AI 报告洪水（AI Report Flood），也叫 Bounty Slop，指用大语言模型（Large Language Model, LLM）批量生成的漏洞报告，在短时间内涌入开源项目和安全悬赏平台，把真正有价值的提交淹没在噪音里的现象。
它的原理不复杂。过去提交一份漏洞报告，需要人读代码、找到可疑点、写出可复现的步骤，成本很高。现在，把代码片段丢给模型，让它“找找安全问题”，几秒钟就能生成一份格式工整、术语齐全的报告。这些报告往往包含“可能存在注入风险”“建议检查边界条件”“在特定输入下或可导致异常”之类的模糊断言，却没有可复现的概念验证（Proof of Concept, PoC），也没有真实影响。一份报告的成本趋近于零，一天生成几百上千份并不困难。
打个比方：这就像有人往你的信箱里倒了一袋碎纸，其中混着一张真正的账单。你知道账单在里面，但必须一张一张翻，才能找到它。更麻烦的是，碎纸的格式还都挺像账单。
对维护者来说，成本是实打实的。每份报告都要分类、去重、验证、回复。很多报告一眼假，但你不能不看，因为万一漏掉真的呢？开源项目的维护者大多是志愿者，白天有本职工作，晚上处理 issue。当报告量从每周几封变成每天几十封，时间被切碎，心理疲惫随之而来。真正的高危漏洞反而可能因为提交得晚、标题不够“炸”，被埋进队列深处。curl 的维护者 Daniel Stenberg 就曾公开抱怨过这种 AI 生成报告的骚扰，这不是个例。
它和几个相邻概念容易混淆：
| 概念 | 谁在驾驶 | 产出质量 | 对维护者的影响 |
|---|---|---|---|
| AI 报告洪水 | 模型批量生成，人只负责提交 | 大量幻觉、不可复现 | 淹没队列，消耗注意力 |
| AI 辅助安全审计 | 人主导，模型做线索提示 | 人验证后再提交 | 提高效率，降低噪音 |
| 传统漏洞报告 | 人独立分析 | 通常有 PoC | 可处理，可预期 |
区别的关键在于：模型是替你干活，还是替你把垃圾倒给别人。
治理上，平台面临取舍。漏洞赏金（Bug Bounty）的初衷是激励真实研究，但 AI 让提交成本趋近于零，原有的“按有效报告付费”机制被套利。有的平台提高门槛，要求可复现 PoC、限制提交频率、引入信誉分；有的干脆暂停部分现金奖励，改为邀请制或人工预审。Google 的悬赏计划也因这类噪音调整过规则，阶段性收紧了对 AI 批量生成报告的奖励——具体条款以其官方页面为准。这背后的取舍是：宁可少收一些真实报告，也要保住维护者有限的注意力。注意力一旦耗尽，项目就没人维护了。
对安全研究者来说，结论很直接：可复现的证据比漂亮的措辞值钱。对普通职场人来说，这是一个更普遍的提醒——当生成成本降到零，稀缺的就不再是内容，而是筛选和信任。