0day Rubbish

在 AI 时代，0day 漏洞已经沦为垃圾。

🌐 官方网站：https://0day-rubbish.com/blog

🎯 为什么存在

传统漏洞披露机制已经失效。它缓慢、官僚且低效。在 AI 时代，我们可以大规模批量生产 0day，使单个漏洞的价值降低，但直接披露时影响力却更大。

我们相信 事件驱动的安全加固 是最有效的方式：只有当厂商面对真实、可利用的威胁时，他们才会优先修复。

🔄 我们的披露流程

第 1 步：AI 发现

我们的自动化 AI 系统持续扫描真实世界软件中的漏洞，通过模式分析、模糊测试和智能代码审查来识别潜在的 0day。

第 2 步：验证与 PoC 开发

每项发现都经过人工验证。我们开发可用的概念验证漏洞利用程序，以确认可利用性并评估实际影响。

第 3 步：定期公开披露

大约每两周，我们会披露一批我们已发现并验证的可利用 0day 漏洞：

• 完整的技术分析与根本原因
• 可用的 PoC 利用代码
• 受影响的版本和系统
• 影响评估
• 建议的缓解措施

没有延迟。没有官僚程序。只有事实。

致所有厂商：我们希望你们能在黑客利用这些漏洞之前完成修复。

⚡ 核心原则

• 仅关注真实世界影响：我们只披露影响真实系统且拥有实际用户群的漏洞
• 不披露无价值目标：不可利用的漏洞或用户极少、可忽略不计的设备不在披露范围内——它们毫无价值，纯属垃圾
• 速度优先于流程：直接披露比传统渠道更能推动快速修复
• 证据优先于声明：每次披露都附带可用的漏洞利用
• 影响优先于数量：聚焦高严重性、广泛部署的漏洞
• 透明：完整的技术细节，没有隐藏目的
• 非营利：出于对安全研究的热情，而非经济收益

🤝 合作

我们与以下对象合作：

• 领先的 AI 模型提供商，推动自动化安全研究
• 探索 AI 驱动安全发现的安全研究人员

🤖 使用的 AI 模型

我们的自动化漏洞发现利用来自领先 AI 提供商的前沿大语言模型：

• Anthropic (Claude) - 深度安全模式识别与推理
• OpenAI - 高级推理与代码分析
• DeepSeek - 专业漏洞检测
• Z.ai (GLM) - 长上下文代码分析
• Moonshot (Kimi) - 长上下文安全分析

📋 已披露漏洞

由 AI 驱动的研究流程（多 LLM 集成：Claude、OpenAI、DeepSeek、GLM、Kimi）在真实世界企业软件中发现 0day。以下每份公告都附带完整的根本原因分析以及可用、可复现的漏洞利用脚本——没有仅检测的报告，没有隐瞒细节。

最新批次 — 2026 年 8 月（8 份公告）

总计：8 份公告 · 8 家厂商 · 8 个严重（CVSS ≥ 9.0）· 8 个未授权 · 全部附带可复现 PoC。

更早批次：第 1 批 — 2026 年 7 月 · 第 2 批 — 2026 年 8 月

🔁 持续更新的系列 —— 每周披露

这是一个持续披露系列。得益于持续优化，AI 驱动的发现流水线现在以稳定的每日速率产出新的 0day 发现，我们按每周节奏披露经过验证的批次。

• 最新批次：2026 年 8 月 — 8 份公告（已发布）
• 下一批：每周
• 未来范围：从企业 IT 扩展到 ICS/SCADA、能源和航空航天 系统

如果你想在下一批发布的第一时间获取：

⭐ Star 收藏 · 👁 Watch（自定义 → Releases + Discussions）获取新批次 · 🌐 Follow 博客获取每份公告的更新。

📂 漏洞提交格式

所有已披露漏洞均遵循标准化的目录结构：

product/
└── <vendor>/
    └── <version>/
        └── <vulnerability_type>/
            ├── exploit/          # Exploit scripts and PoC code
            ├── analysis.md       # Detailed vulnerability analysis
            └── summary.md        # Brief vulnerability overview

目录规则

• product/：所有漏洞的根目录
• /：厂商或产品名称（例如 apache、cisco、sonicwall）
• /：受影响的版本范围（例如 6.11.0、12.4.2）
• <vulnerability_type>/：分类（例如 unauth-rce、auth-bypass、deserialization-rce）

每个漏洞目录中的必需文件

1. exploit/：包含可用漏洞利用脚本和 PoC 代码的目录
2. analysis.md：全面的技术分析，包括根本原因、攻击向量和影响
3. summary.md：简要漏洞概述，包含受影响版本和快速缓解步骤

示例

product/
└── sonicwall/
    └── sma-12.4/
        └── preauth-deserialization-rce/
            ├── exploit/
            │   └── poc.py
            ├── analysis.md
            └── summary.md

加入我们，重新定义 AI 时代的漏洞披露。