2026 年 8 月，安全工程师 Joel Margolis 发布了一篇长文，标题是 "What Happened to HackerOne?"。文章从 2012 年 HackerOne 创立讲起，梳理了这个全球最大的漏洞赏金平台如何在 14 年间演变为以销售为导向的企业级 SaaS——其黑客社区驱动的创业基因在这个过程中逐渐消失，以及 AI 技术如何加速了平台与社区之间的信任裂痕。这篇文章在 Hacker News 上获得了 489 分，引发了安全社区的广泛讨论。
HackerOne 平台的问题涉及三个层面：商业模式转型导致的社区疏离、AI 分诊（triage）系统对漏洞报告数据的隐性使用，以及平台对研究者反馈的长期忽视。这些问题叠加在一起，让一批资深漏洞赏金猎人开始公开质疑平台的未来。
HackerOne 的商业模式：从黑客优先到销售驱动
HackerOne 由 Jobert Abma 和 Michiel Prins 于 2012 年创立。他们最初的做法是渗透测试全球 100 家最大的科技公司——Google、Facebook、Apple、Microsoft、Twitter——然后发现了安全漏洞并报告给这些公司。当时，安全研究者在法律上面临巨大的个人风险，多名黑客因发现和报告漏洞而被刑事起诉。HackerOne 的出现解决了这个问题：为企业和黑客之间提供一个合法的、有偿的安全漏洞提交渠道。
2014 到 2022 年间，HackerOne 共完成了 8 轮融资，累计筹集约 1.59 亿美元（数据来源：CB Insights、PitchBook、Tracxn）。最后一轮是 2022 年 1 月的 Series E，金额 4900 万美元。在此期间，公司的运营几乎完全依赖风投资金。
大约在 2020 至 2021 年，HackerOne 开始面对盈利压力。转型包括三个关键步骤：
- 更换 CEO：创始 CEO Marten Mickos 被替换为 Kara Sprague，后者此前担任网络公司 F5 的首席产品官。
- 收费模式调整：从原来对赏金抽取约 20% 佣金，转向基于容量的收费结构、年度合同和多年度绑定协议。
- 销售团队扩张：公司开始将销售作为核心驱动力，鼓励客户提高赏金以保持对黑客的吸引力。
销售导向转型带来的连锁反应包括：最优秀的分诊员（通常是黑客本人）因薪酬过低和工作量过大而离职；黑客面临的分诊质量下降，同时被大量低质量项目淹没；客户的报告质量下降，成本却在上升。由于漏洞赏金市场是一个由 HackerOne、Bugcrowd 和 Intigriti 三家公司控制的寡头市场，正常的市场竞争机制未能促使平台改善。
HSP 机制与新黑客的困境
为缓解社区不满，HackerOne 创建了 "Hacker Success Program"（HSP）。这是一个面向顶级黑客的专属空间，参与者可以获得一位 "Hacker Success Manager"（HSM）来处理与赏金、项目沟通和误判申诉相关的问题。
HSP 在实践中为部分黑客解决了实际的申诉障碍，但同时也暴露了平台长期存在的一个问题：新黑客几乎没有任何途径获得支持。如果你不是 HSP 成员，遇到公司不理解你的报告安全影响时，你能做的非常有限。而要成为顶级黑客从而进入 HSP，恰恰需要这些资源的辅助。
HackerOne 还创建了一个专门的平台反馈渠道。据 Joel Margolis 的统计，大量反馈和建议被提交到该渠道，但平台的实际行动几乎为零。这进一步加剧了社区对平台缺乏诚意推进功能开发的判断。
AI 分诊系统与数据争议
争议的核心围绕一个关键问题：HackerOne 是否在使用研究者提交的漏洞报告数据来训练其 AI 系统？
第一阶段：ToS 更新引发的担忧
2026 年 2 月，知名黑客 zseano 注意到 HackerOne 员工离职潮，并在 Twitter 上发出疑问。这引发了社区的讨论，焦点很快集中到 HackerOne 更新的服务条款（ToS）上——新条款允许提交到平台的报告被用于 AI 模型训练。
面对社区压力，联合创始人兼 CTO Alex Rice 在 HSP 聊天中做出明确承诺：
We do not train, fine-tune, or otherwise improve GenAI or large language models on researcher data.
CEO Kara Sprague 也在 LinkedIn 上发表声明，强调 HackerOne 不会在研究者提交或客户机密数据上训练生成式 AI 模型，无论是内部还是通过第三方。Alex Rice 随后还做客 Critical Thinking Bug Bounty Podcast（第 162 期），专门回应这一争议。
据 SC Media 报道，Kara Sprague 在回应中明确表示 HackerOne 不会在研究者提交或客户机密数据上训练生成式 AI 模型，并强调其 AI 系统 Hai 的设计目的是加速验证报告和奖励发放，而非替代研究者。竞争对手 Intigriti 和 Bugcrowd 也相继确认了类似的政策立场。
第二阶段：AI 分诊系统的实际行为
争议并未就此平息。大约两个月后，一位黑客在 HSP 聊天中注意到报告中出现了来自 hackerone-agent 的评论，询问这是 AI 代理还是人工操作。
HackerOne 的产品经理确认这是一个 AI 完成的初步审查步骤，称为 "H1 Intake"，并解释说该系统会对所有报告进行分析，由 AI 决定哪些可以直接发送给验证团队、哪些需要人工审查。更重要的是，产品经理解释说该系统会从行为中学习：
The system also learns from behaviour so, if a recommendation is rejected […] it will take these into account with its recommendations as well.
这引发了一个关键矛盾：Alex Rice 承诺不在研究者数据上训练或微调模型，但 AI 系统确实在利用报告的处理结果来影响未来的自动化行为。当被追问时，HackerOne 的解释是：
Storing learnings in our DB is something different than training/fine-tuning a model on how to behave. We store the rejection reasons in our DB to cross reference and augment the reasoning the agent does when determining next steps.
换言之，HackerOne 没有在模型权重层面使用报告数据进行传统意义上的"训练"，但系统确实在数据库层面存储了报告的处理结果，并以此增强 AI 代理对后续报告的推理。对于研究者来说，"存储学习结果以影响未来行为"与"训练模型"之间的技术区分，在实际影响上几乎没有本质差别。
第三阶段：H1 Continuous Testing 产品页面
2026 年 6 月，Critical Thinking Podcast 联合主持人 rez0 发现了 HackerOne 新发布的 "H1 Continuous Testing" 产品页面。页面上的描述明确写着：
Testing is sharpened using context from HackerOne's 12+ years of real-world vulnerability data and your prior H1 Bounty findings, so agents know where to focus。
这几乎直接承认了在持续测试产品中使用研究者的历史报告数据。HackerOne 随后修改了页面文案，联合创始人 Michiel Prins 解释说该描述指的是侦察代理（recon agent）如何基于客户程序内的历史结果确定测试范围，而非基于研究者提交来发现新漏洞。Alex Rice 也再次出面回应，强调"方向没有变化，研究数据零训练"。
Margolis 在文章中指出，这一系列行为构成了一个典型的公关模式：承认担忧、安抚社区、不做任何实际改变。
HackerOne 的 AI 战略转向
争议的背景是 HackerOne 正在进行一次战略转向。公司正在重新定位为它自己定义的新行业品类——CTEM（持续威胁暴露管理，Continuous Threat Exposure Management）。传统的漏洞赏金业务在这个新框架下被降级为众多产品线之一。
在这个转型中，AI 成为产品核心。HackerOne 的 AI 系统 Hai 负责对入站报告进行初步分类、去重和验证。2026 年 4 月，HackerOne 发布了 H1 Validation 产品，用于帮助企业处理 AI 发现的漏洞数量激增。其平台数据显示，2026 年 3 月漏洞提交量同比增长 76%，创下历史新高；其中约 25% 被确认可利用，高危和严重漏洞占比从历史基准的 26-28% 上升至 32%。
6 月，HackerOne 推出 H1 Platform，将 agentic AI 定位为持续发现、验证、优先级排序和修复的核心引擎。联合创始人 Michiel Prins 在回应社区时勾勒了一个愿景：研究者发现新型漏洞挖掘技术，平台将其操作化到所有客户的攻击面上，研究者根据全平台影响获得比例补偿。
The long term is about partnership, not replacement. We want to build incentive structures that support this vision.
但 Margolis 指出，这个愿景与现实之间的差距很大。当前的 AI 能力仍处于基础测试和分诊阶段，研究者的攻击库和激励模型尚不存在。
平台工具化停滞与社区反应
与 AI 投入形成对比的是，HackerOne 平台本身的技术迭代长期停滞。作者提到，平台的核心技术在近 10 年里几乎没有实质变化——UI 保持"能用"状态，性能问题持续存在。HackerOne 曾拥有十年积累的功能请求列表，却选择将 AI 用于开发自有助手 Hai，而非改进社区长期要求的核心平台功能。
HackerOne 从 2017 到 2020 年定期举办的 Live Hacking Events（LHE）是社区的黄金时代。顶级赏金猎人飞到指定地点，对特定目标进行密集漏洞挖掘，1 到 3 天内产出的高危报告数量相当于一整年的常规量。每场活动都有定制的丝网印刷海报、挑战硬币和贴纸。
但随着社区活动和区域俱乐部的缩减，LHE 的邀请和评分系统变得更加封闭和计算化，定制海报变成了低成本的激光打印。负责运营这些活动的核心人员被裁员或离职。
寡头市场下的替代方案
Margolis 在结论中向不同群体给出了建议：对企业客户，他指出自建平台的基础设施成本已低于 HackerOne 一年的合同费用；对创业者，他认为市场已经准备好迎接颠覆者。
当前漏洞赏金市场的竞争格局中，HackerOne、Bugcrowd 和 Intigriti 三家公司控制了几乎全部市场份额。这三家公司都已在 2026 年初确认了不在研究者数据上训练 AI 模型的政策。HackerOne 的数据争议之所以引发更大反响，部分原因在于其产品页面的措辞与官方承诺之间存在明显的张力——而社区的愤怒恰恰来自于这种"说一套做一套"的感知。
安全社区的反应也折射出 AI 时代漏洞赏金行业面临的结构性问题：AI 加速了漏洞发现速度，但修复能力跟不上，导致发现到修复之间的窗口持续扩大。HackerOne 的 H1 Validation 产品本身就是为了应对这一趋势。AI 在漏洞赏金中的角色——是替代研究者、增强研究者，还是成为使用研究者数据的工具——这个问题还远未解决。