根據公司公布的測試結果，NOVA 在兩個月內分析了 3,915 個開源專案，並找出 14,090 個此前未知的漏洞。Unit 42 表示，其中 99.4% 過去未曾被報告，約 40% 被評為高或嚴重等級。

NOVA 的意義不只在於數量。相關報道指出，其中許多屬於語意或邏輯漏洞，而不是傳統自動化分析較常關注的記憶體破壞錯誤。這類問題可能涉及存取控制、路徑處理、伺服器端請求行為或程式碼注入防禦；要判斷它們是否構成漏洞，往往必須理解應用程式原本應有的運作邏輯。

與 AVDH 一樣，這些重點數據是供應商公布的結果。「此前未知」本身不能證明每一項發現都是具備實際可利用性的零日漏洞，而嚴重性評級也可能取決於所採用的評分框架。較為穩妥的結論是：多模型代理系統已開始具備大量找出安全候選問題的能力，而且速度可能遠超傳統人工審查流程。

為什麼發現得快，仍然不夠？

更快找到漏洞可以提升防禦能力，但若組織仍依賴緩慢的修補週期，也可能令危機擴大。CERT-EU 引述的估算顯示，漏洞平均被利用的時間（mean time to exploit）為負 7 天，意思是攻擊可能在修補程式廣泛提供之前便已開始。

這個指標改變了修補的角色。永久性的程式碼修正依然不可或缺，但它可能不再是第一個、或唯一有效的防禦動作。當開發人員仍在調查、測試、協調披露並分階段部署修補程式時，安全團隊也需要先降低系統暴露程度。

Palo Alto Networks：以網路層控制爭取修補時間

Palo Alto Networks 的 Frontier AI Critical Defense Program，旨在讓 AI 實驗室、軟體與開源組織，以及營運科技（OT）和醫療等產業，共同應對這個問題。計畫提出的做法，是部署網路層「虛擬修補」，在永久軟體修正推出前，先阻擋漏洞利用流量或濫用協定行為。

Palo Alto Networks 表示，其 Advanced Virtual Patching（進階虛擬修補）功能可在數小時內部署防護；相較之下，公司引用的傳統修補程式部署業界平均時間為 55 天。

不過，虛擬修補應被理解為補償性控制措施，而不是修正漏洞程式碼的替代方案。它是否有效，取決於安全團隊能否準確辨識攻擊路徑，以及網路控制能否在不干擾合法活動的情況下封鎖該路徑。若攻擊透過受信任的通道、加密流量、本機權限提升，或難以與正常使用區分的行為發動，防護覆蓋範圍也可能受限。

防守方能否重新取得優勢？

有可能，但不是單純加入一個 AI 掃描器就能做到。

較完整的防禦架構，應把多個階段串成一個持續運作的循環：

1. 繪製程式碼與攻擊面，讓代理人理解系統的實際功能。
2. 建立並審查威脅模型，再進行大規模漏洞假設生成。
3. 使用多個代理人與模型，從不同角度搜尋，並互相挑戰薄弱或錯誤的發現。
4. 重現並排序漏洞優先級，由人類專家根據證據確認其可利用性。
5. 進行披露並開發永久修補程式，透過適當的協調流程處理。
6. 立即遏制暴露面，部署網路控制或其他補償性措施。
7. 在軟體修補程式部署後驗證修復效果。

AVDH 與 NOVA 帶來的策略啟示是：真正的優勢來自協調與編排，而不只是模型輸出的內容。AI 可以大幅壓縮漏洞發現與驗證所需的時間，但防守方仍需要可信證據、審慎排序、具韌性的架構，以及能以相同速度執行修補和遏制的部署系統。

攻擊者同樣可以使用相近的模型，而虛擬修補既屬臨時措施，也受覆蓋範圍限制。因此，現實目標並不是消除所有零日風險，而是讓防禦方從「發現漏洞」到「遏制暴露」再到「完成修補」的整個循環，比攻擊者從發現漏洞到發動利用更快、更可靠。

根據公司公布的測試結果，NOVA 在兩個月內分析了 3,915 個開源專案，並找出 14,090 個此前未知的漏洞。Unit 42 表示，其中 99.4% 過去未曾被報告，約 40% 被評為高或嚴重等級。

NOVA 的意義不只在於數量。相關報道指出，其中許多屬於語意或邏輯漏洞，而不是傳統自動化分析較常關注的記憶體破壞錯誤。這類問題可能涉及存取控制、路徑處理、伺服器端請求行為或程式碼注入防禦；要判斷它們是否構成漏洞，往往必須理解應用程式原本應有的運作邏輯。

與 AVDH 一樣，這些重點數據是供應商公布的結果。「此前未知」本身不能證明每一項發現都是具備實際可利用性的零日漏洞，而嚴重性評級也可能取決於所採用的評分框架。較為穩妥的結論是：多模型代理系統已開始具備大量找出安全候選問題的能力，而且速度可能遠超傳統人工審查流程。

為什麼發現得快，仍然不夠？

更快找到漏洞可以提升防禦能力，但若組織仍依賴緩慢的修補週期，也可能令危機擴大。CERT-EU 引述的估算顯示，漏洞平均被利用的時間（mean time to exploit）為負 7 天，意思是攻擊可能在修補程式廣泛提供之前便已開始。

這個指標改變了修補的角色。永久性的程式碼修正依然不可或缺，但它可能不再是第一個、或唯一有效的防禦動作。當開發人員仍在調查、測試、協調披露並分階段部署修補程式時，安全團隊也需要先降低系統暴露程度。

Palo Alto Networks：以網路層控制爭取修補時間

Palo Alto Networks 的 Frontier AI Critical Defense Program，旨在讓 AI 實驗室、軟體與開源組織，以及營運科技（OT）和醫療等產業，共同應對這個問題。計畫提出的做法，是部署網路層「虛擬修補」，在永久軟體修正推出前，先阻擋漏洞利用流量或濫用協定行為。

Palo Alto Networks 表示，其 Advanced Virtual Patching（進階虛擬修補）功能可在數小時內部署防護；相較之下，公司引用的傳統修補程式部署業界平均時間為 55 天。

不過，虛擬修補應被理解為補償性控制措施，而不是修正漏洞程式碼的替代方案。它是否有效，取決於安全團隊能否準確辨識攻擊路徑，以及網路控制能否在不干擾合法活動的情況下封鎖該路徑。若攻擊透過受信任的通道、加密流量、本機權限提升，或難以與正常使用區分的行為發動，防護覆蓋範圍也可能受限。

防守方能否重新取得優勢？

有可能，但不是單純加入一個 AI 掃描器就能做到。

較完整的防禦架構，應把多個階段串成一個持續運作的循環：

1. 繪製程式碼與攻擊面，讓代理人理解系統的實際功能。
2. 建立並審查威脅模型，再進行大規模漏洞假設生成。
3. 使用多個代理人與模型，從不同角度搜尋，並互相挑戰薄弱或錯誤的發現。
4. 重現並排序漏洞優先級，由人類專家根據證據確認其可利用性。
5. 進行披露並開發永久修補程式，透過適當的協調流程處理。
6. 立即遏制暴露面，部署網路控制或其他補償性措施。
7. 在軟體修補程式部署後驗證修復效果。

AVDH 與 NOVA 帶來的策略啟示是：真正的優勢來自協調與編排，而不只是模型輸出的內容。AI 可以大幅壓縮漏洞發現與驗證所需的時間，但防守方仍需要可信證據、審慎排序、具韌性的架構，以及能以相同速度執行修補和遏制的部署系統。

攻擊者同樣可以使用相近的模型，而虛擬修補既屬臨時措施，也受覆蓋範圍限制。因此，現實目標並不是消除所有零日風險，而是讓防禦方從「發現漏洞」到「遏制暴露」再到「完成修補」的整個循環，比攻擊者從發現漏洞到發動利用更快、更可靠。