Project Glasswing：Cloudflare 以 50+ 內部 Repo 實測 Anthropic Mythos 安全 LLM 的滲透能力
Cloudflare Blog · 2026-05-18
Cloudflare 於 2026 年 5 月 18 日發表 Project Glasswing 技術報告，說明他們在受控環境下以超過 50 個內部程式碼倉庫測試 Anthropic Mythos Preview——一個針對安全研究最佳化的語言模型。測試範圍涵蓋 Cloudflare 的執行期、邊緣資料路徑、協議堆疊、控制平面與開源依賴項。
模型能力
漏洞鏈構建（exploit chain construction）是 Mythos 展現的最顯著能力：將多個漏洞原語組合成可運作的利用鏈，推理過程接近資深安全研究員的分析深度。更關鍵的是，Mythos 能生成概念驗證（PoC）——編寫、編譯、執行測試程式碼，並在失敗時迭代調整假設。這與早期模型只能識別漏洞但無法驗證可利用性有本質差異。
發現的限制
不一致的拒絕行為是測試中最令人困擾的問題。Cloudflare 觀察到：「The same task, framed differently or presented in a different context, could produce completely different outcomes」——安全邊界取決於措辭，而非任務本質，這使得模型難以在廣泛部署場景下可靠使用。
雜訊問題持續存在：模型缺乏信心校準，會回報推測性發現，且在 C/C++ 這類記憶體不安全語言的分析上表現較弱。大量誤報需要人工過濾，影響了自動化安全掃描的實際可用性。
採用的方法
Cloudflare 開發了一個專用多階段 harness，而非使用通用程式碼代理：
- 偵查（recon）：平行窄範圍任務取代全面單一代理
- 並行漏洞搜尋：多個代理同時掃描不同攻擊面
- 獨立驗證：分離的驗證層確認初步發現
- 跨倉庫追蹤：識別橫跨多個服務的漏洞鏈
- 去重與結構化報告
影響範圍
報告的結論具有工程實務意義：人工修補速度跟不上揭露時間軸，在 AI 能夠加速漏洞發現的時代，防禦架構必須著重「讓漏洞無法被利用」而非「快速發現後修補」。Cloudflare 同時指出，這類測試對自身基礎設施有直接價值——將 AI 安全研究從理論移向對真實生產系統的受控評估。
原始來源：Cloudflare Blog
k6 2.0 發布：MCP Server 暴露測試能力給 AI Agent、Browser Module Playwright 相容擴展
Grafana · 2026-05-19
Grafana 於 2026 年 5 月 19 日發布 k6 2.0，這個版本的核心主題是讓 AI 代理成為測試工作流的一等公民，同時大幅擴展 Browser 模組與擴充套件生態系。
AI 輔助測試架構
k6 x mcp 是最具架構意義的新功能，以 Model Context Protocol（MCP）Server 的形式暴露 k6 的核心能力，讓 Claude、Cursor 等 AI 代理可以驗證腳本、執行測試並迭代改善。搭配的四個子命令構成完整的代理工作流：
k6 x agent：提供代理所需的配置、技能與文件參考k6 x mcp：啟動 MCP Serverk6 x docs：CLI 存取文件與 API 參考k6 x explore：瀏覽擴充套件登錄
Browser 模組與 Assertions API
Browser 模組擴展了 Playwright 相容性，降低從現有 Playwright 測試遷移的成本。新的 Assertions API 引入兩種模式：非重試斷言（immediate evaluation，適合 HTTP 狀態碼、回應 payload）與自動重試斷言（auto-retry，適合需要等待元素出現的 Browser 測試場景）。
擴充套件生態系
k6 x 命名空間現在支援社群自訂子命令，官方與社群擴充套件登錄明確區分。原生 OpenTelemetry 輸出讓 k6 測試結果直接整合進現有的可觀測性管線；k6 Operator 1.0 則支援在 Kubernetes 上執行分散式大規模負載測試。
影響範圍
k6 2.0 的 MCP 整合讓負載測試腳本的生成與迭代可以由 AI 代理主導，從「人工撰寫測試」轉向「代理輔助測試設計」。k6 2.0 向後相容現有工作流，升級不需要修改現有腳本。
原始來源：Grafana Blog