事件：Claude 从写代码走向证明代码
2026 年 10 月，Anthropic 公布了两项利用 Claude 加固开源软件的研究。一项是让 Claude 为 123 个开源库中的 239 个测试入口生成约 1.8 亿行数学证明，这些证明可由机器逐步核对，用以说明在特定条件下这些入口不会因异常输入而崩溃。另一项是让 Claude 排查 25 个开源项目中“不必要的暴露”，共发现 493 项，其中 OpenSSH 的一处问题直接促成了 OpenSSH 10.6 的安全修复。
这两项成果的意义在于，AI 在代码领域的角色从“辅助编写”延伸到了“辅助验证”。对开发者而言，这意味着可以用 Claude 做更系统的安全审查，而不只是补全代码。
背景：PHP 漏洞暴露的修复困境
就在 Anthropic 发布成果的前一天，一个 PHP 漏洞被公开。据媒体报道，欧洲部分政务服务暂停，日本 pixiv、Niconico 等平台紧急维护，寿司郎的线上服务也受到影响。
这个问题并非突然出现。2024 年 PHP 开发者在修复外部审计问题时，就注意到内存耗尽处理中的隐患。但当时没找到明确的远程代码执行路径，候选修法又各有代价：破坏兼容性、引入新的拒绝服务风险，或牵动大量第三方扩展。PHP 基金会在复盘中承认，决策流程和资源不足拖慢了修复。
这个背景解释了 Anthropic 的思路：与其等漏洞暴露后再修，不如提前关掉不该开的门，并用数学证明必须开的门足够牢。
成果一：收紧攻击面，OpenSSH 10.6 修复顺序问题
Claude 在 25 个开源项目里找出 493 项不必要的“攻击面”。攻击面指的是：一个陌生人连上服务器后，他发来的数据能碰到哪些代码。碰得越多，出问题的概率越大。Claude 发现的暴露大致分三类：默认开启但实际用不上的功能；先跑完复杂逻辑、最后才校验身份的处理顺序；单独看没问题、组合后产生风险的配置。
需要说明的是，这 493 项不等于 493 个可利用漏洞，很多只是“多余的暴露”。但提前收紧它们，攻击者能接触的代码就少了。
OpenSSH 的问题出在“顺序”。OpenSSH 是管理员远程登录服务器的标准工具。在 OpenSSH 10.4 中，对方发来一份密钥时，程序会先解析其中的数据，最后才检查管理员是否允许这种密钥类型。结果是：即使管理员已经关闭相关功能、对方也未登录，约 4500 行处理新签名算法的代码仍可能被触发。
修复方式很简单：把顺序调过来，先判断密钥类型是否允许，不允许就直接拒绝。OpenSSH 10.6 的发布说明纳入了这项改动，并致谢 Chris Rohlf、Claude 与 Anthropic Research。这次修复比 PHP 漏洞公开还早。OpenSSH 维护者还提到，同一问题后来又被其他研究者独立发现。既然大家都能找到，攻击者也能，所以他们决定加快发版节奏。
成果二：1.8 亿行形式化证明，以及它管不到的地方
Anthropic 与专做软件形式化验证的公司 Theorem 合作，让 Claude 证明：在规定运行条件下，指定入口收到任何小于 64 MB 的输入，都不会触发所定义的崩溃。
传统做法是“模糊测试”：自动生成大量损坏、截断、随机的输入，看哪个会让程序出错。但试得再多，也可能恰好漏掉那一种致命组合。形式化验证走的是另一条路：不靠试，靠推导。Claude 写出的每一步推理，都要交给证明助手 Rocq 按形式逻辑规则核对，任何一步不成立就通不过。AI 无法靠“我觉得没问题”蒙混过关。
一个小规模对照实验很能说明差距：研究团队在一个精简版 Python 解释器里故意埋入 7 个错误，随机测试漏掉了 5 个，而这 7 个错误都会让证明无法通过。这批证明代码里，超过一半由 Claude 自己编写的工具自动生成。连程序启动、分配内存这类底层过程也要纳入推导，这是证明规模远超源码的原因。
但证明只对指定入口、指定环境、指定问题类型成立，并不意味着这些库“全面安全”。谁来承担成本也是问题。Theorem 的思路是先验证被大量软件共用的底层组件：他们统计 Nix 软件包后发现，近 1.6 万个软件包运行时直接或间接依赖 OpenSSL。先证明 OpenSSL，上层项目就能复用这部分成果。
开发者如何借鉴：用 Claude 做一轮安全体检
你不需要写 63 万行证明，也能借鉴 Anthropic 这两项研究的思路，用 Claude 给自己的项目做一轮安全体检。
- 排查攻击面：把路由、API 列表和配置文件交给 Claude，让它列出“未登录用户能触发哪些代码”以及哪些接口默认开放却没人用。
- 检查校验顺序：让 Claude 重点找“先处理、后鉴权”的代码路径——这正是 OpenSSH 这次问题的根源，在上传接口、支付回调、Webhook 里尤其常见。
- 生成边界输入：让 Claude 为解析函数编写模糊测试用例，覆盖空值、超长、截断、编码异常等情况。
- 组合配置审查：把多个配置文件一起发给 Claude，让它判断哪些选项单独无害、叠加后却有风险。
- 评估修复代价：参考 PHP 的教训，让 Claude 列出每种修法对兼容性和性能的影响，再由你决定怎么改。
整仓库级别的审查需要较长上下文和较多用量，配合 Claude Code 使用效果更好。免费版的额度通常跑不完一个中型项目，这也是多数开发者选择 Claude Pro 或 Max 的原因。
订阅 Claude Pro / Max 的中性说明
对于需要高频使用 Claude 进行代码审查的开发者，官方提供 Claude Pro 和 Claude Max 两档订阅。Pro 适合日常使用和小项目；Max 提供更高用量，适合每天使用 Claude Code 开发或长时间运行 Agent 审计大型代码库。三者功能基本一致，主要差别在用量。具体价格以 Anthropic 官网为准。
国内用户可通过官方渠道或正规第三方渠道获取订阅服务，例如官方礼品卡或授权经销商。选择第三方时应注意甄别，避免账号安全风险。使用前建议确认网络环境稳定，以降低账号风控概率。
常见问题
Claude 写的 1.8 亿行证明到底证明了什么？
它证明的是：123 个开源库中的 239 个测试入口，在 RISC-V + Linux 的规定环境下，收到任意小于 64 MB 的输入都不会触发所定义的崩溃。证明由 Rocq 逐步机械核对，但不代表整个库没有漏洞。
形式化验证和模糊测试有什么区别？
模糊测试是大量试错，只能发现试到的问题；形式化验证是数学推导，对所有符合条件的输入都成立。在 Anthropic 的对照实验中，随机测试漏掉了 7 个预埋错误中的 5 个，而证明对 7 个都会报错。
OpenSSH 需要升级到哪个版本？
Claude 参与发现的密钥类型校验顺序问题已在 2026 年 10 月 6 日发布的 OpenSSH 10.6 中修复。仍在使用 10.4 等旧版本的服务器建议尽快升级。
个人开发者能用 Claude 做代码安全审查吗？
可以。把接口列表、配置和关键代码交给 Claude，让它排查不必要的暴露和“先处理、后鉴权”的路径。整仓库审查用量较大，建议开通 Claude Pro 或 Max 并配合 Claude Code 使用。
