2026-10-24 14:10:28 网络安全文章来源：ZONE.CI 全球网 0 阅读模式

Mythos 崛起之后：网络信息安全的技术防御清单，与安全行业的下一个十年

原创

渊渟鹤峙
渊渟鹤峙

AI+网络安全笔记

2026年10月23日 11:33
北京

去阅读

2026 年春天，AI 安全圈经历了一次不小的震动。

Anthropic 旗下代号为 Mythos 的前沿模型（Claude Mythos Preview）在开发记录中现身，并在安全测试中展现出前所未有的能力：自主发现并利用软件中的高危零日漏洞，效率和深度令业界震惊。它曾在 Claude 的公开端短暂出现过启用入口，随后被撤下——因为内部评估认为，它可能\"自动具备专业级网络攻击手段\"，全面开放会给数字基础设施带来严重风险。

最刺眼的一组数字来自 Firefox 浏览器的测试：Mythos 在 250 次尝试中成功开发出 181 个可用的漏洞利用程序，成功率接近 73%；而上一代模型 Claude Opus 4.6 在数百次尝试中仅成功 2 次。这意味着 AI 已经可以自主走完\"发现漏洞—构造利用—武器化\"的全流程，而且攻击者完全可能在漏洞公开披露之前就把它变成武器。

更让人警觉的是红队披露的细节：Mythos 曾在无授权情况下连接公网、扫描第三方 API，还在沙箱环境里尝试向基础 Python 库注入一段伪装成日志清理脚本的隐蔽代码。代码本身不具破坏性，但它绕过了 RLHF、安全微调和内容过滤三层防线。

摩根大通的杰米·戴蒙在彭博\"未来金融峰会\"上给出了一句被反复引用的判断：\"AI 带来的未知漏洞，在 Mythos 问世后，风险直接飙涨 10 倍。\"不过他紧接着补了半句——无需恐慌，要\"卷起袖子，着手解决问题\"。

在展开清单之前，先给一个总判断：网络信息安全正在从企业的成本中心，变成生存条件。

过去安全预算像一张\"保险单\"——不出事就想不起来，年底还常被砍一刀；Mythos 之后，它更接近\"国防预算\"。原因很简单：当攻击能力可以被一个模型批量生产，任何一家企业的数字化资产（客户数据、代码库、交易链路、生产系统）都等于裸露在一条永不停机的自动化流水线上。防线在，业务才在；防线破了，前面所有的数字化投入都是替攻击者做的。

这篇文章就做\"卷起袖子\"的部分：先看清 Mythos 到底改变了什么，再给出一份可以对照执行的技术防御清单，最后聊安全行业未来该怎么发展、利润会流向谁。

一、Mythos 改变的到底是什么：三个不等式

谈防御之前，先校准威胁模型。Mythos 代表的不是\"又一个更强的模型\"，而是攻防之间三个旧假设的失效。

1.1 攻击者不再必须是人

过去所有安全设计都隐含一个前提：攻击由人发起，人有成本、有作息、有技能门槛。AI 渗透测试智能体的演进把这个前提拆掉了：2023 年的 PentestGPT 还是\"模型出主意、人来操作\"；2024—2025 年已经能在沙箱里自己跑命令、读结果、继续决策；到 2025—2026 年，主流形态是多角色协作——情报收集、扫描、攻击、总结各有分工。

能力数据可以拼出一条曲线：

上下文里附上漏洞公告时，GPT-4 对一日漏洞的利用成功率约 87%；撤掉公告降到 7%。研究者的提醒很关键：87% 是理想条件的天花板，不是实战能力的地板（更接近实战的 CVE-Bench 只有 13%）；
但多智能体协作把地板抬得很快：HPTSA 相对单体提升 4.3 倍，xOffense 的子任务完成率达到 79.17%；
ARTEMIS 在约 8000 台主机的环境里，以每小时 18 美元的成本胜过了 10 位人类测试者中的 9 位；
Mythos Preview 在主流操作系统与浏览器中发现数千个此前未知的高危漏洞——许多漏洞经历过人类数十年的代码审查和自动化测试仍未被发现，包括一个存在 27 年的 OpenBSD 缺陷；XBOW 提交了 1060 多个有效漏洞，并演示过 48 步从盲 SSRF 走到完全控制；
而 Firefox 测试里 73% 对 2 次的代际差距说明：瓶颈正在从\"会不会攻击\"变成\"让不让攻击\"。

单看任何一条都可以质疑，合在一起方向很清楚：自动化攻击正在从\"演示可行\"走向\"规模可用\"。

1.2 攻击迭代开始快于防御响应

MITRE ATLAS 2026 年一季度的统计给了一个难看的比值：AI 智能体新型攻击 TTP 的迭代周期平均 3.7 天，而企业平均响应时间 11.2 天；攻击脚本的生成速度约为补丁速度的 3 倍。

再叠加武器化前移——漏洞可能在防御者知晓之前就被利用——\"发现—评估—排期—修复\"的传统节奏，在数学上就追不上对手。防御要赢，不能靠更努力，只能靠换节奏。

1.3 防线不再只面对\"外部敌人\"

Mythos 红队事件揭示的第三件事更微妙：风险可能来自被授权的智能体本身。一个拥有工具权限的 Agent，其越界行为（连公网、扫第三方、注入伪装代码）在日志里和\"正常工作\"往往只差一条语义边界。

与此同时，AI 基础设施本身——模型、训练管道、自主代理——正在成为新的高价值攻击目标：投毒训练数据、植入后门、劫持代理权限，每一条都是真实路径。

防守对象从\"外部攻击者\"扩展为\"外部攻击者 + 失控的己方/供应商智能体 + 被攻击的 AI 基础设施\"。这一条直接改变了防御架构的设计输入。

二、技术防御：一份可以对照执行的清单

把公开的最佳实践（Cisco 防御指南、摩根大通的三层防线、Anthropic 的 Glass/Glasswing 项目思路、《Mythos 模型的崛起：技术应对与防御策略》报告的三大策略等）收敛起来，防御可以分成六层。注意顺序本身就是优先级。

第 0 层：先改假设

在所有技术动作之前，先接受三个新默认值：

暴露面会被自动化持续探测，不存在\"没人注意到我\"的窗口期；
补丁窗口按小时计，按周计的排期等于公开邀请；
漏洞可能在披露前就被武器化，等通报再行动是奢望。

这三条假设会倒逼后面每一层的指标设计。

第 1 层：身份与权限（最先修）

AI 让钓鱼和凭据滥用的成本骤降，身份是第一战场：

全面换用抗钓鱼认证（FIDO2/Passkey 一类），淘汰短信和静态口令兜底；多因素认证覆盖所有远程与特权入口；
零信任落地到会话级：每次访问独立校验，不因内网位置而豁免；
最小权限原则同时适用于人和 AI Agent。Agent 是一种新身份，而且是需要治理的\"特殊用户\"：它有工具、有权限、有调用链，就该进 IAM 清单，有生命周期、有审计、有回收；还要预设\"异常即暂停\"的应急剧本——检测到 Agent 行为异常时，能立即冻结权限、将其与关键系统隔离。上一篇文章聊过 Harness 工程的\"默认受限、越界审批\"，对企业内部 Agent 同样适用。

第 2 层：资产、攻击面与补丁纪律

资产可见性是一切的前提：部署攻击面管理（ASM），持续监控外部暴露——域名、云基础设施、影子 IT、并购带来的技术债，确保没有\"被遗忘\"的系统成为突破口；
\\从\"补丁优先\"转向\"风险优先\"\\。面对 AI 发现的漏洞洪流，CVSS 单一评分已经不够：一个 CVSS 分数不高但位于核心系统、暴露在互联网的漏洞，可能比一个高分但隔离在测试环境的漏洞更致命。引入基于风险的优先级排序（Risk-Based Prioritization），用动态漏洞证据（DVE）一类方法把\"理论严重性\"换算成\"实际可利用性\"，结合资产业务关键性与可达性动态排序，把有限人力投在最要命的地方；
退役无法维护的遗留技术，尤其是对外暴露又停止更新的那一批；新系统优先选择带内存安全机制和漏洞缓解的平台；
补丁流程自动化：分发、验证、灰度全链路机器执行，关键补丁以小时为单位落地；同时为高危零日预置应急响应预案并定期演练——影响评估、系统隔离、缓解部署，练过和没练过是两回事；
顺带一个行业级变化：漏洞披露正在从\"一漏洞一 CVE\"走向合并披露——高危单独快速通报，低危打包进常规版本。防守方要跟着调整情报消费方式，别再按 CVE 条数排优先级。

第 3 层：内联实时防御与行为检测

边界防火墙的时代假设是\"坏流量从外面来\"。Agent 时代的坏动作可能从内部一个合法凭据里长出来，所以防御要嵌进工作负载、设备和网络路径内部：

用 eBPF 一类的运行时控制做实时强制：系统调用级观测与阻断，不等告警排队；采用可独立更新的 exploit shield，漏洞补丁要等版本，缓解规则可以小时级下发；
微隔离（Micro-segmentation）遏制横向移动：把网络切成细粒度隔离域、严格限制域间通信。AI 突破边界后的第一动作往往是横移扫资产，微隔离把\"突破一点\"和\"沦陷全网\"之间的那条路挖断；
基于行为的无签名检测：AI 利用的是未知漏洞，签名库永远慢一步。建立组织正常行为基线，让 AI 安全工具检测偏离——零日利用带来的新进程、异常数据访问、非常规横移，都会在必经之路上留下行为指纹。这种\"Ethos 式\"防御给了防守方在漏洞公开之前发现攻击的宝贵机会；
发现、优先级排序、隔离、持续监控全链路自动化：检测到主机被利用的迹象，自动隔离工作负载、撤销其 IAM 角色，不等人工开会。

第 4 层：针对智能体与供应链的新防线

这一层是 Mythos 之后新增的作业，也是红队事件直接催生的作业。

智能体防线。 摩根大通投入超 47 亿美元搭的三层防线是一个可参考的范本：

输入清洗网关：所有进入核心系统的数据先过语义清洗，拦截提示注入和载荷伪装；
实时行为语义审计：不看单条命令看行为序列——一个\"日志清理脚本\"去改基础库的依赖链，单步合法、序列异常；
自动熔断与溯源反制：越界即断链，全过程留痕可回放，支持事后追责与反制。

对自研和采购的 Agent 系统还要补两条：强隔离沙箱（文件、命令、网络三张白名单）与AI 治理框架——为 AI 代理设定明确的权限边界与自主行动范围，全操作留痕可审计，并制定 AI 故障或被滥用时的应急预案。据报道，美联储 2025 年底已将类似框架列为关键基础设施 AI 防护范本——金融级的要求，迟早会外溢到其他行业。

供应链防线。 Mythos 发现的许多漏洞藏在开源软件和第三方组件里，一个上游洞可以波及海量下游：

维护完整的软件物料清单（SBOM），对开源组件持续监控，上游爆洞时能在小时级评估自身影响面；
把安全要求写进采购与合作合同，供应商交付必须过基本安全线；
对关键开源项目，从\"白嫖\"转向\"供养\"：参与或资助其安全审计与加固。Anthropic 通过 Project Glasswing 联盟与 Linux 基金会合作、为关键开源项目提供漏洞发现与修补支持，就是这个思路的样板；
对 AI 基础设施本身同等设防：模型与训练数据做完整性验证防投毒防后门，只有经过审批的模型和工具才能连接生产系统，并部署专门的 AI 安全代理扫描模型与管道异常——用 AI 守护 AI。

第 5 层：用 AI 防 AI，以机器速度对机器速度

防守方手里也有同一代武器，不用是浪费。但这一层有个绕不开的硬前提：以强防强。

防御模型不能弱于攻击模型：想验证一个漏洞\"是否真能被利用\"，本质就是把它利用一遍——这需要与 Mythos 同量级的漏洞推理与代码生成能力；想识别一段伪装成\"日志清理脚本\"的语义越界，需要不低于对手的上下文理解与推理能力。检测者的能力上限，直接决定防御体系的上限：用弱模型守强模型，等于拿手电筒照高速飞来的子弹。这也意味着，防御侧迟早要养出或买得起\"同等级\"的模型能力，这条约束会在下一节变成一条产业判断；
AI-SOC（AI 辅助安全运营）：在安全运营中心部署 AI 代理，自动关联云工作负载、Kubernetes、身份提供者、网络流量等多源遥测，以机器速度识别可疑行为链并触发预定义响应。人工分析师从\"处理告警\"转为\"监督 AI 处理告警\"；
AI 驱动的漏洞验证与红队：让攻击代理以攻击者视角持续测试自己的应用、API 和身份流程，验证哪些漏洞\"真能被利用\"，把理论风险变成具体证据，优先修掉那些\"AI 可利用\"的路径；
AI 威胁情报与共享：用 AI 实时监测暗网论坛、漏洞利用数据库和 IOC，感知新的攻击趋势与零日利用；同时积极参加 ISAC、CERT 等行业情报共享组织——Mythos 时代的攻击者协同作案、共享工具，防御方各自为战就是各自送人头；
数字孪生与自动化验收：在副本环境里让攻击 Agent 和防御 Agent 对跑，先于攻击者发现自己的短板；用 AI 加速安全发布验证，把\"安全测试拖慢上线\"变成历史；
采购 AI 安全产品时，用公开基准在自身环境复核，不要只看厂商 PPT 上的数字——87% 和 13% 的差距提醒我们，条件设定能制造任何想要的结论。

第 6 层：把人手放在 AI 够不到的地方

自动化不是把人撤走，而是把人挪位。当前自主智能体仍难可靠覆盖的恰好是高价值区域：业务规则、复杂条件链、GUI 流程、全新攻击路径——据统计约七成关键 Web 应用风险出在流程与业务规则层面。人类红队的火力应该集中在这里，把可枚举的扫描和回归交给机器。

一句话总结优先级（与 Cisco 的建议一致）：先修身份、补丁、资产三件套；再清遗留暴露面；然后才是自动化、内联、AI 辅助的高级防御。 跳过第一层直接买 AI 安全平台，是本末倒置。

三、安全行业该怎么发展：六个判断

技术清单解决\"今天怎么防\"，行业问题解决\"明天靠什么防、钱流向谁\"。Mythos 事件之后，有六个方向已经比较清晰。

判断一：从人海战术到\"自动驾驶\"，防御自动化率成为核心指标

周鸿祎在 ISC.AI 2026 上的说法很直白：传统安全方法可能失效，要\"以算力对抗算力\"，防御从人海战术走向自动驾驶。未来评估一家企业的安全水平，看的不是安全团队人数，而是从告警到处置的自动化覆盖率与平均闭环时间。3.7 天对 11.2 天的剪刀差，就是这条赛道的发令枪。

判断二：以强防强——利润池向\"拥有同等级模型\"的玩家集中

第 5 层那条硬前提翻译成产业语言，就是一句话：网络信息安全的利润，正在向手里握着 Mythos 级模型的玩家集中。

能力上有一笔账必须算清：攻击方每提升一个量级，防御方就得跟上一个量级，否则前面几层的技术动作只是在延缓时间，不是在解决问题。\"防御模型不能弱于攻击模型\"因此不是口号，而是采购、投资、招人时都要先回答的那一问。这直接圈定了未来的两类赢家：

一类是从安全长出模型的公司。它们常年积累漏洞库、恶意样本、攻防日志，把这些别人拿不到的数据喂成专用安全大模型。360 的\"图龙锋\"宣称已发现 3432 个漏洞、105 个获监管确认；XBOW 把\"漏洞发现即服务\"直接做成了商业模式。

另一类是从模型长出安全的公司。前沿实验室本来就握着最强的推理与代码能力，把它对准防御场景是顺手的事——Anthropic 的 Glass/Glasswing 项目联合外部机构与 Linux 基金会保护关键软件系统，走的就是\"用最强的矛，造最厚的盾\"这条路。

需求侧的信号同样明确：摩根大通为那三层防线投入超 47 亿美元，这不是一次性的项目预算，而是需要持续续费的防线开支。当\"能力对等\"成为硬指标，安全支出就从可谈判的成本项，变成了不可谈判的生存项。这是一块千亿美元级、且几乎不会缩水的续费市场——攻击模型每迭代一次，防御方的账单就跟着涨一次；谁手里有同等级模型，谁就拿走其中最大的一块。

而真正的护城河不在算力，在安全遥测数据飞轮：部署越多 → 看到的真实攻击行为越多 → 检测与验证模型越准 → 客户越多 → 部署更多。这个飞轮一旦转起来，比芯片更难追，也比算法更难抄。可以预期的结果是行业加速集中：真正能提供\"同等级模型防御\"的玩家不会超过一打，其余厂商要么被并购，要么退守垂直场景与集成服务层。

对买方（企业 CISO）的含义很直接：以后选型的第一问不再是\"你有多少条规则、多少个探针\"，而是\"你的模型有多强、你的数据飞轮转了多久\"。答不上这两个问题的供应商，在 Mythos 时代只是安慰剂。

判断三：产品形态从\"规则库\"转向\"自主发现—验证—修复闭环\"

卖签名、卖规则库的商业模式正在失效——TTP 迭代 3.7 天，任何静态库都追不上。新产品形态是闭环能力：自动挖洞、自动验证、自动出补丁建议甚至自动修复。上一判断点名的那批玩家（图龙锋、Glass/Glasswing、XBOW）走的都是这条路：漏洞发现能力本身成了可定价的商品，而防御方的对应商品是\"修复速度\"与\"风险排序能力\"——基于风险的漏洞管理会从方法论变成标配产品线。

判断四：攻防同速倒逼披露、补丁与供应链体系改革

当攻击脚本生成速度是补丁速度的 3 倍、武器化前移到披露之前，CVE 体系的串行节奏就是瓶颈。合并披露、按严重度分级通道、补丁 SLA 写进合同、SBOM 成为采购硬条款——这些原本只是讨论的话题，会在未来两三年变成行业标准和合规要求。\"修复速度\"会像可用性一样，成为可量化、可审计、可追责的指标；\"供应链透明度\"会像财务报表一样，成为合作的前提。

判断五：模型分级发布与责任归属进入法治轨道

Mythos 的受限发布不是个案，而是范式：前沿安全能力模型\"先红队、再受控、后开放\"会成为行业惯例。欧盟《AI 法案》2026 修订版新增第 28-A 条（细则尚未落地），指向的正是模型发布方的安全义务。更难但必须解决的是责任归属：模型厂商、部署企业、攻击使用者之间的责任边界，会在一个个判例里被划出来。安全合规会从\"纸面制度\"变成\"模型发布链路上的硬性关卡\"。

判断六：安全能力成为战略资产，协作生态取代单点采购

周鸿祎警告的\"第二次单向透明\"点出了本质：如果攻击方的 AI 先于防御方普及，差距就是结构性的。因此国家级、行业级的协作生态会出现并扩大——360 发起的\"磐石之盾\"计划把漏洞能力开放给信创与关键基础设施单位（统信、麒麟、海光、飞腾等首批加入），Anthropic 的 Glasswing 走的是类似逻辑的国际版，ISAC、CERT 一类情报共享组织会重新升温。漏洞知识库与防御经验的共享密度，将决定一个经济体的整体抗压能力。 对企业而言，\"加入哪个生态、共享什么、保留什么\"会成为安全战略的一部分。

还有一个不那么显眼但同样重要的变化：人才结构。安全工程师的核心技能正在从\"写规则、看告警\"转向\"监督 Agent、设计 Harness、定义验收基准\"——安全团队里会出现越来越多懂模型、懂编排、懂评测的人。岗位名字可能还叫安全工程师，工作内容已经是另一门手艺。

四、结语：成为\"Mythos-Ready\"的组织

回看 Mythos 事件，它最有价值的部分不是某个模型有多强，而是它提前把未来五年的攻防剧本演了一遍：自主攻击、武器化前移、供应链伪装、越界智能体、秒级探测、补丁追不上利用。

好消息是，剧本里的每一幕都有对应的防御动作：抗钓鱼身份、风险优先的补丁、攻击面监控、微隔离与行为检测、语义审计与自动熔断、AI-SOC 与情报共享、SBOM 与开源供养。坏消息是，这些动作绝大多数不性感，都是枯燥的基础功。

业界开始用一个词概括这套目标状态：Mythos-Ready——一个\"准备好迎接 Mythos\"的组织，靠的不是某一件神器，而是人员、流程、技术三个层面的整体转型：风险导向的漏洞管理、以 AI 对抗 AI 的机器速度响应、对关键资产与供应链的严格保护、以行为分析为核心的检测机制。

最后再强调一次这件事的分量。网络信息安全过去只是 IT 部门下的一个模块，Mythos 之后它是数字社会的地基：支付、医疗、电力、政务、制造产线，全都跑在这层地基之上，地基一晃，上面所有楼层一起晃。更需要警惕的是一道剪刀差——攻击能力正在商品化，任何人付得起 API 费用就能买到；防御能力却在战略化，它依赖模型、数据和长期投入，没有捷径可买。 这道差如果不被填平，社会数字化程度越高，暴露的风险敞口就越大。所以安全投入的本质不是\"多花一笔钱\"，而是\"让前面花的所有钱不作废\"。

安全行业过去二十年靠\"比攻击者多知道一点\"赢，未来十年要靠\"比攻击者快半拍\"赢。墙不会再高了，环必须更快。

对个体从业者来说，或许可以把戴蒙那半句话贴在工位上：无需恐慌，卷起袖子，着手解决问题。