0

1周前发布 17 00

苏黎世的 0sec Labs 推出开源 AI 安全测试框架 0(数字零),由 Y Combinator 孵化,以 MIT OR Apache-2.0 协议发布,当前为研究预览版。它是面向安全攻防的 LLM 控制平面,集成漏洞挖掘、代码审计、渗透测试、逆向工程、漏洞修复生成能力,支持 Web 控制台、CLI、MCP 服务器三种接入方式。

所在地:
0sec Labs
收录时间:
2026-11-09
其他站点:

总部位于苏黎世的 0sec Labs 近期发布了 0,这是一个开源的 AI 安全测试框架。该框架以 MIT 或 Apache-2.0 许可作为研究预览版提供,支持运行漏洞调查、代码审查、渗透测试、逆向工程和修复生成。开发者可通过本地浏览器控制台、无头 CLI 或 MCP 服务器对其进行驱动。

0

0 并非一个独立的大语言模型,而是围绕 LLM 和安全工具构建的控制平面。用户需自行接入模型提供商,0 随后对授权目标运行限定范围的工作流。研究团队将其定义为一个自演化的多模型测试框架,旨在跨越 Web、源代码、包、二进制文件和内核等多个安全测试维度。

核心架构与工作原理

0 测试框架的运行遵循“先复现再信任”的核心原则。智能体扫描过程被设计为一个结构化的概念管道,以确保发现的可靠性:

  1. 计划、发现、攻击:研究智能体负责挑选潜在的漏洞类别,映射目标端点,并测试安全假设。
  2. 分类:通过过滤器移除弱发现,并严格检查证据的完整性。
  3. 验证:系统会开启单独的会话,重新演练每个候选漏洞,针对每个发现执行 5 个回合的验证,以确保证据确凿。
  4. 报告:最终输出支持多种标准格式,包括 HTML、PDF、SARIF、Markdown 和 JSON,便于集成到现有的安全审计流程中。

在具体执行层面,框架针对不同目标采用了差异化的策略:

  • Web 渗透测试:采用 Shell 优先策略。智能体直接使用带有 curl、python3 和 sqlmap 的 bash 环境,而非依赖固定的 HTTP 工具集。证据携带机制确保了从候选漏洞到影响证明的完整证明等级。
  • 编译目标逆向工程:通过独立的仓库内引擎 0verse 进行处理。该引擎封装了 Ghidra、angr 和 AFL++ 等成熟工具。其本地 MCP 服务器暴露了 9 个专用工具,用于扫描、分类、概念验证(PoV)和报告生成。

开发者部署与使用指南

0 框架的设计注重易用性与环境兼容性,部署过程高度简化。

1. 运行环境要求

  • 支持 Apple Silicon macOS、x64 或 ARM64 Linux。
  • 提供容器化支持:ghcr.io/0sec-labs/0。
  • 无需本地 GPU:模型推理完全在用户选择的提供商处运行,降低了本地硬件门槛。

2. 安装与启动

安装通过官方提供的脚本完成。在终端中运行 0 命令即可直接打开本地浏览器控制台,无需注册账户。控制台界面集成了聊天、发现队列和看板、工作流模板、技能(Skills)以及记忆模块,便于开发者直观地管理工作流。

3. 接口与模型接入

  • CLI 与 MCP:编码智能体可通过 0 mcp-server --workflows 命令连接。CLI 暴露了与 Web 控制台相同的工作流运行器,支持 0 workflow run 和 0 runs list 等标准命令。
  • 自带模型(BYO)机制:框架不绑定特定模型。API 密钥配置页面支持 14 个列出的提供商,包括 OpenAI、Anthropic、DeepSeek、OpenRouter、Azure、Qwen、Kimi、GLM 和 Grok。此外,它还原生支持 Claude、Codex 和 Gemini CLI 运行时。

基准测试与实战表现

以下基准测试分数均为团队自报数据。需要注意的是,头条分数为自报且非 pass@1(首次尝试通过率)指标。

基准测试分数测试条件
XBOW web CTF93/95(97.9%)gpt-5.4 队列,任何保留成功计数
XBOW 联合(白盒)102/104保留工件,非累加
XBOW 联合(黑盒)81/104保留工件,非累加(2026年冷运行得分 45/104,即 43.3%)
Cybench36/40(90.0%)Azure gpt-5.4,3 次重试
npm audit(81包)F1 0.973100% TPR,FPR 0.11,基于自建基准真相

注:记录的每解决一个 XBOW 挑战的成本约为 5.20 美元。

在真实环境(野外)中,该框架的研究页面记录了 30 多个已合并的 Linux 内核 0-day 漏洞,披露范围跨越 Bluetooth、NFC、mac802154、TIPC 和 mlx5e 子系统。此外,还发现了包括 jsonata、node-forge、protobuf.js 和 Wireshark 在内的多个库的 CVE。

竞品对比与生态定位

在开源 AI 渗透测试工具领域,0 框架在许可协议、测试范围和二进制逆向工程能力上展现出特定优势。

特性0 (0sec Labs)SHANNON (Keygraph)STRIXCAI (Alias Robotics)
许可MIT OR Apache-2.0AGPL-3.0Apache-2.0MIT + 专有研究专用
状态研究预览活跃活跃2026年8月28日归档
接口Web 控制台、CLI、MCP 服务器CLI、CI 动作CLI、本地 Web 查看器、智能体技能CLI/REPL、MCP 支持
测试范围Web、LLM、MCP、源代码、包、二进制、内核Web 应用和 API,需要源代码代码、Web 应用、API通用攻防自动化
二进制逆向是,0verse(Ghidra)未披露未披露未披露
模型支持BYO,14个列出提供商 + CLI运行时BYO,Anthropic、OpenAI、xAI等通过 LiteLLM BYO通过 LiteLLM 300+

可用性与定价模式

  • 开源版本:测试框架本身完全免费。用户仅需自行承担所选模型提供商的 API 调用费用。
  • 托管版本 (0cloud):目前处于候补名单阶段。根据其定价页面信息,提供 100 美元的试用积分,以及按每次 Pull Request (PR) 安全测试 5 美元的标准计费。

相关导航

CUA-Lite

CUA-Lite

加州大学伯克利分校研究团队推出 CUA‑Lite,面向计算机使用代理(CUA)的开源研究平台。项目跳出 “以模型为中心” 的思路,聚焦基础设施层面的痛点:训练、评测计算机使用代理,需要代理、运行环境、交互轨迹、训练评估框架四大组件,但现有资源分散在互不兼容的独立仓库。CUA‑Lite 将它们整合,提供统一操作空间、统一数据格式与统一调用接口,覆盖桌面、浏览器、移动端三大场景。