卡拉·斯普拉格，HackerOne 首席执行官 – 采访系列

卡拉·斯普拉格，HackerOne 首席执行官，是一位拥有二十多年经验的资深技术高管，曾在软件和安全领域担任过产品领导、总经理和战略咨询等职务。她于 2024 年 11 月接任首席执行官一职，此前曾在 F5 公司担任过高级执行职务，包括执行副总裁和首席产品官，领导了重大产品和平台计划，并曾在早期担任过大型业务的总经理。之前，她曾在麦肯锡公司担任过合伙人，帮助领先的技术公司制定增长和战略计划，并在甲骨文公司开始了她的职业生涯。除了在 HackerOne 的职务外，她还在 Trimble 公司的董事会任职。

(ORCL ) (TRMB )

HackerOne 是一家网络安全公司，以其开创性的黑客驱动安全而闻名，连接组织与全球的道德黑客社区，以识别和修复漏洞，防止其被利用。该平台通过漏洞奖励计划、漏洞披露、渗透测试和安全测试服务，支持企业和政府，结合人类专业知识和自动化以及 AI 驱动的工作流程。通过将安全从反应性转变为主动性，HackerOne 已成为现代应用程序安全栈中组织减少风险和提高弹性的关键部分。

您在 2024 年 11 月接任 HackerOne 首席执行官一职，之前您在 F5、麦肯锡、甲骨文等主要技术组织中担任过领导职务。是什么吸引您在职业生涯的这个阶段接受这一挑战？您开始领导公司时的首要任务是什么？

我整个职业生涯都处于技术、战略和风险的交叉点，帮助组织应对高风险和快速变化的环境。吸引我加入 HackerOne 的是，我们现在正处于这样的转折点，AI 正在重塑网络安全格局。

安全不再是一个后台功能 —— 它是信任、弹性和业务速度的核心驱动力。企业现在运营在深度相互连接的系统、不断的数据流和自动化决策上，规模前所未有。AI 正在加速创新，但也引入了新的弱点、依赖和故障模式，传统的安全模型无法应对。

这就是为什么 HackerOne 的使命如此重要。我们的使命是赋予世界建设一个更安全的互联网，在 AI 驱动的世界中，这个使命比以往任何时候都更加紧迫。HackerOne 与其他公司不同，因为我们将全球的安全研究人员社区与平台智能相结合，找到和修复漏洞，防止攻击者利用它们。这种人机结合的模式不仅是区别于其他公司的特点 —— 它是必不可少的。

从第一天开始，我专注于三个优先事项：扩展我们的智能平台能力，投资于我们的研究人员社区，并加深与客户和合作伙伴的信任。意味着扩大 AI 红队攻击，发展 Hai 从一个副驾驶到一个协调的 AI 代理团队，帮助组织持续优先、验证和修复风险，并推出 HackerOne 代码以便在开发周期的早期阶段保护软件。今天，我们的 90% 的客户使用 Hai 来加速他们的工作，以验证和修复漏洞。

格局正在迅速演变，但我们的关注点始终如一：在定义您之前包含风险。在 HackerOne，这意味着使安全成为连续的、实用的和适应现代创新步伐的过程。

HackerOne 见证了渗透测试和 AI 红队攻击的 200% 增长，以及对持续威胁暴露管理的战略转变。这些趋势如何重塑您对公司的长期愿景？这股势头对企业安全的未来意味着什么？

我们所看到的不是一个峰值 —— 它是一个重置。渗透测试和 AI 红队攻击的 200% 增长确认，点对点的安全性无法跟上现代企业的变化速度。

这种现实正在围绕持续的威胁暴露管理重塑我们的长期愿景，涵盖从代码和云到 AI 系统的整个生命周期。随着 AI 加速创新和攻击速度，挑战不再是找到漏洞，而是证明哪些是可利用的，优先考虑最重要的内容，并快速修复。我们正在构建一个平台，结合持续测试、自动验证、智能优先级和人类专业知识来实现这一点。

对于企业领导者，信号很明确：安全性正在成为一个持续的商业学科，而不是周期性的审计。那些领先的公司将是那些能够更早地识别风险、更快地采取行动并在成为商业问题之前包含暴露的公司。这种转变定义了企业安全的未来。

您的 AI 系统 Hai 如何集成到漏洞发现工作流程中？它在哪里为研究人员和客户提供了最大的优势？

Hai 是一个协调的 AI 代理团队，嵌入到漏洞管理工作流程中，持续分析和上下文化发现，以帮助组织优先级、验证和修复风险更快。它在报告的生命周期中运行，作为倍增器，帮助防御者随着威胁的复杂性和数量的增加而扩大规模。

Hai 通过削减噪音提供了最大的优势。它通过总结报告、识别模式、验证发现和突出最可能重要的问题来提高分类和理解。我们的研究表明，20% 的用户每周节省 6 到 10 个小时，显著缩短了从检测到自信的修复的路径。

研究人员也受益。随着超过一半的研究人员现在在工作中使用 AI 或自动化，Hai 帮助他们产生更强的概念验证、更清晰的解释和更一致的验证。

在企业更积极地将 AI 应用于软件栈的过程中，过去一年中出现了哪些新的漏洞类别？

随着 AI 融入产品和工作流程，我们看到新的漏洞类别以显著的规模出现。在我们的最新《黑客驱动安全报告》中，有效的 AI 漏洞报告增加了 210%，近 80% 的 CISO 现在将 AI 资产纳入安全测试范围。提示注入是最明显的，增加了超过一半，仍然是攻击者影响模型行为的最常见方式之一。我们还看到模型操纵、不安全的输出处理、数据中毒和与训练数据和响应管理相关的弱点的增长。

这些风险尤其具有后果，因为它们不仅影响系统，还影响决策、工作流程和客户信任。AI 引入了传统测试无法完全覆盖的故障路径。随着这些系统部署到生产环境并变得越来越重要，持续的 AI 安全测试将变得越来越重要，成为企业安全计划的核心部分。

我们的方法将 AI 驱动的自动化与人类专业知识相结合，以发现微妙的故障、新的弱点和实际影响 —— 允许防御者以与攻击者的相同速度和规模运作。

随着全球研究人员社区的扩大，您如何在这样一个大规模的众包安全生态系统中保持信任、质量和公平，同时也推进对多样性和包容性的承诺？

信任是众包安全模型的基础，它必须在社区扩大时有意地建立。对于我们来说，这始于明确的标准、一致的激励和强大的治理。

我们的社区由经过审查的安全研究人员组成，他们与客户合作，识别、验证和帮助修复跨各种技术的实际漏洞。

我们通过将平台智能与人类监督相结合来维护质量和公平 —— 验证发现、执行统一的参与规则，并根据影响而不是背景、地理位置或任期来奖励研究人员。声誉系统、透明的分类、以及一致的付款模型在市场的两边都创造了问责制。

我们深深地致力于研究人员的成功。通过入职、培训和明确的成长路径，我们帮助新研究人员建立技能和信誉。在过去的六年中，50 名研究人员在我们的平台上每人赚取了超过 100 万美元 —— 这是工作质量和模型公平性的有力信号。

多样性和包容性不是单独的计划；它们是生态系统的核心。安全挑战是全球性的，多样化的视角会发现不同的攻击路径和盲点。结果是一个值得信赖的、高性能的社区，它随着增长而变得更加强大 —— 而不是变得更加分散。

HackerOne 为确保 AI 辅助漏洞发现保持负责和避免偏见或滥用而采取了哪些保障措施？

在我们的整个平台中，AI 代理都是为了提高清晰度、验证发现和加速修复而设计的 —— 而人类仍然对接受、严重性和响应的决定负责。

我们要求自己达到与客户相同的标准。我们在内部使用自己的 AI 能力，持续在实际工作流程中进行压力测试，并奖励研究人员社区发现我们自己解决方案中的高影响漏洞。这样就创建了一个紧密的反馈循环，以便早期发现偏见、不一致或滥用。

随着 AI 更深入地融入安全运营，我们的目标是建立一个可信赖的标准 —— 以透明度、持续测试和人类责任为基础。

漏洞发现和奖励的 120% 增长表明威胁格局发生了重大变化。您如何看待这一点 —— 是检测方面的进步还是企业软件变得更加冒险的迹象？

这是两者的结合 —— 这就是重点。

增长反映了实际的检测进步。研究人员正在发现更多有价值的弱点，增加的奖励表明企业重视发现和修复实际风险。更多的发现并不一定意味着软件更容易受到攻击 —— 它意味着暴露终于可见了。

同时，企业软件变得更加复杂和相互关联。AI、第三方依赖和更快的发布周期正在扩大攻击面，速度超过了传统控制的设计能力。

结论很简单：风险是动态的，安全也必须是动态的。最有弹性的组织假设暴露是不可避免的，并且专注于修复真正重要的事情。

在接下来的几年中，随着 AI变得更加强大，您认为众包安全平台将面临的最大挑战是什么？

任何安全平台面临的最大挑战是，当速度和规模增加时，保持信号和信任。

随着 AI 降低发现的门槛，平台将看到来自自动化和混合工作流程的发现量的激增。风险不是发现太少 —— 而是噪音淹没客户和不一致的激励机制侵蚀信任。

成功的平台将是那些验证可利用性、优先考虑影响并将奖励与结果对齐的平台 —— 同时保持强大的治理和人类责任。未来不是关于发现更多问题 —— 而是更快地发现正确的问题并将洞察转化为行动，以免业务问题出现。

您是否设想 HackerOne 将扩展到漏洞发现之外的领域，例如持续监控、AI 驱动的修复或预测威胁建模？

我们的重点是解决企业面临的核心问题：在不断变化的环境中理解和包含实际风险。

这自然意味着超越点对点的发现。我们已经在暴露生命周期中运营，从代码和 AI 红队攻击到验证和优先级，并将继续投资于帮助客户更早地看到暴露、更快地理解影响并推动修复到完成的能力。AI 在这种演变中发挥着核心作用 —— 特别是在优先级和工作流程加速方面 —— 但始终以人类责任为中心。我们的北极星是连续的、实用的安全性，能够跟上现代创新步伐。

随着对手越来越多地采用 AI，HackerOne 如何计划保持领先并确保防御工具与对手的进步一样快？

我们通过在真正的攻击出现的地方运营来保持领先。我们的全球研究人员社区已经在测试 AI 启用的技术，并对活跃环境进行了早期可见性，展示了对手实际上如何运作。

我们将这种人类洞察力与 AI 驱动的自动化相结合，以扩大发现、验证、优先级和修复。同样重要的是，我们持续地使用相同的 AI 红队攻击方法来测试自己的平台，给我们带来了早期发现偏见、不一致或滥用的紧密反馈循环。

目标不是预测每一个新攻击 —— 而是建立一个比攻击者学习速度更快的系统。就是这样防御工具才能跟上 AI 驱动的威胁格局的步伐。

感谢您接受这次精彩的采访 —— 感兴趣的读者可以访问 HackerOne 了解更多关于该公司如何利用人类专业知识和 AI 驱动的安全来帮助组织识别和包含实际风险的信息，防止其成为业务问题。