AI代理链正在重塑漏洞发现：防守者能否赶上攻击者的速度？

网络安全攻防竞赛正在越来越像一场争夺时间的比赛。前沿AI模型可以帮助安全团队审查海量代码库、发现异常攻击路径，并验证疑似漏洞是否真的可利用。但同样的加速能力，也可能让攻击者更快地将漏洞武器化——有时，攻击者完成利用的时间甚至短于企业制作并部署传统补丁所需的时间。

Mandiant的代理式漏洞发现工具链（Agentic Vulnerability Discovery Harness，简称AVDH）与Palo Alto Networks的NOVA系统，分别展示了新型防御模式的两个关键环节：先利用AI代理进行漏洞发现与验证，再通过网络控制快速遏制风险。

AVDH：把源代码审查拆成一条专业代理流水线

AVDH并不是一个“一键扫描”的单体工具。Google Threat Intelligence Group介绍称，这是Mandiant在安全评估、事件响应及相关调查中使用的一套多代理工作流。它能够分析包含数千万行代码的环境，运行数千条分析流水线，并生成数以万计的发现结果。

流程首先从建立上下文开始。探索代理会分析代码库，判断软件的设计目的，查阅现有文档，并找出值得深入检查的区域。随后，专用代理可以分别审查身份认证、权限控制、路由等安全相关领域。

接下来，威胁建模综合阶段会汇总这些观察结果。关键在于，流水线继续运行前，生成的威胁模型要先由人类顾问审核。这样一来，后续代理面对的是一张针对具体应用的安全地图，而不是在源代码中“盲人摸象”。

在漏洞发现阶段，代理会分析入口点、数据流及其周边代码上下文，提出多个漏洞假设并分别调查；不同代理还会相互质疑对方的结论。系统随后综合证据，形成候选发现。只有在顾问复现概念验证漏洞利用后，相关缺陷才会被视为已验证问题。

这种架构的价值，在于把覆盖范围与安全判断分开。一个代理可以负责广泛搜索，另一个追踪具体攻击路径，还有一个尝试推翻前面的判断。人工验证则是抵御误报、避免错误理解软件运行逻辑的最后一道重要防线。

Mandiant称AVDH已发现大量漏洞

Google表示，AVDH已在内部运行约10个月，并在广泛使用的网页扩展和开源项目中发现数十个可分配的漏洞。这些工作已产生12个已分配的CVE编号，另有大约十几个漏洞正在进行中的披露流程。

在一项涉及企业代码仓库被窃的事件响应调查中，外部报道表示，这套工具链在两天内帮助发现了超过100个经验证的高严重性漏洞。

这些数字体现了AI辅助审查的潜在规模，但需要谨慎解读：它们是Mandiant及相关报道披露的实际运营结果，并非经过独立审计、与传统安全测试进行严格对比的基准数据。此外，新发现或此前未公开的漏洞，也不能自动被称为正在被利用的零日漏洞；“此前未知”并不等于“已经在野外遭到攻击”。

NOVA：用多个前沿模型寻找开源漏洞

Palo Alto Networks的Unit 42将NOVA，即“网络与开源漏洞分析器”（Network and Open-Source Vulnerability Analyzer），描述为一个用于自动发现、验证和报告漏洞的系统。它依托专有代理工具链，并由多个前沿AI模型提供支持。

据该公司公布的测试结果，NOVA在两个月内分析了3,915个开源项目，发现了14,090个此前未知的漏洞。Unit 42表示，其中99.4%此前未被报告，约40%的漏洞被评为高危或严重级别。