当AI能够以比顶尖人类研究人员更快、更低成本且更大规模的方式发现严重软件漏洞时，每位CISO都面临以下紧迫问题：距离开源漏洞必须修复还有多长时间？目前跟踪的漏洞有多少，是几个、几十个，还是数千个？现有防御体系能否应对当前威胁涌现的速度和规模？
如今，AI模型不仅能编写代码，还能读取代码、理解其意图，并准确定位故障所在。在发现和利用软件漏洞方面，这种能力已超过绝大多数人类，仅有技术最精湛的专家能够与之匹敌。
作为该计划核心的前沿模型，Claude Mythos Preview已发现数千个高危漏洞，其中一些存在于主流操作系统和Web浏览器中。部分漏洞历经数十年人工审查和数百万次自动化安全测试，仍未被发现。
“现在就行动，利用AI实现WAF策略自动执行的组织，将把安全能力转化为竞争优势。”
支撑银行系统、医疗记录、物流网络和电网的软件一直存在漏洞。但过去，发现并利用这些漏洞需要少数人才具备的专业知识。AI已大幅降低了所需的成本、投入和技能门槛。按照AI的发展速度，此类能力很快就会普及，并可能扩散到无法确保安全使用这些能力的行为者手中。
这对网络安全防御人员意味着什么
曾经停留在理论层面的担忧如今已成为运营现实：AI驱动的漏洞发现无论在数量还是速度上都大幅提升，漏洞披露到被主动利用之间的时间窗口也随之缩短。
每个安全组织都面临一个问题：能否像对手利用AI发起攻击一样，积极利用AI开展防御。在这种环境下，仅依靠静态的基于签名的防御已不足以应对威胁。如果AI模型能在数周内发现数千个新的高严重性漏洞，安全团队仅靠人工根本无法足够快地编写、测试、调优和部署签名，既跟不上漏洞发现的速度，更无法应对攻击者的行动节奏。
当机器智能不断向漏洞发现流程输送新漏洞时，传统的Web应用防火墙（WAF）运维周期将难以为继：对告警进行分类处置、与开发人员共同验证、实施例外规则，并针对每个应用和每次发布重复这一流程。本已人手紧张的团队将更加难以跟上进度，导致组织恰恰在最无法承受风险的时刻暴露于威胁之中。
Project Glasswing Era为何会改变WAF的运营模式
Project Glasswing揭示的不只是漏洞，还揭示了一个速度问题。
Claude Mythos Preview能在短短几周内发现主流操作系统和Web浏览器中的数千个高严重性缺陷。在这种情况下，每出现一个新漏洞，就意味着一场与时间的赛跑：能否在攻击者将发现的漏洞武器化之前，尽快检测、分类处置并阻止利用尝试？这场竞赛一直存在，但AI大幅缩短了应对时间。
具体而言，这给WAF带来了三重叠加压力：
1. 仅靠特征码流程无法跟上变化速度：对于已知威胁，特征码仍然不可或缺，可对已收录的漏洞利用实施高置信度的确定性阻断。但特征码本质上是一种被动响应机制：必须先有人识别漏洞、编写规则、进行测试并完成部署。当漏洞发现流程以AI的速度推进，持续涌现数以千计的新发现时，仅依赖特征码的策略会导致从发现到防护之间的缺口不断扩大。
2. 调优成本成为安全隐患：许多WAF项目都停滞在一个常见阶段：系统已部署并持续发出警报，但由于调优成本高、需要跨职能协作且存在风险，阻止模式迟迟未能启用。在Glasswing出现后的环境中，这种延迟不只是运营上的不便，更是可衡量的安全隐患。在转入强制执行前，每多花一周进行调优，新发现的漏洞就可能多一周被用于攻击未受保护的应用。当AI能够自主发现内核漏洞并将其串联利用，从用户访问权限逐步提升至完全控制系统时，“已部署但未强制执行”所带来的代价比以往任何时候都更高。
3. 防御方需要以AI速度应对AI速度：如果AI正在加速攻击，防御也必须相应提速。这意味着安全控制措施需要能够利用多种信号实时评估威胁、动态评定风险并执行决策，而无需等待人工参与的调优周期。
F5如何应对
我们预见到了这一转变，因此，F5 Distributed Cloud Services中的AI驱动型WAF正是为这一新现实而构建。它在特征码的基础上增加了多层分析，包括精选的特征码组合、上下文攻击指标和实时机器学习（ML）模型；同时还提供零日攻击检测，用于发现正被主动利用的未知威胁，并通过异常检测识别任何特征码或规则都无法预见的行为偏差。系统会为每个请求动态分配风险级别，帮助团队更快切换到阻止模式，减少误报，同时避免传统WAF部署中阻碍进度的运维复杂性。
每位CISO都应在本季度思考以下三个问题，以评估准备情况：
- 能否应对如此庞大的数量？现有的漏洞管理流程是按照新发现以人工速度出现的情况构建的。当AI在数周内发现数千个高严重性缺陷时，您的团队能否足够迅速地识别、确定优先级并修复这些缺陷，还是积压问题只会不断增加？
- 能否检测从未见过的威胁，并在数秒内响应？零日攻击不会等到特征码就绪。您的安全技术栈能否实时检测此前未知的威胁？出现新漏洞时，检测逻辑又能多快完成更新？如果还需要手动编写规则并走变更控制流程，就已经落后了。
- 您是在阻止攻击，还是仅仅监控？您的应用组合中，有多少应用通过阻止模式得到主动保护，又有多少处于监控模式？每个停留在监控模式的应用，都只能让您看到入侵发生，却无法阻止入侵。这一差距正是您尚未缓解的实际攻击面。
大多数企业都部署了WAF，但真正启用拦截的企业寥寥无几。策略调优需要投入大量时间并具备专业知识，而安全团队往往缺乏这些资源，导致WAF一直停留在监控模式。
结果如何？安全预算中有一项支出，却未能真正保护业务。随着AI驱动的攻击加速演进，这一缺口将成为关乎组织生存的风险。现在就利用AI实现WAF策略执行自动化的组织，将能把安全能力转化为竞争优势。
要详细了解F5 Distributed Cloud Services中的AI驱动型WAF，请访问F5 Distributed Cloud WAF网页。
另请参阅我们之前发布的博客文章《补丁窗口期已结束，了解F5如何应对未来挑战》。
关于作者
相关博客文章
WAF和API发现技术在保护智能体AI应用中的作用
智能体AI系统的功能和集成会在运行时快速变化。要以同样的速度保障其安全，需要通过API发现和Web应用防火墙（WAF）实施切实可行的控制措施。
