为 AI 加速攻击做好安全防御准备¶
原文发布于 2026 年 4 月 10 日
概述¶
AI 正在加速漏洞发现和利用的速度，防御方必须同步升级。 本周早些时候，我们发布了 Project Glasswing——一个紧急项目，旨在将最新前沿模型 Claude Mythos Preview 的强大网络安全能力用于防御目的。在公告和配套技术文章中，我们描述了 AI 如何快速降低发现和利用漏洞所需的资源、时间和技能门槛。
展望 AI 的飞速发展，类似能力水平的模型将在不久后广泛可用。未来 24 个月内，大量隐藏在代码中多年未被察觉的 bug 将被 AI 发现，并被串联为可利用的攻击链。事实上，目前公开可用的、能力低于 Mythos 的模型已经能够发现传统审查长期遗漏的严重漏洞。
好消息是，这是双向的：攻击者能用 AI 加速，防御者同样可以利用 AI 工具加固自身。本文基于我们安全团队使用前沿 AI 模型保护真实代码库和系统的经验，提供安全建议和实践方法。
以下建议大部分已属于业界安全共识；我们根据观察到的哪些控制措施仍然有效、哪些正在弱化进行了优先级排序。如果你的组织已在 SOC 2 和 ISO 27001 框架下报告，这些建议将直接映射到你已在跟踪的控制项。
七大行动方向总览¶
| # | 方向 | 核心思路 |
|---|---|---|
| 1 | 缩短补丁窗口 | 补丁发布到利用可用之间的时间窗口正在极速缩小 |
| 2 | 应对漏洞报告洪流 | 未来两年，漏洞发现数量将增长一个数量级 |
| 3 | 发布前消灭 bug | 将安全扫描和 AI 审查嵌入 CI/CD 流水线 |
| 4 | 扫描已有代码 | 主动发现代码库中的未知漏洞 |
| 5 | 以被攻破为前提设计 | 用硬隔离替代摩擦型防护 |
| 6 | 收缩暴露面 | 清点、精简和消除不必要的互联网暴露 |
| 7 | 缩短事件响应时间 | AI 驱动告警分诊和检测飞轮 |
立即行动¶
1. 缩短补丁窗口¶
补丁逆向为利用代码正是 AI 擅长的机械分析任务，补丁发布到利用可用之间的时间窗口正在急剧缩小。 AI 模型非常善于在未打补丁的系统中识别已知漏洞的特征，将一个补丁逆向分析为可工作的 exploit 恰好是这类模型最擅长的机械推理。
| 优先级 | 行动 |
|---|---|
| 最高 | 立即修复 CISA KEV 目录 中列出的所有已知被利用漏洞 |
| 高 | 使用 EPSS 对其余漏洞排序 |
| 高 | 互联网面向应用在 exploit 可用后 24 小时内打补丁；其他漏洞数天内完成 |
| 中 | 在可接受宕机风险的场景中自动化补丁部署和重启 |
实践提示：大多数云厂商和操作系统已内置补丁自动化能力，启用它通常只是一个配置变更。
2. 应对大规模漏洞报告涌入¶
未来两年，你的漏洞接收、优先级排序和修复流程将承受远超当前的压力。 随着 AI 辅助漏洞挖掘工具的普及，安全团队收到的漏洞报告数量可能增长一个数量级。
- 为发现数量增长 10 倍做好流程和人员准备
- 使用 OpenSSF Scorecard 自动评估每个开源依赖的安全性
- 对供应商施加同等期望
实践提示：调研评估"漏洞代码可达性"的开源工具和第三方服务，避免在不可触达的漏洞上浪费精力。
AI 辅助方向：
| 场景 | 说明 |
|---|---|
| 加速分诊 | 让 AI 完成漏洞报告的初步分类和严重性判断 |
| 依赖去重 | 检查依赖是否冗余，减少攻击面 |
| 升级自动化 | AI 辅助完成依赖版本升级和兼容性验证 |
| 供应商评估 | AI 辅助评估第三方供应商的安全态势 |
3. 在发布前消灭 bug¶
预防永远优于治疗——将安全扫描嵌入 CI/CD 流水线，在代码上线前拦截漏洞。
| 措施 | 说明 |
|---|---|
| 静态分析 + AI 代码审查 | 加入 CI 流水线 |
| 自动化渗透测试 | 加入 CD 流水线 |
| 保护构建流水线 | 遵循 SLSA 安全框架的分级路径 |
| Secure by Design | 采用 CISA Secure by Design 实践 |
| 内存安全语言 | 新代码优先使用内存安全语言，参考 CISA/NSA/NCSC 路线图 |
AI 辅助方向：
- AI 漏洞扫描——如果本节只能做一件事，就做这个
- 补丁自动生成
4. 主动扫描已有代码¶
你的代码库中存在未知漏洞，主动扫描可以在攻击者之前发现它们。
- 按暴露度排序：优先扫描互联网面向的服务和关键路径
- 包含遗留代码：老代码往往是漏洞富矿
- 为修复预留预算：发现漏洞只是第一步，修复需要工程资源
5. 以被攻破为前提设计¶
依赖"增加繁琐步骤"制造摩擦的防御措施，在 AI 能自动化完成这些步骤时将迅速失效；必须用硬隔离替代。
传统安全中很多控制措施的价值来自"摩擦"——让攻击变得繁琐。但当对手可以用 AI 自动化地碾过这些繁琐步骤时，摩擦不再是有效屏障。
| 措施 | 参考 |
|---|---|
| 采用 Zero Trust 架构 | CISA Zero Trust Maturity Model、NCSC Zero Trust 原则 |
| 访问绑定到已验证硬件 | 而非仅依赖凭证 |
| 按身份隔离服务 | 限制横向移动半径 |
| 用短期令牌替换长期密钥 | 减小凭证泄露的影响窗口 |
6. 收缩和清点暴露面¶
攻击面越小，AI 辅助攻击的效率越低。 维护一份准确的互联网暴露清单，并持续精简。
- 维护所有互联网面向主机、服务和 API endpoint 的实时清单
- 退役不再使用的系统
- 最小化每个服务暴露的功能
AI 辅助方向：
- 清理陈旧代码和系统
- 自主外部红队演练
7. 缩短事件响应时间¶
将 AI 放在告警队列最前端，实现 100% 覆盖率的初始分诊。
| 行动 | 说明 |
|---|---|
| AI 告警分诊 | 将模型放在告警队列最前端 |
| 优先保障检测时间和覆盖率 | 驻留时间（dwell time）是核心指标 |
| 自动化事件管理 | 让 AI 处理事件流程中的文书工作 |
| 模型驱动检测飞轮 | 持续优化检测规则 |
| 模拟并发事件 | 进行 5 个同时发生事件的桌面推演 |
| 检测覆盖率对标 | 映射到 MITRE ATT&CK 框架 |
| 预设紧急变更流程 | 提前建立应急时的快速变更审批通道 |
AI 辅助方向：
- 100% 覆盖率的初始分诊
- 事件记录员 + 并行调查员
- 针对自身环境的主动威胁狩猎
提交漏洞报告的建议¶
向他人提交漏洞报告时，清晰和完整是获得快速响应的关键。
| 要素 | 说明 |
|---|---|
| 明确描述 | 用简洁语言说明 bug 及其影响 |
| 代码路径 | 走一遍触发漏洞的代码路径 |
| 可复现证明 | 提供可工作的复现步骤 |
| 建议补丁 | 附上修复建议 |
| 披露 AI 参与 | 如果使用了 AI 辅助发现，提前声明 |
| 尊重维护者判断 | 最终决定权在维护者手中 |
如果你没有安全团队¶
即使没有专职安全团队，以下基础措施也能显著提升安全水位。
- 开启自动更新
- 优先使用托管服务而非自建
- 使用 Passkey 或硬件安全密钥
- 启用代码托管平台的免费安全工具
- 如果你维护开源项目，发布
SECURITY.md
参考框架¶
致谢¶
本文由 Anthropic 安全工程和研究团队成员撰写，包括 Donny Greenberg、Jason Clinton、Michael Moore、Abel Ribbink 和 Jackie Bow，以及 Jannet Park、Gabby Curtis 和 Stuart Ritchie 的贡献。