腾讯｜科恩实验室—AI驱动的自动化漏洞挖掘与利用技术研究实习

课题背景： 近年来，大语言模型（LLMs）在代码理解与推理方面取得显著进展，业界已涌现出Codex Security、Claude Code Security等基于大模型的安全审计方案，展现了LLM在漏洞发现领域的巨大潜力。然而，当前方案多局限于源码片段级的静态审计，距离模拟资深漏洞研究人员——综合运用代码审计、模糊测试、调试器、反编译器等多种方法和工具，对开源及闭源目标进行端到端漏洞挖掘并完成漏洞利用——仍有较大差距。因此，本课题聚焦于构建AI驱动的漏洞挖掘Agent，实现从漏洞发现到利用的全链路自动化。 课题挑战： 1、漏洞挖掘Agent框架设计：如何构建模拟漏洞研究人员思维链的Agent系统，使其能够自主规划审计策略、调度工具、分析结果并迭代推进，完成端到端的漏洞挖掘任务； 2、AI Coding工具的安全能力定制：如何深度利用或二次开发Codex、Claude Code、CodeBuddy等主流AI Coding工具，定制面向漏洞发现场景的安全审计能力； 3、多工具协同与闭源目标分析：如何设计Agent与调试器、反编译器、模糊测试框架、符号执行引擎等异构工具的统一交互接口，并利用LLM对反编译代码进行语义恢复，实现开源与闭源目标的深度审计； 4、漏洞可利用性评估与PoC生成：如何结合程序分析与LLM推理能力，自动判定漏洞可利用性并生成概念验证代码，实现从崩溃到利用的自动化转化； 5、安全领域数据构建与强化学习优化：如何从历史CVE和安全研究中提取高质量训练语料，结合沙盒环境中的漏洞发现反馈设计奖励机制，持续提升模型的漏洞挖掘能力。 具体工作： 你将参与到漏洞挖掘Agent框架设计、主流AI Coding工具的安全能力定制与二次开发、多工具链协同编排、漏洞可利用性评估与PoC自动生成、安全领域训练数据构建与模型优化等核心工作，推动AI驱动的漏洞挖掘技术走向实战落地。

1、包含但不限于信息安全、计算机科学、软件工程、人工智能等专业的博士和优秀硕士； 2、具备安全研究基础，熟悉常见漏洞类型的原理与利用技术，熟练使用IDA Pro、Ghidra、GDB、AFL等至少一种逆向分析或漏洞挖掘工具，有代码审计经验、CTF竞赛经验或CVE发现经历者优先； 3、熟悉主流AI Coding工具，有基于源码二次开发或安全场景定制经验者优先；较强的工程实现能力，熟练掌握 C/C++/Python/Rust 编程。