文章总结： vivo千镜安全实验室在XCon2026分享AI漏洞研究新范式，构建基于TaskSeed、三层记忆机制、多AgentLoop与独立验证的Harness系统，将3.7万静态信号收敛为可执行PoC。通过角色分工、可追溯记忆与独立验证机制，解决研究方向可控、状态可持续、过程可收敛、结论可验证四大目标，三个实战案例展示方向调整、跨路线重组与替代解释排除等关键机制。 综合评分： 85 文章分类： AI安全,漏洞分析,安全工具,安全建设,实战经验

【vivo 助力】 XCon2026：从3.7万静态信号到可执行PoC，共探AI时代的漏洞研究新范式

vivo千镜

2026年9月9日 12:00

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

2026年8月28日，XCon2026安全焦点信息安全技术峰会于北京民航国际会议中心盛大举行。本届大会以「定义·未定义」为年度主题，迎来XCon创办二十五周年里程碑，延续「严谨求实·唯技至上」的品牌宗旨，深度聚焦AI时代下网络安全的全新挑战与机遇。从Agent攻防到LLM推理引擎安全，从WebKit底层漏洞到AI自动化渗透，9场硬核技术演讲、11位顶尖安全实战人、450分钟高纯度思维风暴，共同勾勒出智能时代安全攻防的新范式。

本届大会期间，vivo千镜安全实验室安全攻防工程师刘若涵在主会场发表了题为《从3.7万静态信号到可执行PoC》的主题演讲，分享了vivo面向移动应用与Android框架层漏洞研究的最新实践——一套基于Task Seed、三层记忆机制、多Agent Loop与独立验证机制的Harness，如何将大规模静态信号持续收敛为可复现、可验证的完整漏洞利用链与PoC。

vivo千镜安全实验室安全攻防工程师-刘若涵发表主题演讲

#

#

议题回顾

01

从“AI能不能做”到“AI能不能做到底”

在演讲开场，刘若涵分享了一个观察：漏洞研究正在从“工具能力增强”走向“完整过程自治”。大模型出现以前，漏洞挖掘更多依赖传统扫描工具加人工分析；大模型出现以后，AI最初只是代码分析助手，帮助研究员理解局部代码；而随着Tool Use与Multi-Agent能力的成熟，模型已经能够自己调用JADX、ADB、Frida等工具，并组织多个Agent并行工作。

但这并不等于给AI一句话，就能自动挖出漏洞。一个真实的漏洞研究过程通常持续很多轮，期间不断出现新的假设、失败的实验与组合关系，如果缺少过程控制，很容易出现目标漂移、重复探索、分支失控等问题。因此，vivo关注的核心问题，已经从“AI能不能完成某一个分析动作”，转向“AI能不能围绕一个研究目标，把完整漏洞研究过程持续推进下去”。

架构设计：四个目标、五种角色、三层记忆

围绕这一目标，vivo构建了一套面向完整漏洞研究过程的Harness，并以四个目标定义其能力边界：研究方向可控，在研究开始前明确研究目标、测试范围与禁止操作；研究状态可持续，任务、假设、报告与证据持久化保存在模型上下文之外，支撑跨轮次读取；研究过程可收敛，根据新证据修正或淘汰假设，控制无效分支与重复探索；研究结论可验证，候选结论必须绑定原始证据，关键安全主张经过对抗性验证。

在角色分工上，Harness将“规划”“执行”“验证”三类行为分离：Main Agent负责流程管理；Task Seed Create负责把大规模静态信号过滤、关联，整理成可研究的初始任务种子；Expert负责全局研判与轮次规划；Action只执行局部研究并产出Report；Verify则负责最终的独立验证。

为了让多轮长链研究的状态不丢失，Harness设计了“三层可追溯研究记忆”：最上层Research Map保存全局结论与来源索引，Expert做下一轮规划时只读取这一层；需要深入理解某条结论时，沿索引回到第二层的Report，查看局部研究过程；若还需确认原始依据，则继续追溯到第三层的Evidence、PoC等原始支撑材料。全局结论、研究过程、原始证据逐级可溯，让任何关键结论都能回到具体实验。

独立验证：让结论不只是一次“Agent的自认为”

研究过程中，很多“看起来成立”的结论并不一定可靠。为此，当Expert认为目标完成时，系统并不会直接把Expert给出的PoC当作最终结果，而是引入独立的Verification Subagent：它不直接使用Expert的PoC，而是根据漏洞摘要与相关Report，重新还原攻击条件、重新组合完整利用链并独立执行，再与原始PoC的效果比对，排除依赖历史状态、调试环境等带来的假阳性。这一机制类似“反自证”——验证的价值不只是提高一次PoC的成功率，而是主动寻找能够推翻当前结论的解释。

02

实战案例：三个案例，三种机制

为了让机制落地可见，刘若涵通过三个实战案例，展示了Harness在不同研究阶段解决的关键问题。

Case A：高优先级路线不总是正确

在目标为RCE的案例中，Task Seed一开始生成了多个看起来都合理的方向，其中某条WebView路线因外部可达性、Bridge与大量Native Handler等证据，被判定为优先级最高。但经过多轮研究，该路线持续出现同一阻断，真实原因并非payload构造问题，而是WebView同步调用与异步Bridge回调之间存在调用模型冲突。Harness没有让Action继续无限尝试，而是把机制确认、实验结果与阻断原因统一回流给Expert，将其标记为Blocked，并重新评估其他方向——原本低优先级的动态化框架因新增证据被提升优先级，最终在真机上确认了Runtime.exec的实际执行效果，补全了完整的RCE链。这个案例说明：选对方向固然重要，选错方向后能否根据证据及时调整，同样关键。

Case B：分散的局部发现，跨路线重组出完整利用链

在以静默安装为目标的案例中，四条独立研究路线分别留下了四个已验证的漏洞原语：外部入口控制下载参数、路径穿越影响APK输出路径、文件替换原语，以及目标自身的可信下载与静默安装能力。单独看任何一条路线，都无法满足最终目标。而当四条路线的Report统一回流后，Expert依据Research Map发现关联结论，跨路线回读Report，将几个已独立验证的原语重新组合，最终形成一条从外部输入到最终安装的完整静默下载利用链。分散在不同任务、不同轮次的发现，在这里被重新连接。

Case C：高置信度结论也要逐项排除替代解释

第三个案例中，静态分析已经形成一条高置信度的LaunchAnyWhere候选链，但动态验证却与预期连续出现不一致：Binder事务没有进入预期的策略分流、特定环境下绕过路径未触发、页面拉起可能来自设备历史状态、测试中伴随Crash。此时Harness并没有急着延长攻击链，而是为每个矛盾分别建立验证任务：核对真实Binder接口、重新定位失败层级、清理现场并加入负向对照、单独归因Crash。只有当transaction、历史状态、环境干扰等替代解释被逐项排除后，候选漏洞才升级为最终确认的结果。

03

实践观察与后续思考：模型有能力，Harness给过程

从三个案例中，可以抽象出三个共同观察：研究资源分配权重随证据变化，高优先级路线并不能决定最终结果；局部发现往往分散在不同任务、不同轮次与不同路线中，需要跨轮次、跨路线关联；研究过程中的“成功”不能直接等价于最终结论，候选结论必须独立复验。

刘若涵也进一步明确了Harness的定位：当前模型已经具备代码理解、漏洞判断、工具调用、动静态分析乃至PoC构造等漏洞挖掘所需的全部能力，但“能够完成这些动作”与“能够持续完成一次长时间漏洞研究”之间，还需要一层负责规范化研究过程的Harness，让这些局部能力在长期研究中持续协同、积累并收敛。

面向未来，vivo也梳理了三个值得继续研究的方向：如何进一步提高自动化审计在攻击面、代码路径与研究假设上的覆盖率；什么样的信息值得进入长期研究记忆，在抽象粒度、信息保真与上下文效率之间取得平衡；以及如何让支付、订单、风控等强业务逻辑场景也能实现端到端自动化。这三个方向可以概括为：扫得更广、记得更好、自动化得更多。

安全技术的进步源于开放的交流与行业协同。vivo千镜安全实验室始终坚持技术开放，持续输出终端安全、AI漏洞研究的实战沉淀。

面向 AI智能时代，vivo千镜将持续探索安全新范式，与产业各界携手，共同构筑更可信的移动终端安全防线。

往期推荐:

vivo通过ISO/IEC 42001认证，智能终端AI治理迈入体系化新阶段

【vivo 助力】CCF NSS 2026：破局Agentic AI安全，vivo探索Agent系统底座安全管控

回顾｜ISC2华南分会Sec-Talk安全系列讲座 vivo 专场暨 AI 安全双防线：智能体防御与反窃密实践分享圆满落幕

关注我们，了解更多安全内容！

免责声明：

本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。

任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。

本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。

本文转载自：vivo千镜 《【vivo 助力】 XCon2026：从3.7万静态信号到可执行PoC，共探AI时代的漏洞研究新范式》