AI 挖出 12.9 万个漏洞，修好的不到 7%：网安人正在被劈成两半

原创

龙哥网络安全
龙哥网络安全

龙哥网络安全

2026年10月22日 11:25
湖南

去阅读

先说一个最近在安全圈反复出现的场景。

一份漏洞报告，两百多页。技术描述准确，PoC 能跑通，修复建议写好了，连优先级评分都附上了。团队几个人围着看，最后卡在同一个问题上：这些洞，先修哪一个？

这份报告不是人写的。

从今年开始，这种“幸福的麻烦”正在变成行业的日常。而它带来的连锁反应，比大多数人想的要深。

先看一组不太好看的数字

Anthropic 牵头的 Project Glasswing，联合了 AWS、苹果、微软、谷歌、英伟达等一批公司做同一件事：用前沿模型去扫真实世界的软件。今年 4 月到 7 月，这批伙伴一共确认了至少 12.9 万个真实存在的漏洞，其中被判为“严重”或“高危”的有 3.37 万个。

更值得看的是它 10 月公布的完整账本：

候选发现 59.6 万 条 → 人工筛过 20.8 万 条（约三成）→ 确认属实 13.5 万 个 → 上报并完成修补 9,333 个。

确认存在的漏洞里，修掉的不到 7%。

Anthropic 在公告里写了一句很实在的话：在 Glasswing 里，他们经常看到“漏洞被发现”和“漏洞被修复”之间隔了好几个月。找洞已经变得很便宜，但核对和修洞，仍然要消耗稀缺的人力工时。

翻译成人话：AI 把“找”做成了白菜价，“修”还是得靠人。

行业的两头，反应完全相反

10 月初，谷歌暂停了开源项目里新产品漏洞报告的现金奖励，原因很直接——大量自动化工具生成的报告把审核队列淹了。英特尔也调整了自家的漏洞赏金规则。安全圈的老规矩是“谁找到洞谁拿钱”，这条规矩正在被重写，因为洞太容易找到了。

另一头，钱开始往修的那一端流。据安全牛 10 月 19 日的行业快讯，一家美国大型银行因为模型报出的漏洞量太大，增聘了上千名外包人员专门做修复。

同一个行业，一边缩减漏洞发现预算，一边扩招修补人手。

这就是我想说的第一件事：AI 没有直接端掉安全岗的饭碗，它把这只碗从中间锯开了。

被锯掉的那一半，是“跑工具、出报告”

扫描器点一下，报告导出来，截图贴进周报，交付完成。这套流程过去能养活一批人，因为“能扫出东西”本身就是稀缺能力。现在不稀缺了。

留下的那一半，是“给漏洞定价”。

举个具体场景。模型给你一份远程代码执行漏洞的 PoC，技术上完美，评分 9.8。但这个服务部署在内网，前面隔了三层防火墙，只对 OA 网段开放，使用者是三十名内部员工。它值不值得今天通宵修？

答案很可能是：先记账，排到下个迭代。

这个判断，模型做不了。它不知道你的网络长什么样，不知道这套系统停一晚要赔多少钱，不知道业务方明天要上线什么。它只知道这个洞在技术上是真的。

所以现在真正吃紧的能力，不是“你能不能挖出来”，而是“你能不能讲清楚为什么先修这个、为什么这个可以先不修”。

AI 交上来的不是结论，是一张待办清单。清单要不要执行、按什么顺序执行，仍然是人的活。

招聘口径已经在改

过去翻安全岗的 JD，关键词是“熟悉渗透测试流程”“掌握常见漏洞原理”。现在越来越多岗位开始写“能评审自动化工具输出”“负责漏洞治理与闭环”“具备风险优先级判断能力”。措辞变了，考的东西也变了。

国内的缺口数字，各家机构口径差得很远，从几十万到两百多万都有人讲，我不替你拍板。但各类报告里有一点是一致的：缺的是能独立判断的实战型的人，不是会点按钮的人。

这对想转行的朋友其实是好消息。

“挖”要靠长年的漏洞库积累和手感，而“判”是可以被训练的，方法也不玄：拿到一个漏洞，逼自己走完四步——能不能复现、影响了谁、落到这套业务上损失有多大、先修还是先记账。一年认真做一百个，你的判断力会超过很多干了五年只会导报告的人。

不在这个行业的人，也该看一眼

那些“发现了但没修”的漏洞，最后都留在你我每天用的系统里。你改不了厂商的修复排期，但有三件小事能做：系统更新别无限期往后拖，装完就忘的旧应用该卸就卸，公共网络下别登网银。

真正的风险从来不是“有没有漏洞”，而是“这个漏洞有没有人管”。

AI 把“知道”变成了批发商品，把“判断”变成了硬通货。

这个行业接下来淘汰的，不会是不会用 AI 的人，而是把 AI 的输出直接当成答案的人。

你所在的团队，收到 AI 生成的漏洞报告之后，是谁在拍板先修哪一个？评论区聊聊，我挑几条典型的展开讲。

（文中数据来自 Anthropic Project Glasswing 公开统计、安全牛 2026 年 10 月行业快讯及公开报道，口径以原发布方为准。）