简介:某头部模型厂商近期公开的测试数据显示,AI流水线一轮完成上千个漏洞复现并产出可运行利用。本文对比AI自主漏洞挖掘流水线与人工加工具化的传统审计,从架构、功能、成本、安全、运维五个维度拆解差异,并给出条件化选型建议与迁移注意事项。
过去十几年,“找漏洞”主要靠两条路径:资深安全专家人工审计,以及静态分析、动态测试、模糊测试、依赖扫描等工具化检测。两条路径的产能和成本相对可预测,主要瓶颈是专家人力有限、工具规则覆盖不全。
近期,某头部模型厂商公开了一组测试数据,描述的是一条AI自主漏洞挖掘流水线,姑且称为方案A。它的工作过程可拆为“侦察→分析→动态验证→利用开发”,由多个智能体分工协作完成,目标是端到端产出可运行的漏洞利用。公开数据显示:
需要说明两点:
对开发团队和安全团队而言,真正要回答的不再是“AI能不能挖洞”,而是下面三个问题:
本文对比的正是这两类方案:
其核心假设是:理解代码语义、判断可利用性、构造并验证利用,这些环节本身可以交给模型完成。典型任务链如下:
多智能体协作的意义在于把不同任务交给不同角色。例如侦察代理负责建立攻击面地图,分析代理深入代码定位缺陷,验证代理在隔离环境执行测试并反馈结果,各代理之间共享上下文。这样长流程就不会被单个模型的上下文窗口限制,也便于并行和失败重试。
从公开数据的产出结构看,能力主要体现在三方面:
这三点都不是“用更长的时间跑同一个扫描器”能直接得到的。
传统审计由一系列成熟的工具化能力组成:
它的优势在公开数据中也有体现。方案A复现的1724个漏洞都是已知真实漏洞,说明这类漏洞有成熟且已被反复验证的利用路径;对这样的目标,确定性工具往往又快又省。
两类方案目标一致,都是在实际攻击发生前,以低于真实攻击的成本发现可被利用的安全缺陷,并推动修复闭环。具体有以下共性:
方案B是典型的“扫描器+规则库”结构:
它的能力边界由规则库和引擎覆盖范围决定,整个过程通常单次执行、结果确定。同一份代码反复扫描,结果一致,便于在流水线上稳定使用。
方案A则是“多代理+工具调用”的长链路结构。不同角色代理各司其职,并通过调用编译、调试、模糊测试等外部工具完成验证。关键差别在于:
侦察代理 ──> 分析代理 ──> 验证代理 ──> 利用开发代理│ │ ▲ │└── 攻击面地图 ─┴── 缺陷假设 ─┴── 执行反馈 ──┘(共享上下文,失败可回退重试)
| 维度 | 方案B:传统审计 | 方案A:AI流水线 |
|---|---|---|
| 缺陷类型 | 规则覆盖的已知模式 | 模式之外的语义类缺陷,如权限校验缺失、业务逻辑绕过、竞态条件 |
| 判定方式 | 匹配即告警 | 推理加动态验证 |
| 产出 | 可疑点清单与风险评分 | 可复现结论,部分含可运行利用 |
| 规模化 | 可批量扫描大量代码库 | 单目标深入,可并行但成本随规模上升 |
| 依赖版本问题 | 核心能力,成熟 | 可作为输入信息使用 |
| 结果可复现性 | 高,同输入同结果 | 较低,需评估稳定性 |
这里最值得关注的是“语义类缺陷”。
未知漏洞的发现能力还需要谨慎解读。能在某桌面浏览器中发现81个未知高危漏洞,说明其分析深度已触及成熟软件的核心逻辑。但这类结果的产出高度依赖:
换个领域、换套技术栈,效果未必平移。较为稳妥的做法是,先在自有代码的历史漏洞上做“回放测试”,用已知答案检验方案A的真实命中率。
方案B以固定成本为主:工具采购或自建、规则维护、专家时间。单次扫描的边际成本很低,适合高频回归。
方案A以边际成本为主,每个任务都消耗可观的推理资源和验证环境资源,其直接成本可在任务开始前估算:
预估成本 ≈ 任务数量 × 单任务平均调用量 × 单次调用价格+ 验证环境算力成本 + 存储成本 + 人工复核成本
按公开数据反推,单轮测试的推理支出约为(1724 + 948 + 81)×1279 ≈ 3518350美元,与公开的总成本约121万美元(按1美元≈7.1元人民币折算)大致吻合。由此可做几点推论:
因此对多数团队,更现实的模型是“小固定成本加可控边际成本”,而不是把全部审计交给AI流水线。
方案B的输出主要是报告,敏感的是源代码本身。方案A则会生成可运行的本地提权利用代码,风险性质随之改变:
合理做法是在隔离的沙箱网络中进行,以最小权限运行;对中间产物和最终结果做分级存储、加密和访问审计;外部模型调用则要先确认数据使用条款。
攻防对称性也在变化。公开的这组数据里,发现未知漏洞的能力与开发利用的能力由同一条流水线完成,攻击者同样可以借助类似能力批量寻找入口。防御方的节奏要相应调整:补丁窗口从“尽快”压缩为“现在”,重点模块需要更短的修复周期和更快的灰度发布能力。
方案B接入成熟,在持续集成流水线中调用命令行工具,按退出码或报告严重级别设置质量门禁即可,单次运行通常在分钟级。
方案A接入需要更多工程配套:
运维关注点也不同。方案B要跟踪规则库更新和误报治理;方案A还要监控调用失败率、平均任务时长、单位产出成本和结果一致性。
至于云上资源,可以借助主流云服务商提供的容器平台、对象存储、日志服务、监控告警和身份认证等通用能力搭建沙箱与调度环境。百度智能云在这类基础设施上有完整的产品体系,但在引入AI流水线之前,仍应自行评估合规边界与成本上限。
# 示意:分层审计策略配置(伪代码)audit_policy:fast_scan: # 每次提交执行,对标方案Bscope: [source, dependencies]trigger: on_committimeout_minutes: 15gate: high_or_criticaldeep_scan: # 每日/每周或合入主干前执行,对标方案Ascope: [core_modules]trigger: [nightly, before_merge_to_main]max_budget_per_task: 50 # 单个任务的调用预算上限concurrency: 2sandbox: isolated_networkrequire_review: true # 结论必须人工复核后才能关闭report:store: encrypted_artifact_storeaccess: security_team_onlyretention_days: 90
| 维度 | 方案B:传统漏洞审计 | 方案A:AI自主漏洞挖掘流水线 |
|---|---|---|
| 技术架构 | 扫描引擎加规则库,单次执行 | 多智能体协作,长链路循环 |
| 能力边界 | 由规则库和引擎覆盖范围决定 | 由模型推理能力和验证环境还原度决定 |
| 擅长领域 | 已知漏洞模式、依赖版本风险、批量扫描 | 语义类缺陷、未知漏洞挖掘、利用可行性验证 |
| 产出形态 | 告警与可疑点清单 | 可复现结论,部分含可运行利用 |
| 结果确定性 | 高 | 较低,需要评估稳定性 |
| 典型耗时 | 分钟级 | 小时级 |
| 成本结构 | 以固定成本为主 | 以边际成本为主,可预估但需设上限 |
| 安全风险 | 主要是源代码泄露 | 还会生成可运行利用代码,需要隔离与审计 |
| 接入难度 | 低,成熟门禁模式 | 中高,需要调度、沙箱与复核流程 |
| 适用阶段 | 日常迭代、合入门禁、上线前检查 | 关键模块深度审计、新版本上线前的攻击面评估 |
| 使用边界 | 逻辑类缺陷和未知漏洞覆盖有限 | 大规模全量深度分析不经济,结论需人工复核 |
场景一:常规业务系统日常迭代。 推荐方案B为主。代码量大、迭代频繁,需要分钟级的快速反馈;漏洞多为注入、越权、组件版本等已知类型,工具覆盖较好。每周或每个版本对核心模块加一轮方案A深度审计,作为补充。
场景二:基础软件、操作系统内核、协议栈、密码库。 建议引入方案A。代码规模大、攻击后果严重、专家稀缺,人工审计难以覆盖。方案A可在隔离环境中持续复现历史漏洞并寻找新路径,产出可直接用于修复决策。即便如此,传统工具仍需承担批量扫描和依赖检查。
场景三:引入大量第三方组件。 方案B中的成分分析与依赖扫描是 efficient 的主路径。已知漏洞有公开编号和修复版本,比对新版本即可处理大多数风险,无须推理。
场景四:合规审计、上线前安全检查。 以方案B为主。此类场景通常要求过程可复现、结果可审计、报告格式规范,确定性工具的输出更符合要求。方案A的结论可作为补充证据。
场景五:应急响应与补丁前置。 两种方式组合。先用传统扫描和依赖比对快速定位受影响范围;同时对受影响的核心模块启动方案A,判断漏洞是否可被实际利用、是否存在变种。这将决定修复优先级和临时缓解措施。
不建议非此即彼。 两者更接近“分层漏斗”:
从方案B扩展到引入方案A,属于能力叠加而非完全替换,需要关注以下几点:
两类方案的差异可以归结为两条主线:
选型时,先依据资产类型、团队能力与合规要求判断优先级,再用分层策略把两者组合起来:传统审计保证日常覆盖与快速反馈,AI流水线在关键区域做深度突破,人工负责复核与修复决策。回到公开数据带来的启示:当攻击方开始以流水线的方式工作时,防御方的竞争力不在于拥有某个工具,而在于能否把“发现—验证—修复—发布”的整个闭环压缩到足够短。