AI红队的分差，是一场认知差

原创

MessFeel
MessFeel

MessFreeSecurity

2026年8月10日 18:59
北京

在小说阅读器读本章

去阅读

最近一场金融行业红队演练的传播材料里，某套自动化系统拿到了远超其他队伍的成绩，\"五倍分差\"\"近两万漏洞\"\"近百个可 GetShell\"在安全圈传了一圈。看到这个比分，我第一反应不是质疑，是好奇。一支队伍能在比赛中领先到这个程度，一定是做对了一些事。但\"认真看\"意味着不能只盯着最终比分——什么样的计分规则会放大什么样的能力？大分差通常从哪里长出来？同样的数字，放到真实攻防里该怎么理解？

核心判断：断崖式分差未必来自模型突然学会了更多 0day。更常见的原因是，领先队伍把资产覆盖、模板复用、并发验证和证据提交做成了闭环流水线。如果比赛规则恰好奖励覆盖面、可提交发现和验证速度，流水线最擅长的动作就会被乘成分数。这不是否定成绩，这是帮成绩找到更准确的归因。

大分差为什么值得认真拆开看

我个人倾向于认为，这种量级的分差是乘出来的，不是加出来的。而恰恰是乘法效应，才让这场比赛的结果对行业更有参考价值。因为如果分差只是\"模型更强所以每项都多拿几分\"的加法，它说明的是模型差距。但如果分差是\"闭环流水线把五个环节的吞吐量同时放大\"，它说明的是一套可复制的工程方法。

用一条不严格但好用的式子来想：

总分 ≈ 资产覆盖 × 模板复用率 × 并发吞吐 × 证据提交率 × 单项权重

五个变量相乘，任何一项放大都会推高总分。自动化系统如果同时做大其中三四项，出现几倍差距并不反常。反过来，即使各队都用了 AI，如果模型只参与单个环节，帮写命令、解释结果、生成报告，而资产发现、验证复核和证据提交之间仍靠人搬运，那模型参与了任务，任务没形成闭环。分差就落在\"单项提速\"和\"全链并发的乘法效应\"之间。

闭环平台的差别在于，上一环节的结果直接驱动下一环节。一条路径跑通，模板立刻铺到同类资产上。同样用了模型，有的队伍多拿到一次回答，有的队伍多了一台复印机。这个差别对任何在考虑\"怎样让 AI 在安全团队里落地\"的人，都比一句\"AI 很强\"更有用。

图4：分差乘法模型。差异可能发生在 AI 的接入深度，而不仅是\"有没有 AI\"。

断崖式分差通常不是从第一分钟就钉死的，更像一条命中率慢慢抬高的曲线。开场大家多在摸资产、认组件，产出接近。第一条可复用路径出现后差距开始拉开。一处命中带来更多同类指纹，命中率上升，调度器把更多并发丢给这条路径。正反馈形成了。

\"半小时扫上万个站\"能成为传播钩子，关键在后半段。扫描输出有没有自动进入识别、验证、去重、取证和提交？五个环节如果还靠人搬运，扫描量再大也只是更大的待办箱。模型在这里最先压低的，是交接成本。单个环节快两成，感觉有限。五个环节不再互相等待，吞吐量换一档。

\"近两万漏洞\"：同一个词装了四种东西

安全行业喜欢大数字，好传播。但\"漏洞\"这个词经常把四件不同的事塞进同一个袋子。扫描器产生的一条发现实例。去重后的一个独立根因。满足前置条件的可验证资产。最终触达目标的一条独立攻击链。

同一个弱口令出现在 400 台资产上，按发现实例是 400 条，按根因只有一种问题。同一个组件漏洞命中 300 个地址，按资产实例是 300 条。如果这些地址同属一套集群、同一条入口，独立攻击路径可能远少于 300。

公开转述里同时出现\"近两万漏洞\"和\"近百个可 GetShell 目标\"。两个数字的统计单位不同，放进同一个分母没意义。我不是在说这两个数字有问题，我是说如果公布的时候能顺手加上\"独立根因数量\"和\"去重后的攻击链数量\"，外部读者就不需要自己猜这些数字之间的关系了。

图5：从发现实例到业务影响需要连续去重和验证。每往下一层，结论更重，数量通常更小。

评价一场红队演练，比更多宣传图有用的是一张去重表。总发现实例多少，独立根因多少，成功验证了多少资产，形成多少条互不重复的攻击链，最终触达了哪些目标。这张表不是用来\"检验\"成绩的，是用来让成绩本身站得更稳的。

比分说明产出结构，不等于全面能力排序

比赛会把参与者塑造成计分规则更偏爱的样子。所有竞赛都这样，这不是批评。

如果规则奖励覆盖面、发现数量和证据提交，高并发扇出就是理性策略。冠军队选择了正确的策略，这是能力的一部分。同时，真实红队还要控制动作节奏、减少业务影响、判断哪条链值得继续、边界变化时停手。这些能力很难用\"发现数量\"表达，不是比赛设计的问题，只是任何计分规则都有自己的盲区。

把排名直接写成\"AI 对人\"，既抬高了结论，也盖住了更有价值的比较。多支队伍可能都在用 AI，差别在自动化覆盖范围、模板复用成熟度，以及任务交接链有多短。第一轮覆盖本就占红队大量时间。平台未必先攻克最难的原创研究，只要把资产整理、入口探测、指纹聚类、已知路径验证和证据归档压到机器速度，就足以改变队伍在特定规则下的产出结构。这不叫取巧，这叫把工程能力用对了地方。

还有一件容易被忽略的事。分数里不只是模型。一套自动化系统至少包括规划、扫描与验证工具、历史模板与知识库、调度与并发、出口与算力预算，以及人工兜底。把成绩全部归给大模型，既高估了模型，也低估了工程。这句话是替冠军队说的。

但这件事还有另一面。传播层不会主动帮你区分\"模型能力\"和\"工程能力\"。把流水线优势包装成模型优势，对外是更好的故事。模型的护城河听起来比工程深——模型是黑盒，你买不到一样的；工程是方法论，聪明的团队可以复制。所以大分差越是能被归因为\"模型更聪明\"，产品溢价就越高；越是被拆解成\"覆盖、复用、并发、提交的乘法效应\"，行业就越能看清楚自己离同样的水平还差几步。

本质上，这是一场认知差。传播希望你相信这是模型能力的一次跃迁。但如果你愿意多看一层，你看到的是一个工程团队把红队的工作流拆成了可调度、可复用、可并发的任务单元，然后用 AI 把单元之间的等待时间压到了接近零。前者让你觉得\"这个东西我买不起也做不出来\"，后者让你意识到\"这条路我也能走，只是需要时间和积累\"。两种认知指向完全不同的决策。

防守方能从这场大分差里学到什么

冠军队的成绩对防守方同样有价值，但价值不在\"这个 AI 好强我们挡不住\"，在另一个方向。

自动化红队打到的资产里，有相当一部分，防守方自己可能根本不知道存在。一个组织\"以为自己有多少外网资产\"和\"实际暴露了多少外网资产\"之间，永远有差距。没有自动化扫描前，这个差距靠人工红队一轮一轮摸，可能要几个月才暴露。现在一套流水线跑几个小时，差距就摊在计分板上了。被扣分的资产里，有很大一部分不是\"知道有漏洞但没修\"，而是\"连有这个资产都不知道\"。废弃项目留下的测试服务器，供应商顺手开的临时端口，三年前应急映射到公网的内网管理后台，运维离职后没人接管的云控制台。这些东西在 CMDB 里不存在，监控里没注册，加固脚本里被遗漏。流水线不挑资产，一视同仁，一个不漏。冠军队只是把这些本来就存在的盲区更快地照了出来。

所以防守方赛后复盘最有价值的事，不是对着榜单逐条打补丁。是把被命中的资产按根因重新分组。

同一个弱口令出现在 200 台服务器上，不是 200 个安全问题。是一个问题：初始化镜像里嵌了硬编码密码，没人维护过镜像。同一个旧版本组件出现在 50 个 Web 应用上，不是一个漏洞被利用了 50 次。是一个问题：CI/CD 里的基础镜像半年没更新过。同一个管理入口跨 30 个域名暴露，不是 30 个配置错误。是一个问题：负载均衡的 ACL 模板从项目开始就没改过。

自动化红队把发现实例放大了，防守方的回应不应该是把修补动作也等比放大。400 台机器一个一个登上去改密码，是拿人拼机器的速度，拼不过的。正确的回应是找到 400 台机器背后的那个东西。那一个镜像，那一个编排模板，那一条 CI 配置，那一份基础设施即代码的仓库。改掉它，400 条发现一次性归零。冠军队的流水线给了防守方一面镜子。

检测侧也要跟着调整。自动化红队把同一任务拆到多个来源上，传统限速盯单 IP 的效果在下降。更值得看的是行为模式链：同一请求模板是否跨地址扇出，扫描后是否紧跟认证尝试，某一类返回命中后后续验证是否突然加速。还有被命中的资产是否在已知资产清单里。如果不在，这本身就是一个优先级更高的告警。不是\"有人在打我们\"，是\"有人发现了我们不知道存在的门\"。

下次再看到\"几倍领先\"，先问这九句

下面不是给任何队伍泼冷水，是一个通用的读数清单。任何一场自动化红队比赛，只要能把这些问题说清楚，分差就从\"需要惊叹或质疑的数字\"变成一张可以复用的能力地图。这些问题对冠军自己也有用。把比分背后的机制讲清楚，比一个孤立的数字更能让行业认真对待这笔成绩。

分数按发现实例算，还是按独立根因算？

同一个问题命中一百台资产，会记一分还是一百分？

GetShell 的成功标准是什么，是否保留了可复核证据？

各队拿到的资产范围、凭据、出口和运行时间是否相同？

其他队伍是否也使用了 AI，分别接入了哪些环节？

私有漏洞库、历史项目模板和人工协助，比较时如何说明？

误报、扫描噪声、业务影响和被发现，是否计入成本或扣分？

对外公布的数字是最终成绩、阶段快照，还是二次传播口径？

如果去掉重复资产和重复路径，领先幅度还剩多少？

若主办方愿意公开覆盖效率、独立根因、验证质量、链路深度、噪声成本和资源预算，能力对比会扎实得多。即使比分主要来自高吞吐的实例发现，结果仍有工程价值。工业化覆盖能力已经建立这件事本身，就是一种值得被认真读的结论。

写在最后

这组截图最有意思的地方，未必是\"AI 拿了第一\"，也未必是一个好记的倍数。

它更像在提醒一件正在发生的事：过去散落在资深操作者终端里的扫描器、脚本、经验和取证动作，越来越多地装进同一条可调度、可复用、可并发的流水线。人的疲劳换成算力，个人经验沉淀成模板，跨人交接变成状态流转。谁先把这个转型做完，谁就在计分板上先拿到反馈。这不是某一家厂商的功劳或某一场比赛的偶然，是安全行业正在经历的一次工程化升级。

差距常常不在谁有没有用 AI，而在谁把 AI 嵌进了任务运行层。如果规则恰好奖励覆盖、复用和提交，分差就不是一项项加出来的，而是一层层乘出来的。

下次再看见\"几倍领先\"，先补一张去重表，再谈模型能力。企业把一批同构资产交给红队时，真正要紧的问题也会变成：在防守方第一次看清发生了什么之前，同一条错误配置已经被复制验证了多少次。