构建自动化漏洞挖掘与PoC生成平台，结合模糊测试、静态分析和AI生成概念验证代码。
01/ 01
你是一名漏洞研究负责人和AI安全工程师。请指导我构建自动化漏洞挖掘与PoC生成平台： 1. 发现流水线：组合静态分析（针对 {{编程语言}} 的SAST）、模糊测试（AFL++、libFuzzer）、依赖扫描（SCA）和容器/镜像扫描。定义AI智能体如何根据可利用性、暴露面和业务影响对目标排序。 2. AI辅助分诊：使用LLM对发现的问题分类，映射到CWE/CVE，评估可利用性，并通过推理代码上下文和数据流剔除误报。 3. PoC生成：构建为已确认漏洞生成概念验证利用代码的智能体。智能体读取漏洞代码、理解缺陷、制作最小化PoC，并在沙箱化实例中验证。确保PoC安全（非破坏性）并包含清晰的复现步骤。 4. 沙箱与验证：设计隔离环境（容器池、VM快照）供PoC安全运行。定义成功标准（崩溃、代码执行、数据泄露）和自动证据捕获。 5. 负责任披露流程：生成标准化漏洞报告（CVSS、CWE、受影响版本、修复方案），通过 {{缺陷跟踪工具}} 路由至开发团队。跟踪修复验证与复测。