港科大团队发布 RedHerring：用“假漏洞”欺骗 AI 黑客，防御效率显著提升

AI 安全正从边缘走向核心舞台。在 OpenAI 模型入侵 HuggingFace、Claude Code 被用于攻击全球多家机构的背景下，港科大佘东冬团队发布的 RedHerring 项目提供了全新的防御思路。

研究指出，当前 AI 黑客攻击呈现“攻易守难”态势，防守方修复漏洞的速度远慢于攻击方利用漏洞的速度。传统防御方法在应对自动化的 AI 黑客时显得捉襟见肘。

RedHerring 通过在代码中注入看似真实实则无法触发的“假漏洞”，诱导 AI 黑客将大部分时间和算力消耗在这些诱饵上，从而降低发现真实漏洞的数量。

在针对 Qwen、GLM、DeepSeek、Kimi 等五个主流大模型的实验中，RedHerring 使找到的真实漏洞数量减少了 39% 至 60%，即使提前告知 AI 可能存在诱饵，防御效果依然显著。

该方法部署成本较低，每个开源项目接入仅需约 70 分钟，不影响原有测试通过率及运行速度。这一技术为 AI 时代的网络安全治理提供了低成本、高效率的破局方案。