专题·原创 | Mythos类模型对网络安全的系统性冲击与防御范式重构

原创

王欣
王欣

中国信息安全

2026年10月9日 17:56
北京

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

王 欣

杭州安恒信息技术股份有限公司研究院院长

随着生成式人工智能向规模化应用不断扩展，新一代人工智能（AI）技术正以深刻且不可逆的方式重塑网络安全的攻防形态与产业生态。代码理解、逻辑推理与自主规划等通用能力的持续跃升，使网络安全任务从“人类专家的专属手艺”逐步转为“智能体可独立完成的工程任务”，由此引发的攻防代差与技术扩散已超越传统信息安全边界，演化为需要从技术机理、产业格局与制度协调多个层面系统性应对的复合型挑战。亟须厘清Mythos类模型对网络安全格局的深层冲击机理，评估其不同维度的传导路径，并在此基础上探索适配我国产业条件与制度框架的防御范式重构方案。

一、能力跃迁：Mythos类模型对网络安全风险机理的重塑

Anthropic于2026年4月发布的Claude Mythos预览版，在自然语言理解、长程推理与代码生成等通用任务上实现显著代际跨越。作为这一能力跃迁的副产物，Mythos在漏洞发现、利用与端到端渗透等任务上展现出高度自主性。由此，网络安全能力从可选择安装的产品功能，转变为通用AI逼近能力边界过程中的必然副产品。从机理层面审视，这一重塑主要体现在以下两个耦合维度。

一是漏洞发现的工业化。Mythos不依赖预定义规则库，而是在隔离环境中自主完成代码阅读、信任边界识别与多轮内部验证，以机器速度稳定产出可用漏洞。在对Firefox 147 JavaScript引擎的测试中，前代旗舰Opus 4.6仅生成2个可用攻击程序，而Mythos则生成181个，传统的漏洞稀缺认知正面临挑战。

二是漏洞利用与端到端攻击执行的自主化。Anthropic官方数据显示，Mythos生成可用漏洞利用代码的成功率稳定在72.4%；英国AI安全研究所独立评估验证，Mythos成为首个完整完成“The Last Ones”测试中32步企业内网攻击链的模型，人类专家约需20小时执行的攻击链，Mythos仅需分钟级即可完成，且其率先通过了面向工业控制系统的Cooling Tower高难度靶场测试。值得注意的是，Mythos早期版本曾形成子目标，在未获得外部指令的情况下挣脱隔离沙箱并主动报告逃逸过程，这意味着攻击链路正从“执行指令的工具”向“自主决策的智能体”转变。多项独立评测表明，自主网络攻击能力正以约每4.5个月的能力翻倍周期持续攀升，而Mythos的最新表现已显著突破既有趋势线，下一代模型在更短时间内进一步压缩攻防差距的概率持续上升。

二、假设瓦解：传统防御体系面临的结构性冲击

Mythos类模型的出现被业界普遍视为网络安全范式的深刻变革，根源不仅在于单点能力的提升，更在于其对传统防御体系赖以存续的五项基础假设的系统性瓦解。

在未公开即安全维度，传统安全体系长期隐含一个朴素假设：只要漏洞不被公开披露，攻击者便无从知晓。Mythos在隔离环境中获得目标代码库，自主完成代码阅读、架构理解、信任边界识别与漏洞假设构建的完整闭环。在这一流程下，OpenBSD中潜伏27年的TCP SACK漏洞、FreeBSD内核中潜伏17年的远程代码执行漏洞（CVE-2026-4747）、FFmpeg中存在16年的解码器漏洞，以及多个主流浏览器沙箱逃逸漏洞，均在同一框架下被发现。所谓“秘密”，在算力成本被压低至单次50美元的工业级漏洞研究面前，已不再是防御方可依赖的资产。

在漏洞是稀缺资源维度，Mythos类模型正在终结高价值零日漏洞的稀缺性。截至2026年5月，Anthropic已利用Mythos扫描超过1000个开源项目，累计发现2.3万余个问题，其中6202个为高危或严重漏洞。在“玻璃翼计划”框架下，约50家合作伙伴在全球最重要的软件基础设施中累计发现超过1万个高危或严重漏洞，部分合作伙伴漏洞发现率提升超过10倍。漏洞发现的上限已不再取决于人力投入，而取决于可分配的计算资源规模，由“手工挖掘”向“工业化产出”的跃迁已成为难以逆转的趋势。

在补丁可以守住防线维度，传统防御体系的核心风险控制工具是补丁，其假设是厂商发布补丁后，防御方在一定时间窗口内完成部署，即可视为风险可控。Anthropic称，Mythos Preview能在数小时内生成一些人工专家预计需要数周才能完成的漏洞利用程序。与此同时，Chainguard援引Zero Day Clock及相关行业简报称，漏洞披露到被利用之间的平均时间已从2018年的约2.3年缩短至2026年的约20小时。攻击者在官方补丁发布之前便可完成漏洞挖掘与武器化，传统依赖补丁窗口期的防御逻辑面临根本性挑战。对于需要数天乃至数周才能完成漏洞情报接收、补丁测试与全量部署的典型组织而言，补丁窗口已退化为事后追认。

在攻击需要顶尖技能门槛维度，Mythos在Linux内核提权测试中自主串联多个漏洞构建完整提权链，并在浏览器攻击测试中独立串联四个漏洞完成JIT堆喷射利用链，最终实现浏览器沙箱逃逸与操作系统控制。顶尖人类安全研究员通常需要数月的努力，而模型以远超人类的速度与并行试错能力完成了同类任务。第三方Calif团队的独立复现表明，Mythos能够绕开苹果M5芯片部署的硬件级内存安全防护机制，普通攻击者借助AI可显著降低高级攻击的技术门槛。

在防御可以追上攻击维度，攻防速度差已发生数量级变化。Sysdig研究团队记录的某次真实AI驱动攻击，从初始探测到获得管理员权限仅耗时8分钟。当攻击侧以分钟级完成杀伤链，而防御侧的典型响应周期仍以天或周计时，传统追赶逻辑在实践层面已难以持续。沿用传统工具与流程无法追上攻击，必须引入AI原生防御能力，将防御侧响应速度提升至与攻击侧同一量级。

三、地缘与制度：Mythos类模型的系统性外溢风险

Mythos类模型带来的冲击远超技术层面，其外溢风险在国家关键信息基础设施、漏洞管理体系与国际治理格局等多个维度同步展开，亟待从制度协调角度予以系统性回应。

在战略部署层面，Anthropic在发布Claude Mythos的同时启动了“玻璃翼计划”，将模型的网络安全能力以防御者优先的方式定向释放给约50家合作伙伴，涵盖CPU、GPU、服务器等关键基础设施提供商，以及微软、苹果、亚马逊云、派拓网络等行业巨头和Linux基金会、Apache软件基金会等关键软件基础设施维护者。从部署效果看，这一模式客观上形成了三层影响：在攻击者获得同类能力前为盟友体系完成前置加固，建立技术标准与准入门槛的事实控制，以及构建以美国为中心的防御生态并对其他体系形成能力鸿沟。Anthropic在服务条款中对地域访问施加了穿透式限制，其于2025年9月发布的《更新对不受支持地区的销售限制》声明中，禁止中国内地及香港、澳门地区公司在第三国设立的子公司直接或间接使用其API，这意味着我国既无法获得Mythos的直接能力，也难以通过间接渠道融入该防御生态。

在关键信息基础设施层面，这种“防御者优先、盟友优先”的部署模式至少带来三重冲击。其一为攻击面暴露的时间差，美国盟友体系的关键基础设施已利用Mythos完成深度漏洞扫描与修复，而我国关键系统仍主要依赖传统人工审计与自动化工具，在Mythos级别的AI审计能力面前存在数量级差距。其二为底层开源软件的“单向透明”风险，我国大量关键基础设施依赖于全球开源生态，其维护者一旦通过玻璃翼计划完成深度审计并依据协调披露原则延迟公开漏洞信息，我国防御者将处于滞后修复的被动位置。其三为供应链安全的上游失控，对于底层硬件、操作系统、数据库与云服务的上游供应商，若其修复的高危漏洞涉及我国特定部署环境并受出口管制与国家安全法规约束，将进一步加剧信息不对称。

在漏洞管理体系层面，传统以协调披露与补丁窗口为核心、以天或周为时间尺度的机制面临根本性错配。如前所述，Mythos已在上千个开源项目中发现数万个问题，已远超传统漏洞管理团队的人工处理能力。当漏洞发现与武器化的时间被压缩到小时量级而协调披露仍遵循月级节奏时，机制有效性正快速衰减。同时，若漏洞由玻璃翼计划中的AI发现，其披露策略由Anthropic与合作伙伴协商决定，全球其他用户的预警权利可能被让渡给少数主体，协调披露作为多边互信机制的基础可能发生动摇。这些变化与我国《网络产品安全漏洞管理规定》所设定的2日内报送等机制依赖的时间尺度形成深层张力，亟须通过制度协调加以回应。

四、应对路径：技术、工程与治理的协同重构

面对Mythos类模型带来的机器速度攻击时代，依靠单一产品、规则或团队已无法弥补体系能力差距。防御范式重构需沿“技术路线—防御能力—治理协同”三个递进层次推进，通过工程化创新将安全能力从一次性软件交付升级为可持续进化的能力生产系统。

在技术路线层面，我国产业现实决定了不宜简单复制依托超大规模参数、海量算力与公有云、由模型端到端承担安全任务的“模型优先”路线。更务实的选择是工程控制论式路线：以明确目标牵引系统设计，以高质量安全语料与适当后训练提升模型专项能力，以精调智能体与专业工具链提升任务执行能力，以自动化验证与专家校准确保结果可靠，以持续实战反馈推动系统进化。在这一路线中，模型是核心认知引擎，但真正的壁垒来自高质量安全语料、精细化智能体编排、专业工具链深度集成、标准化验证闭环与实战评测体系，以及与专家系统的高频互动。安恒信息发布的恒脑AI代码审计智能体即为该路线的代表性实践：基于多智能体协同架构，通过推理与行动（ReAct）异步协同网络、长短期记忆结合向量知识库、生成器—判别器对抗机制，将漏洞挖掘全流程拆解为分工明确的智能体群组。2025年9月上线至今，已发现各类知名通用软件数百个高价值漏洞，涉及Linux、Windows、iOS、FreeBSD、Tomcat及国产操作系统等。截至2026年7月，累计协助客户发现4万余个漏洞。

在体系化防御层面，建议围绕“源头消减、极速响应、主动感知、动态迟滞、韧性恢复”五个维度，构建以AI对抗AI的主动免疫体系。一是将AI原生代码审计纳入开发全流程，全面集成至企业持续集成与持续部署（CI/CD）流水线，覆盖跨文件、跨模块的复杂逻辑漏洞、业务权限漏洞与第三方依赖漏洞，对信息技术应用创新软件与核心业务系统开展专项审计，从源头压缩潜在攻击面。二是构建分钟级漏洞预警与响应机制，实时监控全球漏洞态势，结合内部资产库精准定位受影响范围；对尚无官方补丁的零日漏洞，在AI生成虚拟补丁并经自动化回归测试、沙箱验证和人工审批后逐步部署；对已有补丁的漏洞，通过自动化补丁验证与分发工具缩短部署周期，形成漏洞出现即启动处置的闭环。三是将安全运营中心升级为AI驱动的异常行为检测体系，为用户、服务器、容器、API等各类数字实体建立动态多维行为模型，通过持续学习正常业务基线，精准识别偏离基线的异常行为，重点检测跨节点横向移动、非典型服务通信、异常时段敏感数据访问等未知或隐蔽攻击，并对告警进行语义聚合与动态优先级排序，自动抑制低价值告警，仅将极少数需人工介入的事件提交分析师。四是部署AI驱动的诱捕与主动防御体系，构建大规模、高仿真AI动态蜜罐网络，实时模拟真实系统拓扑与业务交互，自动生成个性化诱饵数据；当攻击者进入蜜罐环境后，通过多轮交互诱导其暴露完整工具链、攻击手法、命令与控制基础设施，同时迟滞其对真实资产的攻击节奏，并将捕获情报实时同步至防御体系，反哺防护策略。五是建立以AI为核心的自动化应急响应与业务恢复体系，当安全事件发生时，自动完成在线取证、攻击链还原与根因定位，在预设权限边界内自动执行低风险隔离与阻断；对高影响业务采取人工确认或双重授权机制；建立可信镜像池与快速恢复编排机制，依据预定义或AI动态生成的恢复剧本实现秒至分钟级业务切换与服务重建，并通过定期AI驱动攻防演练持续验证优化流程。

在治理协同层面，应同步推进三项制度安排。一是建立大模型网络安全能力专项评估机制，要求开发者在预训练、指令微调、对齐优化与部署各阶段提交训练数据谱系、记忆泄露压力测试结果与缓解方案，并接受第三方独立审计；二是探索模型透明度分级披露制度，尤其对面向公众的通用大模型，需公开训练数据分类比例、去标识化标准、安全测试记录与第三方认证结论；三是引入“风险共担+保险托底”机制，鼓励开发者投保网络安全保险，并推动设立行业互助基金以缓释不可预见的泄露事件所带来的赔偿压力与经营风险。

五、结 语

Mythos类模型引发的网络安全冲击，其本质源于前沿大模型能力跃迁与现有防御体系之间的多重错配。漏洞产出工业化、武器化极速化、攻击链自主化，上述变化不仅突破了传统网络安全体系的能力边界，更重塑了网络安全风险的生成逻辑与传播路径。筑牢安全防线，不能以牺牲创新为代价搞“一刀切”式限制，而应通过技术赋能、工程迭代与制度协同，构建一个弹性适应、透明可信、权责清晰的防御新生态。只有将AI原生安全能力内化为防御体系的底层逻辑，并建立“研发即合规、部署即审计、交互即防护”的全流程长效机制，才能在智能体主导的新一轮攻防博弈中重新获得平衡，守住数字经济健康发展的安全底线。

（本文刊登于《中国信息安全》杂志2026年第8期）