边疆 AI 模型的到来告诉我们关于漏洞发现的未来

当 Claude Mythos 在四月份宣布时，它迅速成为 AI 时代最大的网络安全热点之一。由 Anthropic 开发的新 LLM 展示了前所未有的网络能力，并引发了将其归类为重大技术突破的反应，同时也警告网络安全可能进入前所未有的混乱时期。

根据 Anthropic 的说法，该模型可以自主发现大量的零日漏洞，据报道发现了主要操作系统和浏览器中的缺陷，包括一些几十年来一直未被发现的例子。它还能够将单个弱点链接成可用的多步骤攻击。

其影响如此之大，以至于到 6 月 12 日，美国政府命令 Anthropic 暂停所有外国国民（包括外国国民 Anthropic 员工）对该技术的访问。这被广泛视为对人们担心攻击性 AI 能力的反应，担心如果不受限制地访问这些能力，可能会带来不可接受甚至难以控制的风险。

在 Project Glasswing 下，Anthropic 的披露和补救计划目前仅限于大约 50 个组织，包括 AWS、Apple 、Google、Microsoft 、CrowdStrike 、Cisco 和 Linux Foundation 等。这些企业被给予了一个窗口，在七月份之前修补关键系统，在 Mythos 确定的漏洞被公开披露之前。届时，行业真正进入了新领地。

跨越鲁比孔河

许多人会同意，边疆 AI 模型的到来 意味着安全的鲁比孔河已经被跨越。让我们明确一点：核心问题不一定是某个特定模型的出现，而是漏洞发现和开发利用本身可能进入一个新时代，AI 可以以超出人类研究人员的规模和速度运作。

如果事实果真如此，其影响将远远超出特定的漏洞；它们将影响传统漏洞管理和补救流程所依据的假设。特别是，当前的漏洞管理流程是在人类研究人员限制了发现速度的时代发展起来的。AI 有可能从根本上改变这一等式。

一个可能的后果是，进入安全生态系统的漏洞数量将大幅增加。 CVE 卷 已经在过去几年中显著增加，安全团队已经面临着日益增长的压力，即使在边疆 AI 模型的全部影响被感受到之前。

在这种情况下，漏洞发现本身可能不再是限制因素。相反，瓶颈转移到了分类和补救。挑战因利用时间线已经多年来一直在缩短而加剧，在某些情况下，利用代码现在在补丁可用之前出现，给组织留下了很少的反应时间。

运营准备成为首要任务

那么，什么样的漏洞管理方法才是更新的、适合目的的？首先，它需要被视为一个持续的运营能力，因为目前，发现和补丁部署之间的窗口通常太慢。安全团队需要了解哪些漏洞实际上是可利用的，哪些系统受到影响。

随着发现数量的增加和利用时间的减少，安全领域的 AI 运营将变得至关重要。利用高级 AI 检测能力（同时管理令牌成本）并自动化检测、分类和补救的团队将最好地应对最小化暴露窗口和负面业务影响。这不仅仅是关于发现最多的漏洞；它是关于快速识别和补救最重要的问题。

其次，边疆 AI 模型）是网络防御的工具。Glasswing 的成员可以使用这些模型来检测和修复以前未被发现的漏洞，理想情况下具有先进的访问权限，以便在攻击者最终获得边疆 AI 能力时领先一步。边疆 AI 模型是一种有价值的检测工具；然而，它们并不能自动解决如何管理 AI 扫描（需要扫描什么、扫描时机、如何编排扫描、如何处理发现结果、如何管理令牌成本等）的运营方面。无论使用什么模型（它们会随着时间的推移而改进），安全团队需要能够比攻击者更快地为网络安全运营化边疆 AI 能力。

组织面临的长期挑战因此不是为单个模型或特定波浪的披露做准备，而是现有的运营模型是否能够适应一个漏洞被发现和武器化的速度前所未有的世界。做错了，组织将面临一个充满麻烦的世界。