AI时代网络安全防御：从堵漏洞到管路径

今年七月，开源社区和安全行业同时发生了两件事。一件是 Linux 内核一口气修了 432 个漏洞。另一件是 Hugging Face 平台被 OpenAI 的模型 GPT-5.6 打穿。在OpenAI一次内部测试中，模型自己越狱，自己找漏洞，自己横向移动，偷走了数据库凭证。

其实更早的迹象在今年3月就出现了。美国 Anthropic 的 Claude 系列模型在零日漏洞挖掘和自动化网络入侵测试中表现出一连串让人不安的能力。从泄露、正式发布，到被美国政府以出口管制为由强行下架，前后不过几个月。

单独看，都是新闻。放在一起，它们说明了一件事：AI 不仅能找漏洞，它已经开始自己利用漏洞了。攻击性 AI 正在把网络攻击从手工作坊推进到工业化时代，而防御那一边的假设，还停在过去。

金融企业，尤其是基础设施类企业，因其数据价值高，会首当其冲成为重要攻击目标。今天，就来聊聊AI时代金融企业面临的新型网络安全问题，并探讨一下应对之道和落地措施。

攻防态势

为什么传统防御会失效？因为攻防两端出现了三重不对称，而且不是暂时性的差距，是结构性的。

速度不对称。 几年前，攻击者从打入外网到触及核心数据的平均时间是小时级，而有了大模型的加持，时间缩短到分钟级。而防御这边，你看到告警，提工单，等审批，执行阻断，整个链条走完动不动就要几十分钟甚至更长。

成本不对称。 过去一个高质量的零日漏洞在黑市上能卖到几十万甚至上百万。现在，AI 辅助挖掘漏洞的单次成本可以低到几十美元，甚至更低。用小得多的垂直模型，成本还能再降。攻击方的成本曲线在垂直下坠，防御方为复杂业务环境付的测试、验证、部署代价依然高企。经济账算不过来。

修复不对称。 这才是最根本的一个。发现漏洞是一个智能问题：你可以让一套 AI 扫全部代码，并行，高速。修复漏洞是一个环境问题：同一个漏洞，在不同机器、不同配置、不同业务耦合里，各有各的约束。对交易系统来说，补丁只能在周末凌晨的几小时维护窗口灰度上线。你可以同时发现 400 个漏洞，但你不可能在一个周末修完 400 个漏洞。所以永远会有一批系统带着已知漏洞在线上跑。

所以，那种“守住边界，及时打补丁”的经典防御剧本已经演不下去了。我们必须接受一个前提：部分系统将长期带着未修补的漏洞运行，而且攻击者很可能已经突破了外围。

应对之道

那么怎么办？通过和安全业内公司的充分交流，总结得出了四条应对原则：

第一条：防得住优先于追得上。 既然在速度上永远追不上攻击者，就不必在每一回合都去争那个“追上”。不如把资源押在保证核心系统不被突破、核心功能不被颠覆上。即使围墙已经被翻越，交易、结算这些关键能力依然要能正常运转，数据依然要能保全。

第二条：管路径替代堵漏洞。 漏洞发现的速度已经系统性超过修补的速度，“发现一个补一个”这条路走不通。与其把有限的人全都耗在堵漏洞上，不如去管攻击者必经的路径。对已知威胁，依靠 AI 加速检测和阻断，把小时级响应压到分钟级，跑赢漏洞被实际利用的窗口。对未知威胁，用零信任、微隔离和蜜罐增加渗透成本，把攻击者的每一步横向移动都变得艰难且容易被暴露。一快一慢两种节奏，形成“以快制快、以慢制慢”的双层防御。

第三条：立足“必然失陷”，重构纵深。 这个假设要彻底翻转：不要再问“怎么防止被攻破”，而是问“攻破之后怎么发现和遏制”。把防御的重心从边界挪到内网核心。通过行为分析找偏离正常的异常活动，大规模部署蜜罐和假数据，把关键系统做最极端的隔离。目标要明确：让攻击者进得来，但走不远，藏不住。

第四条：自主可控与受控开放并重。 先进 AI 能力存在随时被外部断供的风险。所以，必须把安全能力的底座建在国产算力和开源模型上。核心代码、系统架构、漏洞细节和运行日志这些信息，绝不能暴露给外模型。同时，对先进 AI 能力采取“受控开放”的态度，而不是关门不用，也不是毫无设防地拿来就用。

落地措施

把上面4条原则落地，大致可以拧成四条工作主线，它们的中心思想都一样：以攻击路径为线索重新组织防御资源。

主线一，用 AI 管漏洞。 就像linux用AI挖漏洞一样，建自己的软件生产线安全门禁、漏洞运营流水线和内部 AI 红队，“用 AI 挖自己的漏洞”。同时，通过软件物料清单和漏洞可达性分析，过滤掉那些理论上有但实际利用不了的漏洞，只对真正能被利用的那一小部分做精准修复。把“全量修补不可能”的困局，变成“只修最要命的那部分”。

主线二，收缩攻击面。 把对外暴露面和内网的可达路径画出图来。以核心业务为靶标反推攻击路径，强制推进零信任和微隔离。哪台机器和哪台机器之间不需要通信，就绝不开放。这样即使一脚被踩进来，横向移动的空间也被压到最小。

主线三，AI 驱动检测和响应。 用 AI 生成检测规则，持续做攻防模拟验证，动态编排响应剧本。把人的决策从实时链路里移开，实现分钟级的机器对机器对抗。这才能适配 攻击方的速度，用魔法打败魔法。

主线四，假设突防，主动诱捕。 从“以黑名单鉴黑”转向“以正常行为鉴白”。内部广布蜜罐和诱饵数据，故意留一些看起来像核心资产的目标，攻击者一碰就报警。让攻入内网的人，每一步都可能踩中陷阱。

这四条主线应该形成一个闭环：漏洞管理识别弱点，攻击面管理把弱点暴露面缩小，检测规则针对剩余路径优化，诱捕体系再反哺攻击情报。一套能自愈的防御生态就出来了。

结语

攻击性 AI 的出现，把网络安全推进到了“机器对机器”的实时对抗阶段。对金融基础设施而言，这是挑战，也是倒逼范式升级的机会。

眼下要做的，是接受漏洞永远补不完，把防御从边缘推到核心，从补洞转向管路径。这就是现阶段，我们唯一能赌的防御逻辑。

点击关注，共同进步

查看原文 →