6 次恶意 PR 潜伏 Vizor 与 Zingo：AI 审核被指令绕过

据 Woofun AI 消息， 与 钱包近期遭遇针对代码库的隐蔽渗透尝试，攻击者通过提交包含凭证窃取逻辑的拉取请求（Pull Request），试图在开源项目中植入后门。此次事件的核心特征在于攻击手段的复合性：恶意代码不仅旨在窃取用户敏感信息，更嵌入了专门用于规避自动化检测的对抗性指令。

从技术细节解构，这 6 项恶意请求均未成功合并至主分支，但攻击路径极具代表性。攻击者在代码中植入了窃取用户凭证的功能模块，同时附加了明确指示人工智能审核系统忽略这些秘密上传内容的指令。

这种'代码+指令'的双重伪装策略，旨在利用 AI 审核工具对自然语言指令的潜在信任或解析漏洞，从而绕过常规的安全扫描。Woofun AI 整理数据显示，此类针对 AI 审核机制的对抗性攻击正成为 Web3 安全领域的新兴威胁向量，攻击者不再仅依赖代码混淆，而是直接尝试操纵审核代理的判断逻辑。

值得注意的是，尽管本次攻击未造成实际损失，但其揭示了当前依赖 AI 辅助代码审查流程中的潜在盲区。随着 Web3 项目日益依赖自动化安全工具，攻击者转向针对工具本身的社工式攻击（Social Engineering of Tools）将成为常态。这是继传统漏洞挖掘之后，安全攻防焦点向'审核机制对抗'转移的早期信号，项目方需重新评估 AI 审核系统的鲁棒性，防止此类指令注入攻击得逞。