Palo Alto如何用Claude与GPT-5.6-Cyber做“持续进攻式防御”

Palo Alto Networks正把Unit 42 Continuous Frontier AI Defense定位为从阶段性渗透测试转向持续、专家主导的进攻式安全服务。该服务以年度订阅形式在全球提供，通过专有的多模型AI编排系统，结合Anthropic的Claude Mythos 5、OpenAI的GPT-5.6-Cyber和开放权重模型，以及Unit 42专家团队，持续发现企业暴露面、测试其是否可被利用，并协助推进修复。12

不再只是一次测试，而是持续验证

传统进攻式安全测试通常提供的是某个时点的快照：团队在既定范围内评估环境、提交问题报告，项目随即结束。Palo Alto表示，新服务是在此前Frontier AI Defense基础上的延伸，将一次性分析升级为常态化模式；当企业环境发生变化时，系统会重新进行测试。23

其覆盖范围包括Web应用、API（应用程序编程接口）、身份系统、云基础设施和网络资产。服务的目标不只是罗列“可能存在的问题”，而是识别潜在攻击路径，并判断哪些问题应优先修复，以免攻击者抢先利用。12

这一区别至关重要：发现漏洞，并不等于漏洞在生产环境中一定能构成可行的入侵路径。现有防护、访问控制和具体部署条件，都可能影响实际可利用性。Unit 42强调的是验证真实世界中的可利用性，而不是把每一项发现都视为同等紧急。243

Claude Mythos 5和GPT-5.6-Cyber分别做什么

Palo Alto采用的是明确的多模型策略。其编排层会在Claude Mythos 5、GPT-5.6-Cyber和开放权重模型之间分配进攻式安全任务，而不是让单一模型完成全部流程。12

公司称，这套系统利用模型面向网络安全的推理、代码生成和多步骤工作流能力，开展持续测试。实际目标包括：

• 在企业技术资产中发现弱点与暴露面；
• 调查可能形成的攻击路径；
• 验证这些路径能否在真实环境中被利用；
• 根据由此得出的风险，协助确定修复优先级。29

Palo Alto尚未公布对这些模型进行完整、独立的性能基准测试，也未公布一项通用比例来说明“被发现的问题中有多少最终能成为有效攻击”。因此，对服务效果的表述应视为公司公布的产品主张，而非经过独立审计的安全成效。

为什么仍需要Unit 42专家

Palo Alto并未把这些模型描述成可完全无人值守、取代安全从业者的方案。Unit 42的进攻式安全专家和威胁情报仍是服务的一部分：他们为AI发现提供环境与业务语境，验证攻击路径，并帮助客户把结果转化为可执行的修复措施。210

据Palo Alto介绍，输出内容可包括按优先级排序的代码级修复建议，以及“虚拟补丁”建议。所谓虚拟补丁，是在永久修复上线前，通过安全控制来阻断已知或疑似利用行为。人工参与的重要性在于：同一个技术问题在不同企业中，可能对应不同的业务影响、运维约束和修复选择。2

企业实际购买的是什么

这项服务以年度订阅方式在全球提供，面向希望对整体技术资产持续进行测试与修复支持的企业，而不只是进行一次暴露面检查。116

它也回应了攻击节奏的变化。安全厂商普遍认为，前沿模型可加快漏洞发现、漏洞利用链推理和概念验证代码生成的速度。不过，这些能力能否稳定地在具有多层防御的生产环境中造成成功攻击，仍是另一回事。414243

放到网络安全股上涨与AI安全投资叙事中看

该公告发布之际，网络安全股正受到追捧。投资者一边评估AI安全警告和网络威胁加速的影响，一边押注企业安全投入可能上升。CNBC报道称，在多位AI领域知名人士呼吁放缓模型能力提升后，部分AI相关股票下跌，而网络安全股走高。18

乐观的逻辑并不复杂：随着企业部署更多AI系统和自主代理，它们可能需要加强对应用、身份、数据访问和基础设施的保护。如果客户认为这是跟上漏洞发现与利用速度提升的必要投入，持续暴露面测试可能成为一类经常性安全支出。217

但要把这一逻辑变成可持续的收入故事，还需要更硬的数据。投资者需要看到企业是否将这项服务作为新增预算购买、是否续订年度订阅，以及是否随着时间扩大使用规模。目前公开来源并未说明该服务的定价、订单额、续约表现或新增需求。116

结论

Unit 42 Continuous Frontier AI Defense将多模型AI系统与专家主导的进攻式安全服务结合起来，持续发现、验证并协助修复企业暴露面。其核心主张是：当AI提高漏洞发现和攻击路径分析速度时，防守方需要的不能只是定期扫描，而是持续测试。12

战略逻辑具备合理性，但商业结果仍有待验证。对AI赋能攻击的担忧确实可能推动安全工具需求；不过，只有采用率、续约率及后续订单数据，才能证明它是否会成为企业安全支出的长期增长来源。