一句话结论
AI 赋能攻击者致成本趋零且漏洞激增，防御方因高昂成本与滞后技术陷入失衡，行业进入需重构基础设施的“黑暗时代”。
关键要点
- 10 月曝出 PHP、Node.js 重大漏洞，Binance 遭朝鲜团队实施人类史上最大规模盗窃，Cursor 因 Firework AI 密钥泄露波及 5000 家公司。
- 攻击者边际成本趋近于零，2 至 3 名技术人员即可借助 H-100 显卡运行 AI 智能体实施全天候攻击，而某安全平台称前沿模型单次调查成本高达 900 美元。
- 微软发布补丁数量从 150 至 200 个激增至最新一次超过 900 个，2024 年初 Linux 内核针对特定模型产生了 1000 个补丁，全球仅 Google 和 Amazon 具备全漏洞扫描能力。
- 预估重写 Linux 内核成本约为 1 亿美元，远低于修补及重启社会成本；预计 90 天内所有公司需进行 RTX 红队测试，且多数拥有数百人以上的企业缺乏主动红队测试风险管理框架。
背景与事实
Cognition 首席安全官 Alex Stamos（阿历克斯·斯塔莫斯）指出，近期“网络安全意识月”期间，软件供应链安全遭受重创。PHP 和 Node.js 出现重大漏洞，币安（Binance）遭遇主要由朝鲜团队实施的大规模盗窃，该攻击依赖人力情报与社会工程学。此外，代码编辑器 Cursor 因攻击者利用入侵 Firework AI 窃取 API 密钥并推送恶意插件，导致 5000 家公司受到影响。与此同时，安全产业正在经历从 2000 年代初微软“可信计算”备忘录、Foundstone 等咨询公司崛起及漏洞赏金机制建立，到如今脚本小子借助 AI 逼近顶尖专家能力的剧烈演变。开源工具 ARTEX 结合量化版 GLM-5.3 模型，已能在 Mac Studio 上大规模入侵组织，韩国银行事件在一周内导致约 200 家公司遭袭。
在经济模式与资源分布上，攻防双方差距显著拉大。攻击者的边际成本趋近于零，仅需 2 至 3 名技术人员使用 H-100 显卡运行 AI 智能体即可实现全天候攻击；而防御方面临高额成本，某安全平台数据显示前沿模型单次调查成本达 900 美元。安全运营中心（SOC）需采用 TF-IDF/MLBERT 筛选 PB 级日志，再触发小 LLM 并调用大模型，Cognition 则通过重训开源权重来降低这一成本。软件安全仅占 Stamos 职责的 25%，他还需为海量遗留代码（如 15 年前的 C#/J2EE）寻找帕累托前沿。针对 Linux 内核，2024 年初针对 Mythos 系列模型及 Astra Cyber 产生了 1000 个补丁；目前全球仅 Google 和 Amazon 具备 Linux 内核全漏洞扫描能力。业界建议用 Gemini/Carbon 重写代码为 Rust 语言以移除无用驱动，或在代码库包含 10000 个漏洞时基于测试套件重写。Stamos 强调，即使使用内存安全语言，LLM 代码漏洞仍长期存在，当前安全状况处于暂时恶化的“黑暗时代”。
在基础设施重构与防御测试方面，Linux 内核重写成本预估为 1 亿美元，远低于修补及重启社会成本，苏恩达尔·皮柴与安迪·贾西可主导 1 亿至 10 亿美元的投入。重写需解决约半数驱动代码缺乏硬件支持的问题，方案是创建仅运行于生产服务器硬件的新分支，保持与 glibc 及上层组件 ABI 兼容，未来可分叉 glibc；新内核应采用类型安全、内存安全语言，具备接近形式化验证的合同验证能力，并利用 LLM 在空闲时间辅助重写。Hugging Face 遭攻击促使行业警觉，CISO 因预防成本在损益表上表现为纯成本而倾向风险规避。预计 90 天内所有公司需进行 RTX 红队测试，可使用 AI 产品或聘请公司执行。该测试具有非确定性及速度极快特点，测试公司成立约 6 个月，无法预判交互后果，存在“安全”口头承诺与合同免责声明的反差；测试可能导致系统破坏或停机，但不会导致数据窃取勒索或故意关闭关键设施。企业面临 19 岁黑客利用 RTX 及 OpenRouter 代币的威胁，银行因承担 1 亿美元保险及繁琐法务流程，30 天谈判后拒绝接受红队测试风险。
在内容认证与行业应用层面，Instagram 正面临大量 AI 生成内容的冲击。Threads 负责人 Adam Mosseri（亚当·莫塞里）指出，由于模型可能超越检测能力且缺乏成熟方法，目前无法有效识别和标注 AI 内容。检测 AI 内容涉及开源检测器与扩散模型间的军备竞赛，专家建议通过限制内容仅来自摄像头等外部机制防止 AI 生成内容进入处理管道，因为验证真实内容比检测 AI 内容更易实现密码学上的完美。纽约时报摄影师使用价值 5000 美元的 Nikon 或 Canon 相机拍摄的照片已可实现密码学验证，当前 iPhone 设备已内置该真实内容验证功能。主要模型公司为降低 AI 文本检测难度，正依据欧洲法规调整生成文本；在 140 字符限制下数据量不足导致检测困难，构建完整证据链涉及传感器数据、云服务器及受控编辑环节。斯坦福大学学生创立 2 至 4 人小团队的现象增多，此类团队以往需 50 至 100 人并融资，显示 AI 正赋能个体创业者。
影响分析
这对中文开发者与从业者的实际影响在于，传统的“修补-重启”安全维护模式正在失效，企业必须重新评估核心基础设施的重写成本与收益。分析判断认为，鉴于 AI 将攻击边际成本压至极低，依赖人工代码审计已无法满足防御需求，开发团队需将 AI 智能体纳入常规的安全测试流程，特别是针对遗留代码的自动化扫描与修复。对于掌握 Rust 等内存安全语言及具备 LLM 辅助重写能力的工程团队，其市场价值与议价能力将显著上升。同时，内容创作者与平台开发者需立即部署基于硬件信任根的内容验证机制，以应对 AI 生成内容泛滥带来的信任危机，否则将陷入无法自证清白的合规与舆论困境。
适用边界
该结论主要适用于具备一定规模的软件企业、大型金融机构及对供应链安全敏感的互联网平台，且假设企业愿意投入巨资进行基础设施重写或引入高成本 AI 防御模型。对于资源有限的初创公司、对停机零容忍且无力承担 1 亿美元级重写或高频红队测试风险的机构，或完全依赖开源社区修复而非自研核心的场景，此中关于“全面重写内核”及“90 天内全员红队测试”的激进建议并不完全适用。此外，若企业不涉及处理用户生成内容（UGC）或依赖内容信任机制的业务，Instagram 面临的 AI 内容检测与验证挑战则与其无直接关联。
孤本观察
判断认为，当前安全产业的核心矛盾已从“技术漏洞的修补速度”转移至“基础设施重写成本与 AI 攻击无限并发能力的经济学对抗”。Stamos 强调的“黑暗时代”并非技术悲观主义，而是基于 AI 抹平技能壁垒后，防御方必须在边际成本上实现同等甚至更低的量级，否则安全将沦为纯财务损耗。
常见问题
攻击者与防御方在单次安全任务上的成本差距具体是多少？
攻击者边际成本趋近于零，2至3名技术人员使用H-100显卡即可实施全天候攻击；防御方面前沿模型单次调查成本高达900美元。
重写Linux内核的预估成本是多少，有何技术限制？
预估成本约为1亿美元。需解决约半数驱动代码缺乏硬件支持的问题，需创建仅运行于生产服务器硬件的新分支，并保持与glibc及上层组件ABI兼容。
针对90天内进行的RTX红队测试，有哪些风险限制和例外？
测试具有非确定性及速度快特点，可能导致系统破坏或停机，但不会导致数据窃取勒索或故意关闭关键设施。银行因承担高额保险及法务流程可能拒绝接受该测试风险。
哪些企业具备Linux内核全漏洞扫描能力？
目前全球仅Google和Amazon具备Linux内核全漏洞扫描能力。
来源：The Verge AI