如何利用開源 AI 安全代理發現 24 個 Android 漏洞

GitHub Security Lab 推出 Taskflow Agent 自動化漏洞搜尋

GitHub Security Lab 發布了開源工具 Taskflow Agent，協助安全研究人員自動化、封裝並分享有效的 AI 提示與工作流程。這個工具讓研究人員可以透過自訂的 Taskflow 提示引導大型語言模型（LLM），把複雜的漏洞搜尋任務拆解成多個逐步指令。這種做法不只能加速找出複雜漏洞，也能揪出模型原本可能漏看的安全問題。研究員用這個工具，已經在 Android 應用程式中找到並回報超過 20 個漏洞。

部署條件與執行方式

Taskflow Agent 原始碼已開放，開發者可以自行部署測試。不過要用這個工具得先有 GitHub Copilot 授權，而且提示過程會吃掉大量 premium model 請求。執行過程中會產生很多工具呼叫，token 消耗量不小。使用者要先到 seclab-taskflows 儲存庫啟動 codespace，等環境初始化完成後，在終端機執行 `./scripts/audit/run_mobile.sh myorg/myrepo` 指令。中等規模的儲存庫，跑完可能要一到兩小時。結束後系統會開啟 SQLite 檢視器，使用者可以到「audit_results」資料表裡，找「has_vulnerability」欄位有勾選標記的項目查看結果。

針對 Android 應用程式的客製化提示

為了讓 AI 更聚焦在 Android 應用程式特有的漏洞類別，研究員調整了提示內容。首先新增一個叫 `gather_mobile_entry_point_info.yaml` 的 Taskflow，用來識別程式碼中攻擊者可控數據流動的入口點，並區分移動端與非移動端入口點。這樣可以確保 AI 在包含多種應用類型（例如網頁伺服器或桌面應用）的儲存庫中，能正確抓到移動端的攻擊表面。

其次，編輯了 `classify_application_local.yaml` 檔案，指定一系列常見漏洞類別，要求 LLM 在每個入口點和元件的脈絡下逐一檢查。因為移動端漏洞相關知識較少普及，加上 LLM 本身具有非確定性，這樣做可以確保模型不會漏掉關鍵漏洞。舉例來說，如果識別出基於 Intent 的入口點，模型會檢查像是 Confused Deputy 或不安全廣播這類常見漏洞。結合嚴格提示與多次重複執行，既能避免明顯漏洞被忽略，也能保留 AI 的創造力去建立威脅模型概覽。

實際發現的漏洞案例

研究員展示了兩個已披露的高影響性漏洞案例。第一個案例是下載量超過 1,000 萬的導航應用程式 OsmAnd。這個應用程式匯出了 `MapActivity`，讓外部元件可以啟動它。開啟設定檔時，應用程式會接受 Intent extras，但原本只預期這些數據來自 AIDL 服務。問題是任何應用程式都能對匯出的 Activity 發送帶有任意 extras 的 Intent，惡意應用程式因此可以無縫匯入設定，包括靜默匯入、取代現有設定，或繞過使用者確認。透過修改地圖磚塊的 URL 模板，攻擊者還能把使用者載入每個磚塊的 x、y 座標洩漏到攻擊者的伺服器，藉此追蹤使用者位置，甚至拿到路線的起點與終點，而使用者完全不會察覺。

第二個案例出在 Wikipedia Android 應用程式。這個應用註冊了 `wikipedia://` 深層連結，用來在應用內瀏覽網頁，但主機名稱解析器有邏輯錯誤，讓非 Wikipedia 網址也能被載入。攻擊者可以利用這個漏洞，把使用者導向以 `wikipedia.org` 結尾的惡意網站，讓使用者誤以為自己還在 Wikipedia 頁面上。同時應用程式會自動送出長效 Cookie。把這個漏洞跟另一個檢查域名建立 Cookie 列表的程式碼缺陷合在一起用，攻擊者就能竊取使用者的 Cookie，進而拿到使用者名稱、長效權杖，以及跨所有 Wikimedia 專案的會話權杖，達成帳戶接管。

AI 輔助安全研究的優勢與限制

LLM 在找漏洞這件事上表現不錯，連低嚴重性的問題都能揪出來，但常常抓不準漏洞的嚴重程度。模型有時會回報一些需要極特定狀態才成立的漏洞，這種狀態在現實中很難觸發。另外，像是路徑遍歷僅限外部儲存體這類緩解因素，會降低漏洞的實際影響，但 LLM 自己不太會發現，除非明確要求它建立概念驗證（PoC）。這代表需要多跑幾次逼模型嘗試利用漏洞，多花一些時間。

雖然 LLM 可能因為對內部與外部儲存體優先級的理解落差而產生誤報，但它對常見安全相關 API 行為的掌握程度令人意外。即使無法存取語言原始碼，模型也能準確理解 API 行為，生成的 PoC 通常只需稍微修改就能用。目前研究員已經找到 24 個 Android 漏洞，從路徑遍歷這種簡單問題到跨應用腳本這種關鍵漏洞都有。GitHub Security Lab 認為，AI 輔助安全研究是保護開源專案的有效做法，並鼓勵維護者用這個工具提升專案安全性。