GitHub 官方部落格於 2026 年 9 月 28 日發文，講述團隊如何以開源的 GitHub Security Lab Taskflow Agent 找出 Android 應用程式的漏洞，至今已回報 24 個。文章由 Kevin Stubbings 撰寫，屬官方安全研究系列的一部分。[1]
工具與思路
官方指出，團隊因應人工智能在安全領域的興起，建立了 Taskflow Agent，讓安全研究人員可以自動化、打包並分享他們認為有效的人工智能提示與工作流程。[1]
文章指出，雖然新模型越來越擅長理解程式碼，但自訂的 taskflow 提示可讓研究人員引導模型，把研究拆成循序漸進的步驟，協助模型更快找到複雜漏洞，或找出原本會完全錯過的漏洞。作者表示，他已利用這些 taskflow 回報超過 20 個 Android 應用程式漏洞，最新數字為 24 個；新漏洞披露的時間可於 GitHub Security Lab 的人工智能代理安全公告頁查閱。[1][2]
為 Android 而設的審計流程
針對 Android 應用程式特有的漏洞類別，作者新增與修改了兩個 taskflow。[1]
第一個是 gather_mobile_entry_point_info.yaml：入口點是攻擊者可控資料可能流經的位置，這個流程會把入口點區分為手機與非手機兩類，令工具可以在同時包含手機應用、網頁伺服器與桌面應用的儲存庫中，仍正確理解攻擊面。[1]
第二個是修改 classify_application_local.yaml，在其中指定一份常見漏洞類別清單，要求模型就每個入口點與元件逐一考慮。作者舉例，若前一步識別出以 intent 為基礎的入口點，流程便應檢查常見的 intent 類漏洞，例如 confused deputy 與不安全廣播。[1]
使用者可以自行執行
官方指出，相關 taskflow 已開源，任何人都可以在自己的專案上執行，步驟為：前往 seclab-taskflows 儲存庫並啟動 codespace、等待數分鐘初始化，然後在終端執行 ./scripts/audit/run_mobile.sh myorg/myrepo。官方提醒，中等規模的儲存庫可能需要一至兩小時完成，完成後會開啟 SQLite 檢視器，使用者可查看 audit_results 表中 has_vulnerability 欄有勾號的列。[1]
官方亦列明執行條件：需要 GitHub Copilot 授權，提示會使用高階模型請求，而執行過程可能產生大量工具呼叫，容易消耗大量 token。[1]
兩個已披露的例子
官方展示兩個已披露漏洞的例子。其一為導航應用 OsmAnd 的 Android 版本（下載量超過一千萬）：該應用匯出一個名為 MapActivity 的 activity，用作開啟設定檔與應用內深層連結；由於 activity 已匯出，其他應用可以啟動它，而它在開啟設定檔時接受 intent extras（例如 settings_version、silent_import、replace、export_type_list_key）。官方指出，這是該應用三個被發現漏洞中最有趣的一個，可讓惡意應用追蹤裝置位置。[1]
其二為透過深層連結達成的 Wikipedia 帳戶接管。[1]
工具的限制
官方如實指出限制。模型很擅長找漏洞，甚至會找出影響不大的低嚴重程度問題，並經常回報低嚴重度漏洞，即使提示明確要求不要這樣做；因此每一個發現都應由熟悉手機應用的安全研究人員覆核。[1]
此外，嚴重程度估算經常不準確。官方舉例，某個 Android 應用中的路徑遍歷問題，若檔案路徑被限制在外部儲存，實際嚴重程度便較低；這類緩解因素在沒有明確要求「建立概念驗證」的情況下，模型難以察覺，而要建立概念驗證又需要模型實際嘗試利用漏洞，會耗用額外時間。官方亦提到，即使如此，模型仍可能出錯，例如應用同時使用內部與外部儲存資料時。[1]
結果觀察
官方總結，截至撰文時共在手機應用中找到 24 個 Android 漏洞，很多屬路徑遍歷一類的簡單問題，亦有少數嚴重漏洞。官方指出，由於 Android 應用安全性本身較強，發現的漏洞類型正落在安全研究人員預期之處，例如 WebView 的跨應用腳本，或暴露的 JavaScript bridge。[1]
官方認為，以人工智能輔助安全研究是現時保護開源專案的最佳方式之一，其能力可用於網頁、手機與桌面應用；團隊亦歡迎社群就提示、工具與機制提出貢獻。[1]