PHP爆出10年来最严重漏洞，AI只花了2天就挖出来了

当所有依赖这条供应链的服务都在告警

业务目标：PHP核心层的RCE防护

PHP在全球网站基础设施中的位置与风险敞口

PHP 支撑着约 70% 的活跃网站——这个数字在过去十年中几乎没有变化。WordPress、Drupal、Joomla、Magento 以及众多政府和企业内部系统都构建在 PHP 之上。更关键的是，PHP 还大量运行在高并发的电商、金融和政务场景中。

PHP 核心层的安全缺陷不是「某个应用的 bug」，而是整个基础设施的信任根出了问题。Volker Dusch，PHP Foundation 的安全工程师，向《华尔街日报》明确表示：「这是 PHP 十多年来最严重的问题。」

本次漏洞的影响范围与严重性评估

CVE-2026-109618 和 CVE-2026-109619 均被评定为 CVSS v4.0 9.2 分（Critical）。两者的共同点是：无需认证、可远程触发、能实现任意代码执行。

CVE-2026-109618 在内存耗尽（OOM）中断场景下产生——当 PHP 处理大文件上传时，堆内存分配失败会导致请求内部数据结构处于未初始化状态。CVE-2026-109619 则在致命错误路径下利用全局状态的残留，使攻击者能够劫持执行流。

更严重的是内存泄露问题。Sansec 的分析指出，即使应用程序从未调用 session_start()，恶意请求也能读取同一进程内的其他会话令牌、API 密钥甚至 TLS 私钥。这使攻击路径从单纯的 RCE 扩展为「RCE + 被动凭证窃取」的双重威胁。

Wiz Research 展示的 PoC 工具 PHP2Shell 声称兼容 PHP 5.4.0 及以上所有版本。全球约 60% 的对外 PHP 服务器因版本过旧已终止支持。

当所有PHP站的运维都在同一时刻收到警报

正文图解 1

Magento / 政府网站 / 企业内部系统] Core[PHP 核心层 memory handling 缺陷] Attack1[攻击向量 1 OOM 中断 + UAF] Attack2[攻击向量 2 致命错误路径 + 状态残留] Impact[影响结果 RCE + 内存泄露 无需认证的远程执行] Sub --> Core Core --> Attack1 Core --> Attack2 Attack1 --> Impact Attack2 --> Impact Impact --> Compromise[服务器完全接管 敏感数据外泄] 漏洞之所以能够在核心层潜伏多年，根本原因在于 PHP 的内存管理模型。PHP 使用自定义的堆分配器 zalloc，在请求生命周期内复用内存块。当 OOM 导致内存块提前释放但引用未清零时，后续请求会读到上一请求的残留数据——这是一种典型的 Use-After-Free 类问题，但在 PHP 的 SAPI 层中被 FPM 并发模型放大，传统静态分析工具难以追踪。

##业务目标：PHP核心层的RCE

##业务目标：PHP核心层的RC

方案A：传统人工审计路径

历史PHP重大漏洞的发现周期与人力投入

PHP 历史上严重漏洞的发现，通常依赖安全研究员的长期跟踪或厂商内部的代码审查。以 CVE-2018-12889 为例，该漏洞在 PHP 7.x 分支中存在多年，最终由外部研究者通过系统性代码审计发现，整个过程耗时数月。

传统的安全审计工作流包括三个阶段：源码浏览、手动路径追踪、PoC 编写验证。以 PHP 引擎的 Zval 内存管理模块为例，研究员需要理解其引用计数机制、复制语义以及复合类型的处理逻辑，才能定位到潜在的错误路径。

PHP 7.4 版本的漏洞修复记录显示，单个严重漏洞的平均修复周期为 3–6 周。据 PHP 官方安全日志统计，2015–2020 年间披露的 47 个关键漏洞中，有 40% 的发现时间超过一年。

传统 fuzzing 与代码审计的瓶颈

传统 fuzzing 的核心假设是：输入空间的随机采样能够覆盖到边界条件的异常路径。对于 PHP 这种具有动态类型系统的语言，这个假设面临两个结构性障碍。

其一，PHP 的内部请求生命周期涉及多阶段的状态机转换。session.upload_progress、GC 清理、内存重分配等操作的执行顺序依赖运行时上下文，单纯基于 HTTP 输入的模糊测试难以触达深层的内部状态组合。

其二，内存安全漏洞的触发通常需要特定的执行路径组合。CVE-2026-109618 的核心机制是在 OOM 中断后，请求内部数据结构仅部分初始化。当 cleanup 例程读取未初始化的堆内存时，会基于垃圾数据做出错误的分支判断。这种「条件叠加」型漏洞，传统的单点 fuzzing 几乎不可能覆盖。

坦白讲，用随机输入去撞 PHP 内存管理的边界，命中率比中彩票高不了多少。

fuzzing 框架如 AFL++、libFuzzer 在 C/C++ 项目上积累了大量成功案例，但在 PHP 这种解释型语言的应用层效果有限。PHP 引擎本身的模糊测试覆盖率长期停留在 60% 左右。

为什么这次漏洞在传统流程下可能被延迟发现

CVE-2026-109618 和 CVE-2026-109619 的共同特征，使得它们在传统审计流程下容易被忽略。

首先，两个漏洞的触发条件都依赖于「异常路径 + 未初始化内存」的组合。只有 OOM 中断、致命错误等异常分支下，才会暴露出对未初始化字段的读取行为。

其次，漏洞的利用需要构造特定的请求上下文。攻击者需要通过 session.upload_progress 模块触发内存重分配，同时精确控制请求的执行时序。

最后，PHP 5.4+ 的向后兼容性设计留下了历史包袱。早期版本的 session 处理逻辑在后续迭代中被不断重构，但部分边界行为被保留，这些「活化石」代码很少成为安全审查的焦点。

源码浏览

##方案A：传统人工审计路径##

##方案A：传统人工审计路径##

方案B：AI辅助安全研究路径

Wiz Research如何使用Gemini 4 Argon和GPT-5.6 Sol定位漏洞

Wiz Research 的研究者 sagitz 在 X 上留下的记录是一句话：「研究始于一个针对 PHP 函数安全缺陷的提示词。」

具体路径是从 popular codebase 的可访问函数出发，让模型列出可能被外部数据触发的内部处理链。Gemini 4 Argon 负责源码级分析——追踪参数如何从 zval 结构流入内存分配逻辑；GPT-5.6 Sol 负责行为推断——判断某个代码路径在何种输入条件下会触发异常状态转换。

两者是串行接力：Gemini 4 Argon 产出的可疑调用栈经过 Sol 的行为建模后，研究者再用 Sol 生成验证用的 PoC 代码。三次迭代后，两个独立漏洞各自有了可复现的攻击链。

「As expected in 2026, AI did most of the work here.」——sagitz, Wiz Research

AI在源码分析、行为推断与PoC生成中的角色分工

传统审计的三个关键环节——代码扫描、逻辑推理、漏洞验证——这次被切割成三个不同层次的任务。

源码扫描是体力活。PHP 核心的 C 代码跨越数十年累积，函数调用链错综复杂。Gemini 4 Argon 的任务是把「某个函数是否被公开接口调用」这个问题从数天压缩到数小时。

行为推断是判断力活。发现可疑代码路径后，需要判断：这个条件分支在正常请求下能否到达？这部分 GPT-5.6 Sol 发挥了更明显的优势——它能把离散的代码片段组合成完整的攻击场景描述。

PoC 生成是工程活。Sol 在这个环节的作用类似一个「能写出正确 C 语法的实习生」——它不会发明不存在的机制，但能把已知的内存操作组合成可执行的请求体。

「从热门代码库入口追踪PHP函数调用链」

发现周期从数月压缩至两天的机制解析

传统漏洞研究的瓶颈不在算力，而在信息检索成本。PHP 核心代码超过百万行，手动建立调用图需要大量时间沉淀。

AI 模型的介入改变的是第一阶段的搜索效率。给定「session.upload_progress」这个模块名，Gemini 4 Argon 可以在数小时内定位到所有可能触发的代码分支。人类研究者原本需要一周完成的信息收集，现在集中在几个小时的对话窗口里。

第二阶段是假设验证。传统流程需要研究者手工构造测试用例、运行 debug 版本。AI 辅助下，研究者可以直接让模型根据可疑路径生成测试脚本。两天时间足够完成三轮迭代：定位→验证→修正。

更关键的变化发生在协作层面。OpenAI、Calif、Quarkslab 在补丁验证阶段形成了分布式验证网络。补丁提交后，多个团队并行测试不同输入条件，发现边缘 case 的时间从数天缩短到数小时。

##方案B：AI辅助安全研究路径

##方案B：AI辅助安全研究路径

方案C：混合防线与防御实践

补丁生效前的临时防护策略

Cloudflare CTO Dane Knecht 在漏洞外泄后迅速部署了 WAF 规则，并明确标注这是「临时应急措施」。这句话的含义是：规则覆盖已知攻击向量，但不等于修复漏洞本身。

对于运行 WordPress、Drupal、Joomla 或 Magento 的站点，防护优先级是：确认 PHP 版本是否在被支持范围内、检查是否启用了 session.upload_progress 功能、在补丁可用前禁用文件上传进度报告或限制上传接口。

mod_php 配置的风险最高。Apache 通过 mod_php 执行 PHP 时，所有请求都经过同一进程。相比之下，PHP-FPM 通过 FastCGI 协议隔离，每个请求由独立 worker 处理，缓解效果更明显。

检测规则方面，Elastic 和 Corelight 都在补丁发布前提前输出了 Suricata 和 Zeek 规则。这类规则的覆盖窗口通常很短——一旦攻击者调整 payload 结构，规则就会失效。

检测规则与补丁协同机制

补丁发布当天，全球自动化扫描开始执行。Sansec 估算「补丁上线后 15 分钟内会出现大规模攻击」。

防御体系的关键不在于检测到攻击本身，而在于区分「正常流量」与「利用尝试」。正确的检测策略应该从「这个请求是否合法」转向「这个请求是否携带了不应该出现在 session 处理路径上的数据结构」。

WAF 规则可以拦截已知的特征模式，但面对未知变体无能为力。这也是为什么多方验证补丁有效性是必要的。

正文图解 4

长期治理：谁来为PHP核心层埋单

PHP 由 PHP Foundation 这个非营利组织维护，核心开发团队规模有限。这次事件中，从研究者发现漏洞到补丁发布，官方用了约两个月时间。

更大的问题是：谁该为 PHP 核心层的持续安全投资负责？全球约 70% 的网站运行在 PHP 之上，但 WordPress、Drupal、Magento 等生态与 PHP Foundation 之间的资金流动并不透明。

sagitz 的总结「AI did most of the work here」背后，是一个更值得追问的问题：如果 AI 能在两天内完成传统审计需要数月的工作，那么传统审计模式的经济价值在哪里？答案不在速度本身，而在知识积累。传统研究者花数月建立的代码库理解、历史漏洞模式、边界 case 清单，是 AI 无法自动继承的隐性知识。

##方案C：混合防线与防御实践#

##方案C：混合防线与防御实践#

选型决策与执行建议

决策矩阵：传统审计、AI辅助、混合防御如何组合

三种路径不是互斥的，而是适用于不同阶段。

在漏洞发现阶段，AI 辅助的成本远低于传统审计。给定明确的切入点，模型可以在数小时内完成人工数周的信息收集。但模型的输出需要人类验证——幻觉和误报率依然存在。

在漏洞验证阶段，传统人工审计仍有不可替代的价值。AI 生成的 PoC 可能覆盖主路径，但边缘 case、并发条件需要人类研究者结合代码上下文做出判断。

在防御部署阶段，混合策略最为稳健。WAF 规则提供即时缓解，补丁验证确保修复有效，持续监控捕获异常行为。

可落地的三步行动清单

今天可以做的事：

1. 检查所有生产环境的 PHP 版本。登录服务器执行 php -v，记录版本号和编译选项。未受支持版本应立即制定升级计划。
2. 确认 session.upload_progress 配置。在 php.ini 中搜索 session.upload_progress.enabled，如需临时缓解可将此值设为 Off，但这会影响正常的上传进度显示功能。
3. 部署基于特征的临时检测规则。参考 Elastic 和 Corelight 发布的 Suricata/Zeek 规则，在流量层增加监控覆盖。

下周可以做的事：评估第三方安全产品是否已集成针对 CVE-2026-109618 和 CVE-2026-109619 的检测能力、联系托管服务商确认底层 PHP 版本的更新计划。

边界：AI挖洞不是银弹

需要明确 AI 辅助安全研究的局限：

第一，AI 的发现能力依赖提示词质量。给错了起点，模型可能花同样时间找到无关问题。

第二，AI 无法替代对代码历史演变的理解。PHP 核心中存在一些看似不合理但历史遗留的设计决策。

第三，AI 生成的 PoC 不一定覆盖所有触发条件。模型倾向于生成最直接的攻击路径。

你买的旗舰款，瞬间变成平替套餐。

当 AI 能完成传统审计 80% 的工作时，剩下的 20% 才是真正需要人类智慧的地方。

##选型决策与执行建议###决策

选型决策：AI辅助安全研究的适用边界

AI 在这类漏洞发现中的价值，取决于一个具体的工程条件：攻击链的复杂度是否超过了单一工程师在合理时间内的推演上限。

PHP2Shell 的两个漏洞属于同一类问题：内存管理错误导致的 use-after-free。但证明它们可以被利用，需要构造精确的请求序列，让 OOM 中断在正确的时机发生。这个链条在实际引擎中验证，需要遍历 PHP 内核的多个子系统。

何时适合引入AI辅助：复杂度与攻击面的阈值

适合引入 AI 的场景有三个信号。

第一，攻击面覆盖广。PHP2Shell 影响了至少从 5.4 开始的每一个版本，涉及多套 SAPI 和数十个扩展。AI 可以通过并行分析和模式匹配快速收敛。

第二，验证路径长。从发现漏洞到构造稳定 PoC，传统可能需要两周以上的反复调试。AI 可以在几轮对话内生成多个候选 PoC。

第三，知识跨度大。PHP 内核本身已经够复杂，再加上 Zend Engine、libxml、openssl、curl 等多个扩展的交互，单一研究员的知识盲区会显著增加漏报概率。

何时仍需人工主导：误报过滤与深层逻辑判断

AI 的局限性同样明确。第一个问题是误报。模型可以生成十个看起来可行的 PoC，其中可能只有两个真正能在目标版本上复现。

第二个问题是漏洞的本体判断。AI 能告诉你某个代码路径「看起来危险」，但不能替代安全工程师判断「这个危险是否构成实际威胁」。

第三个问题是修复方案的合理性。补丁不仅要解决漏洞，还要保证向后兼容。

选型决策表：传统 vs AI vs 混合路径的适用场景对照

人工源码审计

| 已知漏洞类型的深度挖掘 | 传统 + AI 辅助 | 人类经验主导，AI 提速 | | 大规模代码库的模式扫描 | AI 辅助 + 人工验证 | 覆盖广度优先，精度靠人 | | 新攻击面的探索性研究 | 混合路径 | 不确定性强，需要快速试错 | | 漏洞修复方案的合理性评估 | 传统路径为主 | 需要工程经验和架构理解 |

架构全景：从漏洞发现到补丁部署的完整链路

PHP2Shell 事件的价值，不只在于发现了两个漏洞。更值得观察的是整个响应链条的压缩效率。

正文图解 6

PHP Foundation 的反应是「把补丁时间提前」。这不是最优选择，但是现实选择：信息已经泄露，等待只会让攻击者有更充分的时间准备。

Cloudflare 的 CTO Dane Knecht 在补丁发布前就部署了 WAF 规则。他的原话是：「WAF 规则仅是临时应急措施，敦促管理员尽快应用官方补丁。」

收尾判断：AI不是替代，是放大器

PHP2Shell 事件给出的判断是明确的：AI 没有替代安全研究员，但它把「有人知道、有人不知道」的差距压缩到了两天。

传统路径下的漏洞发现，往往依赖个别研究员的专注投入和对特定代码库的深度理解。这种模式产出的是高质量结论，但速度和覆盖范围受限于人力。

AI 辅助的路径把「发现」的成本降到了新的量级。Gemini 4 Argon 和 GPT-5.6 Sol 完成了源码分析、行为推断、PoC 生成的工作。但漏洞的验证、补丁的合理性评估、检测规则的制定，仍然需要人类的判断。

sagitz 说「AI did most of the work here」，意思是「AI 承担了研究过程中最耗时、最繁琐的部分」。这不是替代论，这是分工论。

对于企业安全团队而言，这个事件的直接行动建议有三条：第一，立即检查 PHP 版本，所有 PHP 5.4 及以上版本均需升级到最新安全版本。第二，在补丁生效前，使用 Cloudflare、Elastic、Palo Alto 等厂商发布的临时检测规则，重点关注 session.upload_progress 模块的异常请求。第三，重新评估内部安全研究的投入策略。

最终，PHP2Shell 的意义不在两个 CVE，而在它揭示了一个趋势：AI 正在成为安全研究的基础设施。它不替代研究员的判断，但它在研究员做判断之前，已经把「可能性」的范围收窄到了可操作的边界。

参考文献

1. Wiz Blog - PHP2Shell: AI uncovers critical RCE vulnerabilities affecting 70% of the Internet. www.wiz.io/blog/php2sh…
2. sagitz on X - PHP2Shell research notes. x.com/sagitz_/sta…
3. Elastic Security Labs - php2shell: Assessing detection coverage. www.elastic.co/security-la…
4. Corelight - PHP2Shell Zeek and Suricata Detections. corelight.com/blog/php2sh…
5. Sansec - Critical PHP RCE: CVE-2026-109618 and CVE-2026-109619. sansec.io/research/ph…
6. PHP Foundation - Emergency security advisory. www.php.net/security/

延伸入口

• 原文归档：tobemagic.github.io/ai-magician…
• 公众号：计算机魔术师