共计 1108 个字符，预计需要花费 3 分钟才能阅读完成。
网络攻击愈发猖獗, 防御方能否用 AI 扳回一城?
过去一段时间,AI 在写代码上突飞猛进 , 在“守住代码”这件事上却始终没交出令人信服的答卷。当攻击者开始用 AI 批量寻找漏洞, 防御方能否用同一套工具扳回局面, 正在成为安全行业最现实的追问。
📌 攻击端的节奏, 已经快过防守反应
10 月中旬以来, 公开披露的重大安全事件接连出现: 编程智能体 OpenCode 遭攻击 , 用户第三方模型密钥外泄; 被全球近七成网站采用的 PHP 语言被曝出重大漏洞, 部分站点被迫关停。另有报道提到,AI Agent 正以超出金融机构反应速度的节奏对美国银行系统发起攻击尝试, 摩根士丹利、美国银行等机构均在紧急处理。
这些事件的共同点在于: 攻击成本持续下降, 而防守方的排查与修补仍高度依赖人力与时间 。传统测试无论跑多少遍, 都很难穷尽所有分支, 也就难免留下可乘之机。
🔍 从“找 Bug”到“写证明”, 验证被推到汇编层
10 月 23 日,Anthropic 与 Theorem Labs 联合发布报告《大模型正让形式化软件验证在更大规模上变得可行》。报告披露,Claude 针对 123 个开源软件库中的 239 个程序入口, 生成了约 1.8 亿行 Rocq 证明代码, 过程中发现并修复了数百个 Bug, 其中一些漏洞此前历经数万亿次测试、运行多年都未被发现。
更值得关注的是验证深度。 研究团队把证明推进到汇编指令层面 , 以 RISC- V 指令集为基础展开工作。形式化验证的思路不是“多测几遍”, 而是用数学证明确认程序在给定条件下满足特定性质。这项工作过去高度依赖专家、成本高、周期长, 很难应用于普通软件;Anthropic 称, 这是首次在生产软件中大规模跑通汇编层面的形式化验证。
💡 但它证明不了“绝对安全”
- 验证只覆盖预设的假设、约束与范围, 若规范本身有缺陷, 结论便不可靠;
- 验证范围之外若仍有漏洞, 攻击者照样能找到突破口;
- 复杂系统的验证目标确定、第三方依赖处理、修复方案上线, 均需额外投入。
📊 攻防成本不对等, 是更难解的一道题
攻击者只需要一个可用漏洞, 防御者却要守住整个系统 , 还要判断风险、验证修复, 并避免修补过程引入新问题。AI 把发现漏洞的成本压得再低, 也不意味着防守方立刻能完成全部工作。
开发者的另一层担心是速度与可控性: 软件研发在 AI 驱动下不断提速, 形式化验证可能拖慢节奏 , 形成现实中的两难; 同时 AI 生成的证明可能冗长到人类难以审查, 反而超出可监测、可管控的范围。
🚀 结语: 方向对了, 但远未到终局
围绕“网络攻击愈发猖獗, 防御方能否用 AI 扳回一城?”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
