跨国深谈← 返回←从一年到两小时：AI 时代的攻防时钟

从一年到两小时：AI 时代的攻防时钟

关联

人物 Gregor Vand · Alon Schindel

公司 Wiz

概念 智能体 · harness · SAST · 上下文 · 零日时钟 · CI-CD 流水线 · 可复现性 · Mythos

漏洞从被公开到被攻击者利用，中间的缓冲期曾以月计。现在，AI 模型读完一份漏洞报告，几乎立刻就能生成可用的攻击代码。

Alon Schindel 是云安全公司 Wiz 的 AI 与威胁研究副总裁，入行 20 多年。

他在这期 Software Engineering Daily 里和主持人 Gregor Vand 聊了一个反直觉的判断：攻击变快了，但防守方的牌其实更好。

从一年到两小时，发生了什么？

访谈里反复提到一个网站 zerodayclock.com，它追踪漏洞公开到实际被利用的时间：

2021 年是一年，2025 年缩短到一个月，2026 年已经到了 1 天，录制当天主持人发现最新数据是 2 小时。

Alon 举了个例子：MongoDB 的漏洞 MongoBlade 报告公开后，把报告直接发给 Claude，就能拿回完整的攻击代码。

而他刚加入 Wiz 时，Apache HTTP 服务器的一个高危漏洞，从发布到出现攻击代码还花了大约两三天 。

背后的推手是模型能力的跃升。Anthropic 的 Mythos 发布后，Firefox 团队说他们在 2026 年 4 月修复的安全漏洞比之前一整年还多。Opus 4.6、Gemini、GPT-5.5 等模型同样表现出色。

黑客技能被普及了是什么意思

Alon 的说法是，黑客技能被普及了。他小时候自己搭网站、好奇网站怎么被黑，一步步走进安全行业。

他说如果 10 岁的自己手里有今天这样的模型，哪怕不是最强的，也可以直接扫描整个互联网，找出暴露的敏感数据，比如一触发就吐出密钥的函数 。

以前这种大规模扫描需要国家背景的团队、时间和技能。现在一个人在家就能跑。

听起来很吓人，但同一种能力也交到了防守方手里。

Wiz 的做法是造一个红队代理——一个自动化攻击者，像真实黑客一样从外部扫描网页、分析 HTML 和 JavaScript 文件，找暴露面。

这个功能上线后客户采用速度是 Wiz 历史上最快的之一。

他们用这种方式找到了数千个暴露在外的漏洞和敏感信息，比如网页里意外嵌着的 GitHub 令牌，任何人都能拿它登录公司系统 。

为什么说防守方反而占优？

Alon 的核心论点是：上下文是 AI 的关键，而防守方拥有更多上下文 。

Wiz 从客户环境内部扫描，知道哪些资源重要、敏感数据在哪、系统的命脉是什么。

攻击者只能广撒网、暴力扫，闯进来之前不知道什么真正值钱。假设双方用同样的模型，掌握内部信息的防守方会更有效。

就连 GitHub 的历史记录也能用起来——比如某次代码合并时开发者留过一句这块我不太放心，这种线索都能喂给防守方的 AI。

开源维护者成了新的受害者

AI 扫描带来一个没人预料到的副作用：热门开源项目每周收到几十上百份漏洞报告，因为所有人都在用 AI 扫它们。

有个开源项目刚披露一个漏洞，就发现已有 15 家公司或研究者各自提交了同一问题 。

这些维护者很多是业余时间免费做事的人，既没精力做筛选，还常因回复慢被指责。

有些维护者干脆宣布不回应 AI 生成的报告。

Alon 认为，Google、OpenAI、Anthropic 等前沿实验室现在主动帮这些互联网基石项目做安全扫描，是必须做的事——要赶在能力扩散到攻击方之前 。

自动修复：理想很美，现实很难

完全自动化的发现—分析—修复闭环是终极目标，Alon 坦言没人真正做到。Wiz 的思路分几步：

先持续广而浅地扫描攻击面，包括网页资产、GitHub 仓库、CI/CD 流水线；

然后减少暴露——很多问题的根源不是漏洞本身，而是根本不该公开的资源被公开了。

接着轮到绿队代理出场：先追溯漏洞的根源。

把云端暴露的数据和代码仓库打通，找到问题出自哪个文件、哪位负责人，这一步 AI 能帮大忙。

然后规划修复方案，还能写入偏好记忆——比如你要求永远优先打补丁，或者优先改配置而不是动代码 。

难点在修复之后：怎么自动测试新代码、确认改动不影响系统其他部分？有时还得改架构，比如换用加固过的容器镜像。

还有个 AI 自身带来的新麻烦：用编程代理写的代码，加进来一堆依赖库，开发者自己都不知道里面装了什么。

没人维护的热门包，Alon 称之为定时炸弹。

AI 能找到传统工具找不到的漏洞

传统的静态代码分析工具已经存在多年，靠的是语言解析和控制流图，技术上极难。

而现在大语言模型天然擅长理解文本，代码也是文本 。这解锁了一类以前找不到的问题：

复杂的逻辑缺陷、IDOR（不安全的直接对象引用，大意是用户 A 能通过改参数访问用户 B 的数据）、链式漏洞。

Wiz 内部把多智能体分工：先收集线索，再找引用，然后尝试攻击、验证，最后加一个裁判。

他们还有个巧妙技巧——不同模型各有所长，一个卡住了就换 Claude、Gemini 或 GPT 来帮忙，就像不同专长的研究员协作 。

用这套流程，普通前沿模型能做到接近 Mythos 级模型的效果。

模型有个通病：发现什么都标成严重，造成误报。

另外大语言模型有随机性，同一个漏洞可能这次找到下次找不到，这对要卖产品的安全厂商是个难题。

不过人们容忍度在提高——因为 AI 找到的很多问题，是传统工具多年都没发现的。

漏洞末日之后，世界会更安全

今年被一些人称为漏洞末日之年，短期看确实是苦役：安全团队要没完没了地打补丁。

但数据里藏着好消息：zerodayclock.com 显示，已公开漏洞中被实际利用的比例不升反降，2026 年降到 0.25%，而 2021 年是 2.2% 。

Alon 还提醒：找到漏洞不等于能利用。他们用 AI 找到的漏洞，大多数实际上无法利用 。

他的预测是：未来一两年，大多数开源软件都会被扫一遍，大部分问题会被修掉，漏洞总量随之下降。

结论是他的乐观版本——攻击者变快了，但防守者可以变得更快。

本集带走

• 漏洞从公开到被利用的时间，已从 2021 年的一年压缩到 2026 年的约 2 小时，AI 是主要推手。
• 防守方的核心优势是上下文：知道系统里什么最重要，攻击者只能盲扫。
• 开源维护者正被 AI 生成的海量漏洞报告淹没，前沿实验室在主动帮关键项目做安全扫描。
• 用多个各有所长的模型互相协作，普通前沿模型加上好的流程，能接近最强模型的效果。
• 短期是漏洞末日，但漏洞被实际利用的比例在下降——AI 帮防守方找到的问题比帮攻击方的更多。

也就是说,我们在短短五年之内,就从「哦,我们还有一年时间来打补丁」变成了「你现在能有一天就该庆幸了」。
Like we’ve just in what the space of five years gone from, oh, we’ve got a year to potentially patch this to you’re lucky if you’ve got a day now.
—— Gregor Vand · [12:32]

黑客技术被民主化了,对每个人来说发现漏洞都变得容易了。
Hacking is democratized and it is becoming easy for everyone to find vulnerabilities.
—— Alon Schindel · [09:17]

现在,你知道,哪怕只是一个人,待在家里就能运行这种大规模的行动,扫描互联网,找出这些暴露点。
Now, even, you know, a single person just from home can run these large operations, scan the internet, find these exposures and
—— Alon Schindel · [11:07]

只要漏洞报告一公开,你直接把它发给 Claude,就能拿到完整的漏洞利用。
And so just from the report of the vulnerability that was public, you could have just sent it to Claude and get the full exploit back.
—— Alon Schindel · [13:32]

防御者拥有更好的上下文。
The defenders have better context.
—— Alon Schindel · [17:58]

我是说,如果你用编码智能体写代码,很多情况下,你甚至不知道里面有什么。
I mean, if you write your code with a coding agent, in many cases, you don’t even know what’s inside it.
—— Alon Schindel · [32:21]