RedHerring诱饵防御方法提出

2026年10月20日，arXiv Artificial Intelligence 刊出研究，Kaikai Zhang 等作者提出并评估 RedHerring 诱饵防御方法。该研究指出，自主 LLM 智能体漏洞挖掘存在假设-验证不对称：验证候选漏洞的成本远高于提出假设，因此验证努力本身构成一个独特的防御面。RedHerring 的做法是插入可证明安全的诱饵，把验证预算从真实漏洞上引开。评估覆盖 33 个 OSS-Fuzz 项目、70 个评估实例和五个模型，结果显示真实漏洞发现量降低 38.7-60.4%。目前该报道为这一方法的首篇主报道，尚无后续跟进报道，也未见与其他报道存在数字或说法矛盾。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。