么

报名前有一个必须想清楚的问题：你把自己的开源仓库交给 Anthropic 的模型扫描，等于接受第三方对你的代码做全量分析。

对开源项目来说，代码本来就公开，风险不大；但如果你手上有「开源外壳、闭源核心」的项目，或者仓库里混着未公开的协议、密钥、内部注释，报名前要先把这些清理掉，或者干脆不报。任何安全服务的入场动作都一样：先做资产盘点，再决定交给谁。

你作为使用者，现在能做什么

分三种身份说：

• 如果你是维护者：去 Anthropic 官网了解 OSS Scanner 的报名条件，把你的核心项目排进去。排队期间，先用开源工具（比如 Semgrep 这类规则扫描器）把明显问题清一遍，别让模型一上来就给你刷一堆历史债。
• 如果你是使用者：留意你的核心依赖是否在扫描名单里，把「依赖的安全更新」纳入你的发布节奏，而不是等出事了再补。
• 如果你是团队负责人：可以把这个当作「LLM 安全能力」的参考样本——大模型在防守侧的价值，正在从「写报告」走向「直接交付可复现漏洞」。

给维护者的行动清单，照做就行：第一，整理项目清单，按「被多少人依赖」排序；第二，把每个项目的 README、LICENSE、维护者联系邮箱补全——这是报名的基本盘；第三，给主邮箱开一个专门的安全报告标签，别让漏洞报告淹没在订阅邮件里。

对 AI 安全赛道的意义

这件事的象征意义不小：OpenAI、Anthropic 这些前沿实验室，过去在安全上的工作更多是「红队攻击」（找自己模型的漏洞），而 Cyber Mission 这类计划是明摆着往「防守方」站队——用最强的模型去保护全世界都在依赖的基础设施。电网、水务、交通有 CIDP，开源软件有 OSS Scanner。防守侧的 AI 军备，正式开打了。

一句话结论

OSS Scanner 把「持续安全扫描」这件大多数开源项目做不起的事，变成了免费公共服务。模型找漏洞的能力已经过了及格线，剩下的瓶颈是人工验证和修复。对维护者来说，现在最值得做的动作就一个：报名，然后把核心项目排上队。