Anthropic 近日公布了一项围绕自动化攻击面分析与缩减的研究成果，尝试将 Claude 引入开源代码的安全审查流程。该研究的关注点并非单一漏洞检测，而是如何借助模型能力系统性地缩小代码中可能被攻击的入口范围。

研究覆盖了 25 个开源项目，涉及代码总量超过 500 万行。在这一规模下，Anthropic 采用了三种分析路径：默认配置、配置交互以及早期可达性，分别从不同角度定位潜在风险点。

三种方法合计识别出 493 个问题。Anthropic 将此次工作定位为对 AI 自动化攻击面分析能力的一次验证，其方法组合也为后续在更大代码库中开展类似审查提供了可参考的路径。