GIL 2026 | Kong Deliang from Anwen: The “Arrow” and “Shield” of Network Defense and Offense in the AI Era

孔德亮首先以美国公司Anthropic推出大模型Mythos自主挖掘0Day漏洞为例展开分析，该模型从漏洞挖掘、利用代码生成到自动化攻击执行的全链路全自动流水线作业，给网络安全带来的全新挑战。孔德亮介绍，AI的介入使得网络漏洞多、补丁少的情况加剧，中美等国已高度重视，针对网络攻防失衡可能引发的问题进行提前应对。

孔德亮指出，网络安全领域存在“漏洞永远挖不完”的客观现实，软件、硬件、机器、人性、体系、运营等多方面因素持续催生漏洞。随着AI的介入，攻击者利用大模型工具挖掘网络漏洞的能力显著提升。首先，网络攻击逐渐高效化，在AI工具介入的情况下，高危漏洞挖掘时间从3-7日压缩到分钟级甚至几十秒，大大降低挖掘漏洞的门槛；同时，网络攻击日益自动化，AI将从寻找网络漏洞到制作攻击工具的过程大幅简化、时间大幅压缩，使得攻击链路明显缩短；此外，网络攻击实现平民化，AI大幅降低发动网络攻击的人才壁垒、技术壁垒、成本壁垒，网络攻击能力已经向全民普及。

孔德亮认为，目前打补丁的速度也难以追上挖漏洞的速度。其一，随着信息化、数字化、智能化的建设持续推进，网络系统供应链层层嵌套，组件依赖复杂，使得补丁修复链条冗长，第三方响应迟缓，拉长了高危安全漏洞的平均修复周期；其二，业务连续性的硬性要求使得补丁上线前需要进行多轮测试，形成了漏洞暴露的时差；其三，软件安全更新即使持续进行，也存在旧漏洞尚未完成修复，新型安全隐患已不断涌现的情况，修复工作处于被动追赶状态。这些因素均使得网络漏洞和补丁的数量逐渐失衡。

随着网络漏洞和补丁的数量发生变化，网络攻防两端实力不对等的情况也在加剧。孔德亮列举多起前沿攻击的实例，如黑客组织开发“零日漏洞”供给链、OpenAI Agent首次自主完成钓鱼攻击、FunkSec勒索软件组织利用AI生成代码自主运营。各案例印证，利用AI工具挖掘网络漏洞，并利用AI工具开发漏洞攻击工具、辅助进行网络攻击的行为日益猖獗，AI对抗的网络攻击新时代已经揭开。

孔德亮认为，传统的网络安全防护静态化、人工化、单点化特点明显，对于动态攻击、高频攻击、全域攻击的防护作用有限，从而展现出四方面“内忧外患”。具体而言，其一，重点政企机构受到的威胁增大，对于网络秩序、企业和公众利益形成较强破坏性；其二，随着供应链整合程度与数字化程度提升，网络攻击的效果可能实现“以点带面”的连锁式、大范围后果。其三，企业内部人员以及数智资产形成数据泄露的风险逐渐提升；最后，在数据要素发展背景下，经过采集、标注、清洗、提炼等形成的高价值数据容易成为窃取目标，直接威胁企业核心竞争力与涉密机密安全。

针对双重失衡的行业痛点，孔德亮表明，需要正视“漏洞永远有”的现实背景，建立“带着漏洞防”的安全思维，进行系统化、一体化的网络安全改造升级。通过安全运营中心，在高效威胁情报的赋能研判下，指挥诸多安全产品实时对网络攻击查杀、封堵、溯源、反制。通过全面人工智能化的高位情报能力、中位运营能力、低位产品能力，实现“高中低”三位协同联动的一体化运营。

低位方面，进行AI+安全产品改造。通过部署充分数量和品类的安全工具，全面提升网络安全韧性。并推动安全产品MCP（大模型上下文协议）化，让智能体与安全产品高效互动，确保扫除防护盲区。

中位方面，进行AI+安全运营改造。通过打造研判指挥中心并相应配套威胁对抗中心、资产安全中心、访问安全中心、应用安全中心，形成“4+1”安全运营中心格局，依托动态防御，全面提升安全实战水平。

高位方面，进行AI+威胁情报改造。通过海量高质量多源异构的安全数据进行训练，形成能够帮助防御和智能运营做判断、下决策的“大脑”。 奇安信自研工业级安全垂直大模型，搭建万亿级安全专属数据语料库，持续跟踪全球66个APT组织，形成大量一线实战数据，为智能研判、威胁预判提供坚实的数据支撑。

孔德亮强调，AI时代为网络安全带来诸多变化，也重塑了网络攻防的对抗规则，在创造巨大价值的同时也应避免价值流失。未来网络攻防形势依然严峻，网络安全行业持续关注相关议题，保护各行业在AI时代安全、稳定、可持续地创造产业价值。