☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
图片由AI生成
近期，Anthropic与OpenAI不约而同地将目光投向一个关键领域：重构传统安全漏洞发现与分析的底层范式。
4月7日，Anthropic悄然推出Claude Mythos预览版，并同步启动“Project Glasswing（玻璃翼计划）”，消息一经传出即在业内引发震动。
值得注意的是，Mythos尚未正式发布，市场已出现明显应激反应。原因在于——模型一旦具备自主理解代码、识别逻辑缺陷、复现利用路径的能力，其双刃剑属性便无法回避：有人用它加固系统，也有人可能借它撬开防线。网络安全的攻防平衡正面临前所未有的压力。
在其发布后的首个交易日，CrowdStrike、Palo Alto Networks、Zscaler等主流安全厂商股价集体承压，部分跌幅逼近两位数。
几乎在同一时间窗口，OpenAI于4月15日上线GPT-5.4-Cyber——一款专为网络安全防御场景优化的“特权模型”。与此同时，“网络安全可信访问”（TAC）计划扩容，向数千名经审核的独立安全研究者及数百个关键软件供应链团队开放权限。
表面看是两家头部AI公司的技术竞速，实则折射出美国大模型阵营对“AI原生安全能力”的战略卡位。
一位深耕网安领域十余年的工程师坦言：“真正令人警觉的，不是模型多聪明，而是‘找漏洞’这件事，正在从经验密集型转向算法驱动型。”
BraneMatrix布兰矩阵创始人兼CEO李光辉指出：“网络安全正经历一次算法级重构。当算法本身成为攻击面与防御面的交汇点，‘AI原生安全’就不再是一个概念，而是新一代基础设施的核心支柱。”
为何这类模型能迅速外溢至产业层面？倘若漏洞挖掘可被规模化建模与调用，行业的能力门槛是否正在悄然重置？竞争逻辑又将如何演进？
传统网络安全体系高度依赖人的知识沉淀、直觉判断与实战锤炼。
有资深从业者总结道：“漏洞被发现、被利用、再被修复——这个闭环始终由人驱动。没有哪家公司天生拥有全栈能力，也没有哪支团队可以永远领跑，一切靠持续对抗中积累的认知增量。”
在攻防博弈中，时间差是常态：从漏洞曝光到补丁落地，从工具研发到能力普及，安全能力始终在动态扩散中走向产品化。无论是企业自建安全部门，还是CrowdStrike这类专业厂商，本质都在做同一件事：把复杂的安全逻辑封装为可交付、可运营的服务。
而AI大模型的入局，正在开辟一条新路径——部分核心能力正被直接注入模型底层，转化为API可调用、平台可集成的原子能力。
Mythos虽非专为安全训练，但其通用代码理解与推理能力已显著“溢出”至该领域：可自主阅读源码、定位缺陷、构造PoC，甚至模拟利用链。据官方披露，它已在主流操作系统与浏览器中识别出数千个零日漏洞，其中高危占比可观，且全流程高度自动化，人工干预极少。
GPT-5.4-Cyber则走另一条路：聚焦防御侧微调，显著降低对合法安全行为的误拒率。过去，工程师请求AI辅助进行渗透测试或恶意代码分析时，常因策略限制被拒绝；该模型则通过语义对齐与意图识别，主动区分“红队验证”与“真实攻击”，并对授权研究人员开放更宽松的操作边界。部署机制上亦采用分级信任模型，相较Mythos的封闭名单制更具弹性。
然而，比能力跃迁更值得警惕的是其分配逻辑——当大模型具备强代码审计与漏洞推演能力，一旦权限放开或接口可控，它即可成为双用途工具。此时，“人”不再是唯一的能力载体。
多位一线从业者共识明确：短期内全面替代尚不现实。
“大家容易低估安全的系统性”，李光辉强调，“它从来不是单一技术问题，而是一套跨域协同的工程体系。”
当前网络安全涵盖网络边界防护、身份治理、威胁情报、风控建模等多个垂直方向，模型尚难覆盖全部环节。尤其在企业基础防护服务层面，合规适配、本地化响应、定制化编排等刚性需求仍需深度人工介入。
此外，头部厂商多年积累的私有威胁情报资产——如黑灰产活跃IP库、恶意文件哈希指纹（通过加密算法生成的唯一内容标识）、APT组织行为图谱等非公开IOC数据集——仍是Mythos类模型短期内难以逾越的数据壁垒。在互联网风控、黑产对抗等强数据依赖场景中，模型暂未展现出替代优势。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
安全的“最后一公里”，依然牢牢掌握在人手中。
一名资深渗透测试专家举例说明：一次完整红队行动，往往始于互联网暴露面测绘，继而突破边界设备、横向移动至内网、最终触达核心数据库。过程中需实时应对验证码、设备指纹、行为风控、动态令牌等非标防护机制。“决定成败的，往往是临场决策、策略切换与异常绕过，而非某段自动生成的Exploit。”
尽管如此，结构性冲击已然显现。
变化正在发生：AI正快速接管代码审计、漏洞模式匹配、攻击路径模拟等重复性高、规则性强的中间层任务，并以更低成本、更高并发持续运行。这正推动行业价值重心迁移——基础能力被压缩、抽象能力被放大。
“这不是替代，而是重心转移”，一位安全研究员指出，“随着AI对代码语义与系统逻辑的理解不断深化，安全能力的整体杠杆率正在提升。依赖个体经验堆叠的传统体系，必然面临价值重估。”
Anthropic官方声明Mythos为“纯防御模型”，仅限52家科技公司组成的封闭联盟使用，成员涵盖亚马逊、苹果、博通、思科、谷歌、微软与英伟达等。
其解释是：当前安全护栏尚未完备，全面开放等于同时赋予攻防双方同等武器。因此选择先在可信生态内落地，优先修补关键基础设施漏洞，再分阶段推进。
该逻辑具备现实合理性，但也引发深层疑虑：在网络安全实践中，“防御”本就内嵌攻击性动作——红蓝对抗、渗透验证、漏洞复现，皆属防御必经环节。
已有案例显示，部分大模型虽设多重内容过滤，但在特定诱导下（如使用文言文、古梵文或隐喻性指令）仍可能绕过策略限制，进入输出不受控状态。这意味着，只要存在绕过路径，模型就天然具备攻防双重潜力。
换言之，“为防御而模拟攻击”，本身就是安全的本质。当模型理解力足够强大，攻防边界将加速消融，厂商对边界的定义权也将愈发脆弱。
另有声音从其他维度解读这一策略。
知名风投人Marc Andreessen质疑：Anthropic限制Mythos开放，究竟是出于安全审慎，还是受限于算力瓶颈？他指出，Anthropic近期频繁遭遇服务中断，高峰时段用户算力配额亦遭大幅压缩。
对此，李光辉持不同看法：“所谓‘防御专用’，实质是将先进能力优先配置给苹果、谷歌、微软、IBM等美国云与软件巨头。真正的安全，应通过全球范围的公开测试、对抗验证与漏洞赏金机制来夯实，而非由少数主体闭门定标、自我背书。若评估标准、测试环境与结果全程不透明，这种‘安全性’本身就缺乏公信基础。”
更需关注的是，Mythos与GPT-5.4-Cyber均明确服务于美国科技生态，其能力开放具有显著地域与主体倾向性。
一旦关键技术能力仅定向流动于特定国家或联盟体系内，便极易演化为事实上的“技术准入壁垒”乃至“规则主导权”。
类似逻辑在其他领域已有先例：美国长期限制NVIDIA H200、B300等高端AI芯片对部分国家出口；上世纪对加密技术的出口管制亦曾深刻影响全球信息安全格局。核心技术一旦形成流动壁垒，行业分工与权力结构必将随之重塑。
这与网络安全行业长期奉行的“Ethical Hacking（道德黑客）”传统形成张力。数十年来，负责任披露（Responsible Coordinated Disclosure）、众测平台、CVE编号机制等，共同构建起一种开放协作的安全进化生态。尽管执行并不完美，但它始终是行业稳健发展的底层契约。
我们不得不追问：在一个由少数主体定义“谁可参与、如何验证、何为安全”的封闭联盟中，未来漏洞评估的标准、验证路径的选择、乃至全球网络安全话语权的归属，是否会悄然转向？
所有这些变化，终将回归一个最朴素的问题：每个从业者、每家企业、每个国家，该如何重新锚定自身位置？
对传统安全厂商而言，破局之路，已不容迟疑。
