AI驱动的漏洞搜寻时代，为何风险评分至关重要

F5 ADSP | 2026年6月09日

Jay Kelley产品营销高级经理 | F5

Debrup Ghosh首席产品经理 | F5

仿佛已是很久以前，安全团队担心攻击者会手动试探应用，寻找可利用的漏洞。

短短几个月后，如今再看这种漏洞利用方式，几乎显得有些过时了，不是吗？

随着前沿AI模型以及Claude Mythos等项目应用于应用程序代码和开源生态系统，漏洞发现的速度在极短时间内呈指数级提升，扩展能力大幅增强，成本也显著降低。利用这些已发现漏洞的潜在攻击活动同样如此。

“团队可以依靠动态威胁评估，精准识别真正的恶意行为，同时确保合法流量畅通无阻。”

如今，不再只是由单个研究人员发现漏洞。AI可以快速分析代码仓库、识别不安全模式，并帮助生成漏洞利用路径。这带来了新的现实：更多漏洞将被更早发现，也会更快被武器化利用。

对于Web应用和API，以及全球数百万开发和使用它们的组织而言，问题已不再是：“我们会遇到漏洞利用尝试吗？”而是：“哪些漏洞利用最值得关注？我们能否及时阻止这些漏洞利用？”

问题：利用攻击加速涌现，WAF噪声令人应接不暇

Web应用防火墙（WAF）是阻止常见攻击的关键控制措施。但传统WAF往往只能做出简单粗暴的选择：允许或拒绝访问应用或API。这可能使安全团队陷入棘手且耗时的循环：大量告警中包含误报和低优先级事件，需要专家手动（也就是缓慢地）调优，才能在不中断正常流量的情况下减少噪声；与此同时，专家却越来越少（也就是技能和知识缺口不断扩大）。

与此同时，AI辅助的攻击者不会因为安全运营团队积压了大量工作而放慢脚步。事实上，他们正是利用安全运营团队不堪重负、资源过度占用，甚至疲于应对的处境。

从“告警”转向“优先事项”

因此，风险评分已变得不可或缺。

目前，对WAF发出的每个信号赋予相同权重会产生过多警报，导致本已工作繁重的团队出现警报疲劳。此外，这种方式还会产生过多误报，给应用用户带来困扰。

SecOps团队需要持续权衡：不断调整WAF签名，在保持强大防护能力的同时尽量减少误报。手动调优WAF十分复杂，通常需要安全、开发和运维团队投入大量时间进行协调，而这些团队往往已经不堪重负。当决策需要在速度、准确性和跨团队投入之间取舍时，修复进度会放缓，风险敞口也会持续存在。因此，如今比以往任何时候都更需要由AI驱动的先进WAF能力。

基于风险的模型不会对所有WAF信号一视同仁，而是回答一个真正的运营问题：“应优先处理什么，才能最大限度地降低风险？”

面向应用的风险模型会提供风险评分，将复杂的安全数据转化为可量化的指标，并综合利用多种信号和输入。风险评分会衡量漏洞的可利用性、业务关键程度和数据敏感性。将这种深度的上下文应用于应用漏洞，有助于改进和简化补丁优先级排序，提高资源分配效率，并弥合技术风险与业务影响之间日益缩小的差距。

对漏洞风险进行评级，有助于识别最紧迫的关键威胁，避免告警疲劳，使安全团队能够修补或虚拟修补可能对组织及其用户造成最大潜在损害的漏洞。风险评分可为防护提供背景信息并确定优先级，还有助于规范基于风险的安全方法所需的证据，从而简化合规要求的应对工作。

F5 AI 驱动的 WAF

在今年早些时候发布的博客“简化Web应用安全防护：F5 AI驱动的WAF如何革新WAF安全,”中，我们探讨了F5 Distributed Cloud WAF中的AI驱动型WAF功能如何推动Web应用保护实现显著进步：在减少误报的同时增强安全性，并减轻SecOps团队持续手动调优的负担。AI驱动型WAF改变了应用安全决策的方式，帮助团队从配置繁重的规则管理转向以结果为导向的安全防护。

团队无需再无休止地调整成百上千条特征规则，而是可以依靠动态威胁评估，精准识别真正的恶意行为，同时确保合法流量顺畅通过。因此，组织可以更快切换到阻断模式，立即获得防护，并大幅降低对真实用户造成干扰的风险。

Distributed Cloud WAF中的AI功能现在可以通过一个直观的数值评分来量化威胁严重程度。这与许多安全团队已采用的公式非常相似，即“风险 = 可能性 × 影响”，只是将其转化为一个数值评分，便于团队立即进行分级处置。

该数值评分由可能性评分构成，用于衡量安全事件演变为实际攻击的概率，而非正常流量或误报的概率。

其中还包括影响评分，用于量化可能发生的安全事件一旦演变为成功攻击，情况会有多严重。该评分采用与实际后果相关的指标，例如机密性、完整性和可用性，以及漏洞利用预测评分系统（EPSS）和漏洞利用代码成熟度等信号。