文章

AI将漏洞利用压缩至小时级,补丁修复仍困于周级:防御重心转向机器速度网络阻断

文章的核心判断是:AI正在把漏洞利用的成本和速度压到机器级,而漏洞发现、补丁测试、部署和验证仍受人工流程与系统兼容性约束,因而“漏洞出现到补丁落地”的时间差可能持续扩大。文章主张,当补丁无法及时覆盖长期未维护的设备时,安全体系需要增加不依赖设备端补丁的控制层:减少公网暴露、隔离必要连接的网络、在网络侧自动生成并分发防护规则,以及用内存安全语言、形式化验证和安全默认配置消除整类缺陷。设备退役、人工降级运行和不可篡改且经过恢复测试的备份构成补充措施。文章还指出,备份系统正成为勒索软件的首要攻击目标;云、内容分发和安全平台在承担代理防护职责的同时,也形成集中式单点故障、监管主权和民事权利问题。

来源信息

发布时间:2026年11月7日

英文原标题:Defense in Depth, Rebuilt for Machine Speed

来源:查看 a16z 原文

核心要点
  • 补丁流程本身并未随漏洞利用提速而同步提速。文章援引Verizon 2026数据称,已被利用漏洞的完全修复时间中位数为43天,数据集中仅26%得到完全修复;Veracode 2025数据则显示平均漏洞修复时间为252天,高于五年前的171天。
  • AI已被用于扩大漏洞利用能力。文章称,AI系统可以按漏洞类别进行搜索,并在数小时内把公开补丁转化为可用利用程序;Anthropic披露的一个未发布模型曾针对已修复数周但尚未进入主流发行版补丁的Linux内核漏洞,在不到一小时内利用了原本被评为中等的竞态条件。
  • 文章以PHP漏洞事件说明网络侧虚拟补丁的价值:两项关键漏洞在修复公开前泄露,利用尝试在公开披露前四天出现;托管和内容分发平台可在源站未打补丁时阻断攻击,但文章估计仍有260万至440万台不在该保护范围内的PHP安装处于暴露状态,其中多数版本不会获得修复。
  • 文章将四类不依赖快速设备端补丁的控制措施按覆盖长期尾部的效果排序:让设备离开开放互联网;隔离必须保持连接的网络;在网络侧以机器速度阻断攻击;通过内存安全语言、形式化验证、安全默认值和加固协议库消除整类漏洞。
  • 面向公网的水务控制屏案例显示,暴露发现与通知并不等于完成整改。Censys发现近400个暴露在线的水务控制屏,其中40个无需登录即可控制;项目在九天内促使四分之一目标完成安全处置,到2025年5月仍暴露的比例降至6%以下,全程未使用补丁。
关键判断
  • AI已将漏洞利用的速度提升至机器级,能够在数小时内将公开补丁转化为可执行利用,但漏洞发现、补丁测试、部署和验证仍受人工流程与系统兼容性约束,修复速度未能同步提升。
  • 已被利用漏洞的完全修复时间仍以周或月计:Verizon 2026数据显示修复中位数为43天且仅26%得到完全修复,Veracode 2025数据显示平均修复时间为252天,高于五年前的171天。
  • 当长期未维护设备无法及时获得补丁时,网络侧虚拟补丁和边缘阻断能够在源站未修复期间阻止利用,但覆盖范围之外的设备仍可能暴露。
  • 不依赖设备端补丁的控制应按覆盖长期尾部的能力依次包括:让设备离开开放互联网、隔离必要连接、以机器速度进行网络侧阻断,以及通过内存安全语言、形式化验证、安全默认配置和加固协议库消除整类缺陷。
  • 暴露发现与通知不必然带来整改;在公网水务控制屏案例中,通过暴露治理而非设备补丁,最终仍暴露的比例降至6%以下。
未来推演

判断:未来 6-12 个月,企业 AI 采购会更快从试点预算转向平台化和治理导向的正式采购。

时间跨度:未来 6-12 个月

为什么是现在:文中已经出现采购、治理、交付和预算协同成熟的信号,说明企业买方正在进入更系统化阶段。

重点信号:是否出现统一采购平台、是否更强调治理和可维护性、试点项目是否转成组织级部署

置信度:中