← 返回列表

AI驱动下"0day武器平民化"对网络安全防御的不可逆影响分析

聚合站 SecWiki技术 作者 马甲三号 发布 2026年7月5日 00:11 入库 2026-11-18T02:01:28

调研报告:AI驱动下"0day武器平民化"对网络安全防御的不可逆影响分析

一、调研背景与论证框架

1.1 调研背景:防御实践中的五个结构性信号

本报告的出发点是基于防御实践中观察到的五个可量化信号,它们共同指向同一判断——攻防失衡正在加剧,且趋于不可逆。

信号一:国家级进攻性AI能力已就位但不透明。Anthropic的Project Glasswing虽以"防御联盟"定位,但其12个合作方中包括美国国防部、CrowdStrike、Palo Alto等同时具备进攻能力的主体。据防御一线观察,NSA内部红队已开始使用Mythos模型进行内部系统红队测试,红队本质是进攻能力演练,可平移至国家级网络进攻。美国国防部与Anthropic的国防预算合同、要求放开模型限制等公开信息,进一步表明进攻性AI能力已脱离实验室阶段。商业防御AI产品有公开benchmark,而国家级进攻AI能力处于不透明状态。

信号二:漏洞产出增速出现断崖式加速。Linux内核项目2024年发布3,529个CVE,是此前的10倍。2026年4月29日至5月13日的15天内,连续披露4个Linux root提权漏洞(Copy Fail/Dirty Frag/DirtyDecrypt/Fragnesia),间隔从"年"压缩到"天"。这种爆发速度超出了人脑+传统工具的产能上限,提示存在新的发现变量(第五章论证)。

信号三:多agent进攻协同成为工程趋势。Microsoft MDASH已证实"100+专门AI agent协同"在防御侧达到CyberGym 88.45%得分,同构的进攻性多agent对等物只是时间问题。多agent编排模式(orchestrator-worker/pipeline/debate/hierarchical)已成为通用工程实践,进攻性应用是技术外溢的必然。

信号四:攻防不对称的结构性根源未解。进攻只需突破单点,防御需要面面俱到。IBM商业价值研究院数据显示,企业平均部署来自29家供应商的83种安全方案;Microsoft/Omdia《State of the SOC》显示分析师平均需在10.9个控制台间切换,仅59%的工具向SIEM推送数据。安全产品数据湖拉通困难,AI辅助分析的效果受制于数据打通这一前置工程。

信号五:防御方反应速度接近跟不上。M-Trends 2026显示time-to-exploit均值为-7天(利用先于补丁发布);Project Glasswing首月发现1万+高危漏洞,已披露1,596个中仅97个被修复(6%修复率);CISA KEV目录Linux kernel条目持续增加。

1.2 核心命题

在上述背景下,本报告论证:对同一系统目标的单次破门而言,攻击者持有的0day数量并非核心约束——破门通常只需1-2个"好用"0day(数量多少只是类比,不构成本质变量)。真正的质变在于AI让"好用漏洞的发现能力"从稀缺变充沛,导致0day平民化,叠加防御方数据湖天堑,对防御产生不可逆冲击。

1.3 论证主线

背景:攻防失衡加剧的五个结构性信号→ 前提:好用漏洞由自身特性决定(与数量无关)→ 推论1:单次破门场景下,数量并非攻击者核心约束→ 推论2:攻击者真正瓶颈在"发现能力"→ 现状:人脑在发现能力上有结构性瓶颈,好用0day长期稀缺→ 变量:AI作为"尺子"+多agent协同,把发现能力从稀缺变充沛→ 结果:0day平民化(四层证据)→ 影响:防御困境的结构性放大因素(数据湖天堑)+ 补丁中心模型不可逆失效关键结论预告:0day平民化的本质不是"攻击者持有更多0day",而是"普通安服人员在AI加持下可达到红队资深专家水平"。叠加防御方数据湖天堑,攻防失衡正从"战术差距"演变为"结构性鸿沟"。

二、前提:好用漏洞由自身特性决定

2.1 "好用"的六个固有特性

一个0day的"好用程度"由漏洞自身特性决定其上限,与持有数量无关:

特性

含义

好/差对比

可达性

是否面向互联网、是否需认证、是否零点击

零点击 > 需交互 > 物理接触

可靠性

触发成功率

逻辑漏洞近100% > 堆损坏常<50%

绕过缓解

能否绕过ASLR/DEP/CFI/SMEP

全绕过 > 部分绕过 > 受限

作用域

危害等级

RCE > 提权 > 信息泄露 > DoS

隐蔽性

是否留痕、是否易被EDR捕获

无痕 > 低噪 > 高噪

链化潜力

能否作为攻击链节点

首节点/链中节点 > 孤立漏洞

2.2 "好用"的相对性

需补充一个实战维度:好用程度的上限由漏洞自身特性决定,但实际发挥取决于目标环境匹配度。一个零点击RCE 0day,若目标未开启该服务,则无价值。AI发现的100个"纸面上限优秀"漏洞中,匹配具体目标环境的可能只有少数。后续论证中"1个好0day胜过100个平庸0day"应理解为"在匹配目标前提下"。

2.3 全版本通杀与版本受限的价值差异

0day黑市单价的根本差异不在于"数量稀缺",而在于适用范围与利用场景:

维度

全版本通杀型

版本受限型

定义

影响目标所有版本,无版本条件

仅影响特定版本范围

利用稳定性

高(目标版本无关)

低(需目标版本匹配)

持久性

长(补丁前长期可用)

短(目标升级即失效)

黑市单价

Operation Zero移动端全链2,000万美元/个

普通Web逻辑0day数万美元

典型案例

Pegasus iOS全版本链

单版本Web RCE

Operation Zero的2,000万美元定价反映的是"移动端全版本通杀+全链+可靠绕过缓解"的复合价值,而非单纯的"好用程度"。一个版本受限的0day即使自身特性优秀,因适用范围窄,实战价值与单价均大幅低于全版本通杀型。

2.4 由此导出的核心判断

既然好用程度由漏洞自身特性决定、与持有数量无关,那么攻击者的核心约束不在"能囤多少0day",而在"能不能稳定发现好用的0day"。

三、推论1:单次破门场景下,数量并非攻击者核心约束

3.1 命题的精确限定

需先明确:"数量非核心约束"这一命题,仅对"同一目标的单次破门"成立。对"同一目标的持续控制"和"链路多样性",较多数量有实质意义。本节聚焦单次破门场景。

3.2 单次破门0day攻击链实证

涉及0day的现实攻击链实证数据:

攻击案例

0day数量

链路分解

来源

Triangulation(iMessage零点击)

4个

初始触达+内存破坏+提权+内核逃逸

Kaspersky 2023

Pegasus早期iOS链

3个

投递+内核提权+持久化

Citizen Lab

典型Web应用RCE

1个

单点破门即初始访问

GTIG 2026-05

2FA绕过(AI生成)

1个

逻辑漏洞单点突破

GTIG 2026-05-11

Copy Fail(CVE-2026-31431)

1个

单个内核提权0day即可从普通用户到root

CERT-EU 2026-005

结论:完成"初始访问→提权→持久化"完整链路通常需1-4个0day。对单次破门,少量好0day已足够组链,持有更多不会让破门更"深"。

3.3 IoT/边缘设备n-day批量利用(补充场景)

需区分的是,安全设备与IoT节点的规模化接管主要依赖n-day批量利用而非0day。CISA AA26-113A(2026年4月23日,12国9机构联合发布)披露:

•Volt Typhoon运营KV Botnet针对Cisco/NetGear路由器(主要利用已公开漏洞);

•Flax Typhoon运营Raptor Train僵尸网络,4年内感染26万台路由器/IP摄像头/NAS设备,峰值并发6万台(Lumen Black Lotus Labs 2024-09)。

这类n-day批量利用证明的是"漏洞存量 exploitation"的规模可达数十万台设备,与"0day持有数量"是不同维度。但它们同样表明:在边缘设备维度,少量漏洞(无论0day/n-day)即可实现规模化破门。

3.4 数量边际效用递减(单次破门场景)

•第1个好0day:决定性,破门。价值最大。

•第2-3个:组链(提权/持久化)。价值较高。

•第4个及以后:冗余备选路径。价值递减。

•超过10个:仅作"曝光预算"消耗品。价值极低。

3.5 数量何时才有意义

数量差异在以下场景才转化为实际优势,且均超出"单次破门"限定:

•持续控制:攻击者破门后被防御方驱逐,"再入侵"需要新0day。这是APT维持储备的真实逻辑。

•链路多样性:较多0day能组多条不同特征链(快速噪链 vs 隐蔽慢链 vs 供应链链),针对不同防御态势切换。一旦某链路特征被检测规则命中,攻击者仍保有其他路径。

•多目标并行/供应链扩散:本质是多目标,不在"同一目标"命题内。

命题边界:在"同一目标的单次破门"前提下,数量非核心约束。放宽到"持续控制"或"防御规避",数量有实质意义。

四、推论2与现状:瓶颈在发现能力,而人脑有结构性短板

4.1 瓶颈的转移

既然单次破门数量非核心变量(第三章)、好用程度由漏洞自身决定(第二章),攻击者的核心约束唯一收敛到:能不能稳定发现好用的0day。

4.2 人脑在发现能力上的结构性短板

人脑在漏洞挖掘上的瓶颈不在逻辑能力,而在"扫描"维度:

能力维度

人脑表现

瓶颈性质

判断一个漏洞是否好用

优秀(经验直觉)

无瓶颈

理解代码语义与数据流

优秀(但慢)

速度瓶颈

在百万行代码中穷举候选

极差

认知带宽瓶颈

跨函数/跨模块关联推理

弱(工作记忆4-7项)

工作记忆瓶颈

长时间高强度专注

弱(疲劳衰减)

生理瓶颈

人脑是优秀的判断器,但是糟糕的扫描器。真正的瓶颈不是"能不能理解漏洞",而是"能不能在合理时间内定位到候选漏洞"。

4.3 人脑瓶颈的实证:漏洞增速加速

Linux内核提权漏洞的披露节奏出现断崖式加速:

时间

漏洞

间隔

2016-10

Dirty COW (CVE-2016-5195)

—

2022-03

Dirty Pipe (CVE-2022-0847)

5.5年

2024-01

Flipping Pages (CVE-2024-1086)

1.3年

2025-04

Attack of the Vsock (CVE-2025-21756)

1年

2026-04-27

Pack2TheRoot (CVE-2026-41651)

1年

2026-04-29

Copy Fail (CVE-2026-31431)

2天2026-05-07

Dirty Frag (CVE-2026-43284)

8天2026-05-09

DirtyDecrypt (CVE-2026-31635)

2天2026-05-13

Fragnesia (CVE-2026-46300)

4天

15天内4个root提权漏洞,间隔从"年"压缩到"天"。Linux内核2024年发布3,529个CVE,为此前的10倍。Copy Fail潜伏9年、732字节PoC、99%可靠性、通杀2017-2026几乎所有主流发行版。

这种爆发速度超出了人脑+传统工具的产能上限——传统人工逆向+模糊测试存在"幸存者偏差",研究员聚焦热门软件新版本,老旧系统/废弃组件/企业自研代码成为安全死角。FFmpeg的21个0day潜伏15-23年、Mythos发现的27年老漏洞、FreeBSD 17年RCE——漏洞一直存在,人脑+传统工具覆盖率严重不足。这一现象提示存在新的发现变量(第五章论证AI作为该变量的机理)。

4.4 瓶颈的经济学后果

人脑瓶颈导致好用0day长期稀缺:

• 资深研究员年均发现3-5个高危漏洞(NCSC 2026引用);

• 全版本通杀型0day黑市价200万-2,000万美元;

• 国家级行为体才能维持10-30个库存;

• 普通攻击者只能用n-day或捡漏。

这是0day平民化前的世界:好用0day被少数天才研究员和国家级行为体垄断,普通攻击者触不可及。攻击者数量的"长尾"被自然抑制。

五、变量:AI作为"尺子"带来发现能力质变

5.1 "尺子"比喻的精确含义

AI不是替代人脑的判断力,而是把人脑的判断标准外化为可大规模执行的函数:

• 人脑判断"这段数据流是否可控" → AI对全代码库做污点分析;

• 人脑判断"这个边界条件是否可绕过" → AI枚举所有边界路径;

• 人脑判断"这两个低危漏洞能否串成链" → AI跨函数/跨模块推理关联。

判断标准未变,执行带宽跃迁——尺子的刻度来自人脑经验,但尺子能量出人眼数不过来的刻度。扫描能力从"人月"级跃升到"机器小时"级。

5.2 跃迁的实证数据

模型/系统

能力指标

来源

Claude Mythos vs Opus 4.6

Firefox 147 exploit开发 181 vs 2(90倍)

Anthropic 2026-04

Claude Opus 4.6自主挖掘

14天发现22个Firefox 0day(内存损坏/UAF/类型混淆)

Hacker News 2026-02-24

Mythos CyberGym基准

83.1%成功率(接近顶级人类研究员)

Anthropic System Card

Microsoft MDASH

CyberGym 88.45%(业界第一),100+专门agent协同

Microsoft 2026-05-12

Project Glasswing首月

1万+高危,1,596已披露,仅97修复(6%)

CSA 2026-05-24

Depthfirst/FFmpeg

发现个,单均47

CSA 2026-06-09

Big Sleep/SQLite

首个AI发现的主流开源项目0day

Google 2024-2025

GPT-5.5 CursorBench

72.8%,跨47文件上下文保持连贯

OpenAI 2026-05

5.3 关键跃迁:从"天才垄断"到"商品化可获得"

Depthfirst案例最具代表性:一家初创公司用商业现成Claude模型(非Mythos受限前沿模型)在FFmpeg中发现21个0day,单均成本$47。发现好用0day不再需要国家实验室资源、顶级天才研究员、数月人力投入,只需一台能调用商业API的机器和数百美元算力。发现能力从"少数天才的工艺"变成"普通从业者的工具"。

5.4 多agent协同:攻击工程化成本同步下降

单点发现能力下沉之外,多agent协同正在降低端到端攻击成本:

• Microsoft MDASH已证实"100+专门AI agent协同"在防御侧可行;进攻性多agent协同的工程基础已具备,但实战化程度取决于对抗环境下的可靠性验证(进攻侧面临OPSEC、检测规避等不同约束);

• 多agent编排模式(orchestrator-worker/pipeline/debate/hierarchical)已成通用工程实践,进攻性应用是技术外溢必然;

• AI协同远比人类协同敏捷——侦察agent、利用agent、横向agent、持久化agent可并行工作,人类团队需数日的协同动作,agent集群可在分钟级完成。

端到端攻击成本(不只发现成本)也在平民化。

5.5 AI填补的恰好是"好用漏洞"高发区

GTIG 2026-05报告的关键发现:AI生成0day针对的是高层语义逻辑漏洞(faulty trust assumption),而非传统fuzzing擅长的内存损坏。

漏洞类型

传统工具

AI

"好用"程度

内存损坏(堆栈溢出)

强(fuzzing)

中

中(受缓解限制)

逻辑漏洞/信任边界

弱(盲区)

强

高(可靠、绕过容易)

状态机漏洞

弱

强

高

输入校验绕过

中

强

高(如2FA绕过)

AI填补的恰是传统工具的结构性盲区,而这些盲区正是"好用漏洞"高发区。AI不是与人脑抢内存损坏漏洞的饭碗,而是开垦人脑+传统工具覆盖不到的处女地——好用0day的"可发现池"被大幅扩容。

NCSC报告提到Mythos在Linux内核中发现由7个"看似无关"低危漏洞组成的攻击链,从普通用户权限直达root。这种跨漏洞链化推理是人脑几乎无法在合理时间内完成的——单个漏洞平庸,但链化后等效于一个好0day。

5.6 能力对等:安服人员达到资深专家水平

平民化有两条路径:AI自主能力平民化,以及人机协同下安服人员能力跃迁。本节聚焦后者,即用户定义的平民化核心——普通安服人员在有思路的前提下,借助AI大模型可基本实现红队资深专家水平。

5.6.1 AI自主能力已达专家水平(平民化的技术基础)

维度

AI自主表现

来源

0day发现

14天22个Firefox 0day(内存损坏/UAF/类型混淆)

Claude Opus 4.6

exploit开发

Firefox 147开发181个exploit vs Opus 4.6的2个

Mythos

攻击链推理

7个"看似无关"低危漏洞组链直达root

Mythos/NCSC

单均成本

$47/个0day

Depthfirst

5.6.2 人机协同:安服人员+AI=专家(平民化的实证)

案例

协同模式

效果

来源

新加坡GovTech CSG

多agent框架+人类pentester

Claude-Sonnet-4.6在44容器达95.5%成功率,AI处理Level 1/2漏洞,人类聚焦Level 3

GovTech 2026-04-21

gethacked.ca(加拿大渗透公司)

GPT-4o-pentest+人工测试

AI分析870个API请求发现JWT上下文绕过,预测96%成功率,生成3个定制payload,发现人工遗漏的critical漏洞

gethacked.ca 2026-02-21

Kali Linux官方集成Claude MCP

自然语言驱动Kali工具链

安服人员用自然语言驱动nmap/sqlmap/hydra/metasploit,无需手输命令

kali.org 2026-02-25

Hacking Articles实战

Claude+Kali MCP端到端

自然语言驱动完成SQL注入→Samba提权→哈希破解→WordPress接管→Windows Server 2019域控接管

Hacking Articles 2026-06-13

not2clever.me实战

Claude+Kali MCP AD域接管

密码喷洒/Kerberoasting/Silver/Golden Ticket/ADCS/横向移动,全程不手输终端命令

not2clever.me 2026

Red Team Guide

junior+AI模式识别

AI帮junior捕捉冷门端口、子域名规律、版本-CVE映射,获得senior经验判断

Red Team Guide 2026-03

CSDN安服实证

安服新手+AI工具开发

10分钟完成新手3天脚本工作量,bug更少、功能更完善

CSDN 2026-04

5.6.3 人机协同平民化的机理

新加坡GovTech案例最具代表性:政府网络安全组用Claude-Sonnet-4.6构建多agent渗透框架,AI处理Level 1/2(SQL注入、XSS、XXE、IDOR、开放重定向)漏洞,人类pentester聚焦Level 3(需上下文理解的复杂漏洞)。这是"安服团队+AI"在政府实战环境中的实证——AI承担了原本需要资深专家完成的常规漏洞发现工作。

gethacked.ca案例进一步证实:AI在真实client engagement中发现了人工测试遗漏的API认证绕过(JWT上下文bypass),AI预测96%成功率并生成3个定制payload。这是"安服人员+AI"在商业实战中达到超专家效果的实证。

Kali Linux官方原生集成Claude MCP(2026-02-25)标志着工具链层面的平民化——普通安服人员用自然语言即可驱动完整Kali工具链,无需记忆命令参数。Hacking Articles和not2clever.me的实战记录表明,Claude+Kali MCP可全程自然语言驱动完成从侦察到Windows域控接管的完整攻击链。

平民化的精确含义:普通安服人员在有思路的前提下,借助AI大模型可基本实现红队资深专家水平。这是攻击和武器门槛的结构性降低。AI自主能力平民化(5.6.1)是技术基础,人机协同平民化(5.6.2)是实际发生形态。

六、结果:0day平民化的四层证据

6.1 第一层(广义证据):漏洞产出增速加速

这是平民化最早、最广的证据。第四章已证:Linux提权漏洞间隔从"年"压缩到"天",2024年内核CVE 10倍增长。这种爆发速度只有在"发现能力广泛扩散"前提下才可能发生——漏洞增速本身就是平民化的宏观信号,比单个攻击者使用案例更早、更广。

数据解读边界:漏洞增速加速包含n-day发现和0day发现的混合,不全部是AI产出。但AI遍历优势是加速主因,有Linux内核CVE 10倍增长和15天4个root提权的时间相关性支撑。

6.2 第二层:攻击者已在用 + 供应链投毒规模化

6.2.1 AI生成0day被攻击者使用

•GTIG 2026-05-11:首次确认AI生成0day被攻击者使用(Python脚本绕过开源Web管理工具2FA),脚本带"教学docstring""幻觉的CVSS评分"等LLM指纹;

•APT化:APT27、APT45、UNC2814、UNC5673、UNC6201等被GTIG确认使用AI做漏洞发现和利用开发;

•俄罗斯"Overload"行动:AI语音克隆+诱饵代码混淆CANFAIL/LONGSTREAM恶意软件。

6.2.2 涉及0day的供应链攻击(直接支撑0day平民化)

年份

案例

攻击组织

0day利用

影响规模

来源

2020

SolarWinds

APT29(俄SVR)

构建系统0day+Orion更新包SUNBURST后门

18,000客户下载后门,9个美联邦机构+约100公司深入渗透

dfs.ny.gov 2021

2021-07

Kaseya VSA

REvil

VSA 0day+恶意更新

约60 MSP直接受害,800-1,500家企业,赎金$70M

ODNI 2021

2023-05

MOVEit (CVE-2023-34362)

Cl0P(俄)

SQL注入0day+LEMURLOOT webshell

2,773个组织,95M+个人数据泄露,Cl0P获利约$100M

Emsisoft 2023

6.2.3 非零day供应链投毒(攻击门槛整体降低的旁证)

以下案例不涉及0day,但反映AI时代攻击门槛整体降低、防御审计滞后的趋势,与0day平民化共享"门槛降低"机理,作为平民化的相关旁证:

年份

案例

攻击组织

投毒载体

影响规模

来源

2021

CodeCov

未归因

篡改bash uploader窃取CI/CD凭证

约29,000客户潜在受影响,潜伏2个月

SecurityWeek

2023-03

3CX

Lazarus(朝鲜)

木马化3CXDesktopApp DLL侧加载

600,000+企业客户,12M+日活用户,242,519个公网暴露系统

CISA 2023-03-30

2024-03

XZ Utils (CVE-2024-3094)

Jia Tan(疑国家级)

M4宏注入后门劫持sshd,CVSS 10.0

Fedora/Debian/Alpine/Kali/openSUSE/Arch受影响

JFrog 2024

2025-09

Shai-Hulud npm蠕虫

未归因

自复制registry-native蠕虫劫持GitHub PAT

Wave1 500+包,Wave2约800包,约25,000个GitHub仓库暴露

CISA 2025-09-23

2025-09

chalk/debug NPM劫持

疑朝鲜

钓鱼2FA重置

18个NPM包,周下载26亿次(NPM史上最大规模)

TheRegister 2025-09-08

2026-03

axios@1.14.1朝鲜APT

社工+RAT感染维护者PC

恶意版本存活174分钟,全球CI流水线受影响

GitHub 2026

2025-12至2026-05

TeamPCP/Trivy投毒

TeamPCP

窃取Aqua凭证篡改Trivy+npm/PyPI投毒

600+包,50万+设备,50万+凭证,Trivy 76个版本标签中75个被篡改

secrss.com 2026

背景统计:2025年供应链攻击事件同比增长93%(Group-IB);第三方参与漏洞占比从15%升至30%(Verizon 2025 DBIR);2025年新增恶意开源包454,600+(Sonatype);DPRK通过单一JavaScript注入窃取$1.46B加密货币(CrowdStrike 2026)。

逻辑关联说明:6.2.2的0day供应链攻击直接支撑0day平民化命题;6.2.3的非0day投毒是"攻击门槛整体降低"的相关旁证,与0day平民化共享AI降低门槛的机理,但不直接证明0day平民化。

6.3 第三层:国家级进攻AI的不透明性

Mythos的"防御联盟"只是明面:

• 据防御一线观察,NSA内部红队已开始使用Mythos进行内部系统红队测试,效果惊人。红队本质是进攻能力演练,可平移至国家级网络进攻。

• 美国国防部与Anthropic的国防预算合同、要求放开模型限制等公开信息,是进攻性AI能力已就位的信号。

• Project Glasswing的12个合作方中,多数(国防部、CrowdStrike、Palo Alto)本身具备进攻能力。前沿AI优先给"防御联盟",但联盟成员同时是进攻主体。

这一层的特殊性在于不透明:商业防御AI产品有公开发布和benchmark,而国家级进攻AI能力秘而不宣。任何"防御方AI化领先"的判断只能针对商业产品层面,国家级攻防AI对比是无法从公开信息判定的暗箱。

6.4 第四层:能力扩散不可逆 + 防御时间窗倒挂

•开源权重模型逼近前沿(CERT-EU 2026-04警告):开源模型能力曲线在追,"progressively become accessible to a wider range of actors, including malicious ones";

•HackerOne暂停IBB项目(2026-04)、cURL关闭bug bounty(2026-01):维护者无法消化AI报告量;

•NVD崩溃(2026-04):NIST宣布仅对最高风险提交做enrichment,CVE提交2020-2025增长263%;

•M-Trends 2026:time-to-exploit均值-7天;28.3%的CVE在披露24小时内被利用;

•CSA提出"negative time-to-exploit"概念:经典"披露-补丁-防御"序列无法启动。

数据解读边界:"-7天"和"28.3%在24小时内被利用"主要反映n-day武器化加速,不全部是0day。但n-day加速与0day平民化相关——二者共享AI辅助武器化的同一机理。

6.5 平民化的精确含义与分级

0day平民化的精确含义:普通安服人员在有思路的前提下,借助AI大模型可基本实现红队资深专家水平(5.6节已证)。这是攻击和武器门槛的结构性降低,而非"攻击者持有更多0day"。

平民化不是均质的,需分级表述:

层级

平民化状态

证据强度

Web逻辑漏洞层(2FA绕过、信任边界)

已发生GTIG首次AI 0day被攻击者使用;GovTech 95.5%成功率

开源C代码层(FFmpeg/Linux内核类)

进行中,已扩散到广泛研究者漏洞增速10倍、15天4个root提权、Depthfirst $47/个

闭源商业内核(Windows/iOS/Oracle)

未发生/未公开黑盒+混淆+反逆向,AI能力未验证

威胁从"少数天才的定向打击"变为"任意API调用者的常态能力"——至少在Web层和开源层已成立。

七、影响:对防御范式的不可逆冲击

7.1 防御对象的根本性泛化

0day平民化对防御的最深层影响,不是"攻击变多",而是防御对象性质变了:

维度

平民化前

平民化后

攻击者画像

天才研究员/国家级APT

普通从业者/脚本小子(Web/开源层)

0day可得性

稀缺,长尾被抑制

充沛,任意攻击者可获(Web/开源层)

防御假设

"0day攻击=高级威胁,概率低"

"0day攻击=常态威胁,概率高"

防御对象

少数确定的APT组织

不确定的任意攻击者

关键转变:过去防御方可假设"被0day打的就是高价值目标被国家级盯上",此假设在Web/开源层失效——任何能调API的攻击者都可能对你打出好0day。

7.2 防御困境的结构性放大因素:跨厂商数据湖天堑

攻防不对称的根源是"一入口vs面面俱到"的结构性特征(AI前已存在),跨厂商数据湖天堑是这一根源在AI时代的核心放大因素——AI辅助分析的本质优势需要数据打通才能发挥,而跨厂商数据打通本身是天堑。

7.2.1 企业安全方案的碎片化现状

数据点

数值

来源

企业平均安全供应商数

29家

IBM IBV

企业平均安全方案数

83种

IBM IBV

企业平均安全工具数

45种

IBM 2023 Cost of a Data Breach

SOC分析师平均切换控制台数

10.9个

Microsoft/Omdia State of the SOC

向SIEM推送数据的工具比例

仅59%

Microsoft/Omdia

多厂商环境企业占比

72%

Kaspersky 2025

因集成不足无法有效自动化的企业

41%

Kaspersky 2025

每周损失于数据聚合关联的SOC时间

20%

Microsoft/Omdia

花费过多时间维护工具的团队

59%

Splunk State of Security 2025

7.2.2 跨厂商数据格式不兼容实例

• Fidelis Networks向Google SecOps推送日志时,JSON包裹的CEF格式畸形导致解析失败;

• 深信服设备默认发RFC3164,而Splunk/QRadar要求RFC5424,日志被静默丢弃;

• 奇安信天眼4.0.13.0+默认不发请求头/体,导致第三方GPT研判失效,需定制对接;

• Cisco ASA(%ASA-4-710001)与华为USG(<166>...)日志格式差异显著;

• 深信服XDR官方文档明确:开箱即用数据源(奇安信天眼/天擎、青藤云、安恒APT、联软)仅达"深信服自有组件70-80%效果",其他产品仅能做"基础syslog接入,无法关联分析"。

7.2.3 美军国防领域的互操作性困境

•Operation Jailbreak(2026年5-6月):美陆军在Fort Carson对自家武器系统进行"越狱"式改造,约20家防务承包商(Lockheed Martin、Boeing、Anduril、General Dynamics、L3Harris、Northrop Grumman、Palantir、RTX等)参与;

• 罗马尼亚演习中,美军反无人机系统无法连接美军雷达系统,不同厂商雷达/相机/火控系统互为"孤岛";

• 已向中央司令部(中东)推送23,000件改造设备用于应对伊朗Shahed无人机;

• 五角大楼"七厂商AI协议"被批制造7套不兼容的专有"黑箱"。

7.2.4 国内安全厂商数据互通现状

IDC《中国安全运营与管理平台市场预测2024-2028》显示,2025年市场规模127.8亿元,头部5家(奇安信25.5%、深信服16.8%、绿盟11.7%、安恒10.7%、天融信8.8%)合计73.5%。头部厂商产品间数据互通同样受限:深信服XDR对第三方数据源仅达70-80%效果;奇安信平台需对"国内外数十家厂商上百种设备"日志进行解析范式化,反向印证格式异构普遍。

7.2.5 数据湖天堑的防御含义

攻防不对称是结构性的:进攻只需找一个入口,防御需要面面俱到。AI放大了这一不对称——攻击方AI只需在一点突破,防御方AI需在所有点协同。攻击方AI处理自洽、统一、即时的数据;防御方AI被跨厂商数据湖割裂拖累。

这是防御困境的核心放大因素:防御方AI化在纸面上可能领先(商业产品成熟),但实战中被跨厂商数据湖天堑抵消。攻防失衡的根源不是"防御方没用AI",而是"防御方AI发挥效果的前置条件(数据打通)本身是结构性难题"。

7.3 不可逆性的三个结构性原因

原因1:补丁速度有物理下限,AI发现速度无上界

补丁链路(开发-测试-发布-部署)至少数天到数周,企业部署周期常为月度;AI发现速度已达每月1万+,6%修复率说明修复侧结构性崩溃已发生。二者曲线不会重新相交——这是物理性的。

原因2:防御方"已知漏洞"模型失效

传统防御假设"已知漏洞→打补丁→安全";negative time-to-exploit下,漏洞在被防御方知道前已被利用。Project Glasswing发现大量"潜伏几十年"漏洞说明:存量漏洞池巨大且在被AI系统性开采。

原因3:攻击成本-防御成本差距持续缩小

需区分发现成本与端到端成本:$47/个是发现成本,端到端攻击还需利用工程化、载荷开发、C2、OPSEC等。但多agent协同(5.4节)正在降低工程化成本。叠加防御方数据湖天堑(7.2节),防御方AI发挥效果的前置成本同样高昂。净效应是攻防成本差距持续缩小,而非防御方单向领先。

7.4 对防御体系的级联影响

防御支柱

AI前假设

AI后现实

调整方向

补丁管理

披露→补丁→防御

利用→披露→补丁

降权,转为次要手段

漏洞扫描

扫描已知CVE

0day已在使用

必须叠加暴露面管理

边界防御

堵住已知入口

0day绕过认证

零信任+最小权限

EDR/XDR

检测已知TTP

AI生成载荷无历史特征

行为基线+异常检测

应急响应

小时级响应

分钟级武器化

自动化编排(SOAR)

数据打通

可选优化

防御AI发挥效果的前置条件

升级为战略工程

威胁建模

焦点APT组织

任意API调用者

假设"必然被0day破门"

7.5 防御方的"幸存路径"

CSA、CERT-EU、NCSC三份2026年报告收敛到一致结论——核心指标从MTTP(平均打补丁时间)转向MTTD/MTTC(平均检测/遏制时间):

1.缩减攻击面:减少互联网暴露、收敛身份路径(让攻击者即使有好0day也找不到入口);

2.纵深防御+爆炸半径限制:假设首道被0day突破,限制横向移动(让1个好0day无法转化为完整链);

3.运行时行为监控:不依赖已知特征,基于行为基线(应对AI生成载荷无历史特征);

4.跨厂商数据湖打通:把数据打通从"可选优化"升级为"防御AI发挥效果的前置战略工程"(IBM 29家83种方案的现状需先整合再AI化);

5.AI辅助优先级排序:把有限补丁带宽投到"真实可利用+面向核心业务"的少数漏洞上(CVSS不够,需EPSS+威胁情报+资产上下文);

6.AI对等防御:防御方也必须用AI做代码审计(Microsoft MDASH、OpenAI Daybreak模式);

7.零信任加速:身份/设备/网络/应用/数据五维持续验证;

8.披露治理重构:90天协调披露窗口已失效,需VEX、OpenSSF等新框架。

核心思路转变:从"防止0day被利用"转向"假设0day必然被利用,限制其得手后的收益",并把跨厂商数据湖打通作为防御AI化的前置战略工程。

八、结论

8.1 命题验证

核心命题

验证结论

单次破门场景下,0day数量非核心约束

成立。1-4个0day即组完整链,数量边际效用递减。但持续控制下数量有实质意义

好用漏洞由自身特性决定

成立。6个固有特性决定好用上限;价值差异源于全版本通杀vs版本受限;实际发挥取决于目标匹配

人脑在漏洞挖掘上能力不强

部分修正。人脑是优秀判断器但糟糕扫描器,瓶颈在认知带宽与工作记忆

AI作"尺子"带来质变

成立且已被实证。Depthfirst $47/个0day、Mythos 90倍exploit能力、Claude 14天22个Firefox 0day、6%修复率

0day平民化

成立,分级发生。本质是"安服人员+AI达到资深专家水平";Web层已发生/开源层进行中/闭源内核未公开

国家级进攻AI已就位

高度可能但不可证实。NSA红队用Mythos、国防部预算、要求放开限制是信号,但进攻能力本身不透明

对防御范式不可逆冲击

部分修正。补丁中心模型不可逆失效成立;"防御不可逆失败"过度悲观。但数据湖天堑使攻防失衡在加剧

8.2 核心判断

1.命题边界需明确:对同一目标的单次破门,0day数量非核心约束。但持续控制下数量有实质意义——命题需限定场景。

2.AI质变在可获得性而非数量:AI带来的不是"让攻击者囤更多0day",而是让好用0day的可获得性从稀缺变充沛。平民化的本质是"普通安服人员在AI加持下可达到红队资深专家水平"——GovTech 95.5%成功率、gethacked.ca AI发现人工遗漏的critical漏洞、Claude 14天22个Firefox 0day、Depthfirst $47/个0day是这一判断的实证。

3.国家级进攻AI是不透明的暗箱:Mythos的"防御联盟"只是明面,NSA红队、国防预算、要求放开限制等信号表明进攻性AI已就位,但能力本身不可证实。任何"防御方AI化领先"的判断只能针对商业产品层面。

4.防御困境的根源是攻防不对称,跨厂商数据湖天堑是AI时代的核心放大因素:攻防不对称的根源是"一入口vs面面俱到"(结构性,AI前已存在)。企业平均部署29家供应商83种方案,分析师在10.9个控制台间切换,仅59%工具向SIEM推送数据。美军Operation Jailbreak中20家承包商互为孤岛,国内深信服XDR对第三方仅达70-80%效果。防御方AI想发挥效果,先要打通跨厂商数据湖,而这个打通比部署AI更难。

5.补丁中心模型不可逆失效,但防御范式不能说"不可逆失败":补丁速度与AI发现速度的剪刀差不会收窄,补丁中心模型确实不可逆失效。但零信任、微隔离、行为基线、AI猎杀等非补丁手段仍在成熟,防御方仍有路径。准确表述是"攻防失衡在加剧,但防御方仍有幸存路径,前提是把跨厂商数据湖打通作为前置战略工程"。

6.多agent协同是下一个变量:单点发现能力下沉之外,多agent进攻协同正在降低端到端攻击成本。防御方需对等建设多agent协同防御,但同样受数据湖天堑制约。

总结:这不是"又一场攻防升级",而是攻防失衡从战术差距演变为结构性鸿沟的过程。防御方的生存策略不是"跑得比AI快",而是"让单个0day的得手成本和收益都不划算"——靠缩减暴露面 + 限制横向移动 + 快速检测异常行为 + 打通跨厂商数据湖合力实现。从"防止0day被利用"转向"假设0day必然被利用,限制其得手后的收益"。跨厂商数据湖打通不是可选项,是防御AI化的生死线。

九、参考资料

  1. When the Model Becomes the Red Team, Cloud Security Alliance, 2026

  2. AI Finds 21 FFmpeg Zero-Days for $1,000, CSA Research Note, 2026-06-09

  3. The Exploit-Before-Patch Gap, CSA, 2026-05-14

  4. Project Glasswing and the AI Vulnerability Disclosure Velocity Crisis, CSA, 2026-05-24

  5. AI is changing the economics of vulnerability discovery, CERT-EU, 2026-04-21

  6. Project Glasswing: How Claude Mythos Finds Zero-Day Vulnerabilities, NxCode, 2026-04-08

  7. 谷歌称首次发现利用AI开发"零日漏洞"攻击工具, 人民网/新华社, 2026-05-12

  8. 首次发现!AI生成零日漏洞利用工具并实施网络攻击, 安全内参, 2026-05-13

  9. Defense at AI speed: Microsoft MDASH, Microsoft Security Blog, 2026-05-12

  10. 起底"零日漏洞":单个漏洞利用链悬赏超两亿, 中国经营报, 2024-05

  11. 2025年度漏洞态势全景复盘, 奇安信CERT, 2026-05-11

  12. 安全投入越来越多,为何还是防不住攻击?, 衡水日报, 2026-06-24

  13. NCSC预警2026:AI引爆全球补丁浪潮, 2026-05-04

  14. Google Discovers First AI-Generated Zero-Day Exploit, CloudCurated, 2026-05-27

  15. 15 Days, 8 Root Escalations: The Linux Privilege Crisis of 2026, TechOwlShield, 2026-05-19

  16. Copy Fail内核提权漏洞分析(CVE-2026-31431), 蚁景网安实验室, 2026-05-07

  17. High Vulnerability in the Linux Kernel ("Copy Fail"), CERT-EU Advisory 2026-005, 2026-04-29

  18. CISA Known Exploited Vulnerabilities Catalog, CISA, 2026-06访问

  19. Defending Against China-Nexus Covert Networks of Compromised Devices (AA26-113A), CISA/FBI/NCSC-UK等12国9机构联合公告, 2026-04-23

  20. The router on the shelf is now a national security problem, ComplexDiscovery, 2026-04-24

  21. Raptor Train Botnet Analysis, Lumen Technologies Black Lotus Labs, 2024-09

  22. AI-Assisted Pentesting: A Practical Guide for 2026, Red Team Guide, 2026-03-29

  23. The GenAI Red Team Revolution: Claude Finds 22 Firefox Zero-Days, BrainUpgrade, 2026-03-07

  24. Scaling the Pentesting Team with AI, GovTech Singapore CSG, 2026-04-21

  25. How AI Transformed Our Penetration Testing Approach, gethacked.ca, 2026-02-21

  26. Kali & LLM: macOS with Claude Desktop & Anthropic Sonnet LLM, kali.org, 2026-02-25

  27. Automated Penetration Testing with Claude AI, Hacking Articles, 2026-06-13

  28. AI-Assisted Penetration Testing: Fully Compromising an Active Directory Lab with Claude and the Kali MCP Server, not2clever.me, 2026

  29. SolarWinds Report, New York State Department of Financial Services, 2021-04

  30. Supply Chain Attack Against 3CXDesktopApp, CISA Alert, 2023-03-30

  31. Unpacking the MOVEit Breach Statistics and Analysis, Emsisoft, 2023

  32. XZ Backdoor Attack CVE-2024-3094, JFrog, 2024

  33. Widespread Supply Chain Compromise Impacting npm Ecosystem, CISA, 2025-09-23

  34. State of the SOC, Microsoft/Omdia, 2025

  35. The Real Cost of Disjointed Security Tools, Splunk, 2025

  36. Unified Cybersecurity Platform Report, IBM IBV, 2024

  37. Operation Jailbreak: The Army's Massive Push to Hack Its Own, DefenseScoop, 2026-05-29

  38. 中国安全运营与管理平台市场预测2024-2028, IDC, 2024

  39. 深信服XDR对接文档, 深信服技术支持中心, 2026

致谢:感谢老专家的敏锐洞察,才诞生了这篇观察报告!

原文链接:https://mp.weixin.qq.com/s/3_a5t_P6YiyEp_WDopo0Vw