从 Epsilon 漏洞回顾看生产环境 Bug 的系统化收集与分类

在软件工程中，Bug 的收集与分析往往停留在被动修复阶段 —— 问题暴露、紧急修复、发布补丁。然而，Google 软件工程师 Andrea Pivetta 在其 WASM 运行时项目 Epsilon 的安全审计实践中，展示了一种更具系统性的方法论：通过主动收集、模式分类与预防机制设计，将漏洞发现从 "事后救火" 转变为 "事前防御"。本文基于 Epsilon 被 AI 代理发现的 20 余个安全漏洞，提炼出一套可落地的 Bug 收集与分类体系。

从被动修复到主动发现

Epsilon 是一个约 11,000 行代码的纯解释型 WASM 运行时，设计目标是为不可信代码提供沙箱环境。尽管项目已通过官方 WASM 测试套件的全面验证，AI 代理仍在其中发现了超过 20 个安全漏洞，其中包括可导致沙箱逃逸的严重问题。这一案例揭示了一个关键认知：通过测试套件验证 correctness 与通过安全审计验证 security 是两个不同维度的问题。

传统回归测试关注功能正确性，而安全审计需要关注实现与规范的偏离。Epsilon 的漏洞发现方法论核心在于建立 "规范 - 实现" 一致性检查机制：验证器（validator）与虚拟机（VM）对同一字节码的语义理解是否一致，是安全漏洞滋生的温床。

三层漏洞分类体系

基于 Epsilon 的案例，可将生产环境 Bug 归纳为三个互有交叉的类别：

第一类：初始化语义偏差

"Zero Is Not Null" 漏洞是典型的初始化错误。在 Go 语言中，clear()函数将内存置零，但 Epsilon 将函数引用（funcref）表示为 int32，其中 -1 代表 null，非负值代表函数存储索引。当 clear()将 funcref 局部变量置为 0 时，实际上将其指向了全局函数存储的第一个条目 —— 一个本应私有的函数。

可落地参数：对于引用类型的默认值，需显式检查语言原语的语义映射，建立 "类型 - 内存表示 - 语义值" 对照表，而非依赖语言的零值初始化行为。

第二类：栈管理状态不一致

"Phantom Block Parameter" 漏洞展示了复杂 Bug 的形成机制：两个独立 Bug 的组合效应。第一个 Bug 是控制流块入口的栈高度记录时机错误 —— 在参数已入栈后记录，导致验证器与 VM 对 "块底" 位置的认知相差 N 个参数。第二个 Bug 是 unwind 操作在切片容量允许范围内 "复活" 了已丢弃的值。

这两个 Bug 单独存在时可能无害，但组合后允许攻击者通过精心构造的 WASM 模块调用其他模块的私有函数。这提示我们：栈高度管理需要跨组件（验证器、VM、控制流框架）的严格契约。

可落地参数：在控制流边界设置断言检查栈高度一致性；对 unwind 操作实施越界访问检测；对多 Bug 组合场景建立模糊测试（fuzzing）覆盖。

第三类：宿主接口信任边界

"Ghost in the Stack" 漏洞源于宿主函数的实际返回值与声明签名不匹配。VM 盲目信任宿主函数的声明签名，当宿主返回的结果数量少于承诺时，栈上残留的旧值被错误解释为返回值。

这属于典型的信任边界问题：VM 与宿主代码之间的接口是安全边界，任何跨边界的数据传递都需要运行时校验。

可落地参数：在宿主函数返回点实施结果数量校验；对宿主接口建立契约测试（contract testing）；在调试模式下启用完整调用栈快照比对。

AI 辅助审计的工作流

Epsilon 的漏洞发现采用了自动化脚本与领域特定技能（skill）相结合的方法。初始阶段使用脚本遍历关键代码区域（解析器、验证器、VM、内存管理、导入处理等），提示 AI 代理对照 WASM 2.0 规范进行偏离检测。后期转为使用结构化 skill，将审计知识沉淀为可复用的提示模板。

工具链配置建议：

• 模型选择：Gemini 3.1 Pro 在初始探索阶段表现优异，适合发现结构性问题；Claude Opus 4.7 适合深度代码分析
• 提示工程：明确约束 AI 不修改源代码，仅输出漏洞报告与 PoC；要求对照规范进行符合性检查
• 工作流管理：设置速率限制（如 10 秒间隔）避免触发服务商限制；为每个审计区域创建独立输出目录

回归测试策略与预防机制

基于漏洞模式分类，可设计针对性的回归测试策略：

测试金字塔调整：

• 单元测试层：增加引用类型初始化边界测试用例
• 集成测试层：添加控制流块参数生命周期测试套件
• 系统测试层：构建宿主接口契约违反场景

预防机制清单：

1. 规范符合性门禁：在 CI 中集成规范对照检查，标记任何验证器与 VM 实现不一致的代码变更
2. 类型系统加固：对内部类型表示建立显式转换层，禁止隐式类型混用
3. 模糊测试覆盖：针对栈操作、控制流边界、宿主接口三类高风险区域建立持续模糊测试
4. 安全审计集成：将 AI 辅助审计纳入发布流程，作为人工代码审查的补充

结语

Epsilon 的案例表明，系统化的 Bug 收集与分类能够显著提升安全审计的效率。通过建立 "初始化 - 栈管理 - 宿主接口" 三层分类体系，团队可以将有限的测试资源聚焦于高风险区域。更重要的是，这种分类驱动的思维能够将个案经验转化为可复用的预防机制，从根本上降低同类漏洞的复发概率。对于任何需要处理不可信代码的运行时系统而言，这或许是比修复单个漏洞更有价值的工程实践。

资料来源：

• Andrea Pivetta, "All the bugs they found", 2026-05-18, https://andreapivetta.com/posts/all-the-bugs-they-found.html
• Epsilon 项目仓库: https://github.com/ziggy42/epsilon

systems