北京
人工智能正在为安全研究人员提供新的代码审查、异常行为追踪和漏洞识别手段，能够发现传统工具可能忽略的问题。这种压力在零日漏洞领域尤为明显。Minimus公司的最新分析探讨了容器组成、依赖记录和重建速度如何影响未知漏洞暴露后的响应效率。然而，更快的分析只有在组织同时能够定位易受攻击软件运行位置的情况下才能发挥作用。
2026年5月，谷歌威胁情报集团报告了首例其认为威胁行为者利用人工智能协助开发零日漏洞的案例。该漏洞出现在一个Python脚本中，在已有有效凭据的情况下，绕过了某款广泛使用的开源系统管理工具的双因素认证。
研究人员表示，他们有充分信心认为某个人工智能模型同时协助了漏洞发现和武器化过程。评估依据包括脚本中异常详细的指令注释、伪造的漏洞评分，以及与生成输出相关的高度结构化编码风格。谷歌并未声称整个操作是自动化的，也未将代码归因于某个特定模型。
该漏洞本身才是这一案例意义重大的原因。它涉及的是硬编码的信任假设，而非崩溃、内存错误或危险输入。模糊测试和静态分析工具非常适合发现许多传统实现问题。而语言模型还可以审查权限、功能和预期行为在整个代码库中如何相互作用，这为发现不留明显技术痕迹的逻辑矛盾提供了另一条途径。
谷歌更广泛的数据表明，这并非孤立的担忧。根据谷歌威胁情报集团2025年的分析，研究人员在2025年追踪到90个被野外利用的零日漏洞，而2024年为78个，同比激增约54%。企业软件和设备占据了这些漏洞的很大比例。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
