本文提出了一种名为 Drishti 的、由 AI 主导但由人类指导的漏洞审计框架，针对开源 5G 核心网软件中漏洞验证与影响评估成本高昂的问题。作者指出，随着 AI 辅助代码审查的发展，生成候选缺陷已不再困难，真正的瓶颈在于验证和影响评估，尤其是在关键基础设施软件（如 5G 核心网）中。验证过程包含四种成本：验证（verification）、可达性（reachability）、影响（impact）和修复完整性（fix-completeness）。Drishti 框架由四个组件构成，分别对应上述成本：(i) 用于验证的反模式目录（anti-pattern catalog）；(ii) 用于可达性分析的关键路径分类（critical-path triage）；(iii) 用于影响评估的同心验证（concentric validation）；(iv) 用于修复完整性检查的补丁审查（patch-review）。作者对 Open5GS 和 free5GC 两个开源 5G 核心网项目进行了审计，取得了三项发现。第一项是 Open5GS 的 NRF（网络功能仓库功能）多部分解析器存在一个预认证的 NULL 指针解引用漏洞，该漏洞已在上游修复并申请了 CVE。第二项是 free5GC 的 NGAP 解码器中存在 ASN.1 PER（packed encoding rules）内存放大漏洞：来自恶意 gNodeB 的 2 字节输入可在 6.2 秒内导致 AMF（接入和移动性管理功能）进程因内存耗尽（OOM）而被杀死。第三项是 CVE-2025-69248 的修复补丁存在缺陷，其纵深防御检查在认证之前是死代码，无法真正发挥作用。该框架旨在降低人工验证成本，提高漏洞审计的效率和准确性，适合安全研究人员、5G 核心网维护者以及从事关键基础设施安全审计的蓝队人员阅读。