AI安全的下一场硬仗，终于有了作战地图。

被Google收购的云安全公司Wiz发布了一套新框架：AI Threat Readiness Framework。

AI Threat Readiness Framework 讨论的不是某一个漏洞，也不是某一次攻击。

而是一个更底层的问题：

当AI开始加速漏洞发现、代码分析和攻击验证，企业安全体系到底该怎么重建？

Wiz给出的答案很直接。

未来的安全准备度，核心只有两个指标：

行动速度，以及可见性广度。

前者决定企业能不能在风险被利用前完成修复。

后者决定企业是否真正看清了自己的暴露面。

这也是这份框架最值得关注的地方。

它不是把AI安全讲成概念，而是拆成了四个可以落地的能力模块。

减少关键风险。

加速补丁和响应。

用AI做深度代码审计。

用运行时上下文完成实时检测与处置。

AI把安全周期压缩了

过去，企业安全有一个默认节奏。

漏洞披露，安全团队研判，业务团队排期，最后上线修复。

这个节奏并不快，但大多数组织还能运转。

现在变量变了。

Wiz指出，前沿AI模型已经能够参与漏洞发现、利用生成和多弱点串联。

这会持续压缩“发现到利用”的时间窗口。

换句话说，企业过去用天、周来响应风险。

未来可能要按小时计算。

这不是简单的效率提升。

而是安全运营方式的变化。

谁能更快识别真实风险、验证可利用性、推动修复，谁就更接近AI时代的安全基线。

30%云环境，暴露面已经足够危险

Wiz在文章中给出了一组云环境数据。

30% 的云环境里，至少有一台高影响机器运行着对外暴露的软件。

这类资产今天未必存在已知可利用漏洞。

但在AI加速漏洞发现的背景下，它们会成为持续被审视的目标。

更关键的是，风险不只来自“机器上有没有敏感数据”。

Wiz数据显示，只有 2% 的组织把暴露软件运行在同时托管敏感数据的机器上。

但19% 的组织中，这些暴露系统拥有可访问敏感内部资产的IAM权限。

还有6% 的组织里，暴露系统存在通向管理员权限的路径。

这说明，AI时代的暴露面管理不能只看入口。

还要看入口之后能走到哪里。

一个外部应用、一个API、一个身份权限，可能共同构成真正的攻击路径。

第一根支柱：先把攻击面降下来

Wiz框架的第一根支柱，是减少关键风险和暴露面。

核心原则很明确：

敏感资产不应该直接暴露在互联网上。

对外暴露的软件，也不应该拥有过大的内部访问权限。

这听起来像安全常识。

但AI时代让这件事变得更紧迫。

因为攻击者不再只依赖人工筛选目标。

AI可以持续分析暴露应用、API、云配置和身份关系，自动判断哪里最值得打。

所以企业也必须用AI扫描自己的暴露面。

不只是看“有没有开口”。

还要看“这个开口是否可利用，利用后会影响什么”。

这一步决定后续所有动作的优先级。

第二根支柱：补丁响应必须流水线化

第二根支柱，是加速补丁和响应。

Wiz强调，AI正在缩短攻击窗口，企业不能继续把修复当成临时项目。

修复能力要变成一条持续流水线。

这里至少要处理三类问题：

  • 第三方软件漏洞。

  • 组织内部自研代码漏洞。

  • 云配置和权限路径带来的组合风险。

每一种风险的修复动作都不同。

有的需要升级依赖。

有的需要重建镜像。

有的需要修改代码。

有的需要收紧权限或移除暴露面。

Wiz框架的重点，是把这些判断自动化、上下文化。

不是看到CVE就全员救火。

而是判断哪一个风险真实可利用，哪一个资产最关键，哪一条修复路径最快。

第三根支柱：代码审计进入AI深水区

第三根支柱，是深度AI代码审计。

Wiz提到，在自己的Cyber Model Arena基准中，前沿模型已经完成接近一半挑战。

这背后代表的是一类新能力：

AI 不只是按规则扫代码。

它开始理解应用逻辑、认证授权流程、API 调用链和信任边界。

这对传统安全工具是一场冲击。

许多严重漏洞，并不是单行代码的问题。

而是多个组件、权限和业务逻辑组合起来后，才会暴露出来。

比如IDOR这类访问控制问题。

比如低危和中危漏洞被串联成真正可利用的攻击链。

Wiz 还提到，AI 正在降低二进制代码高危漏洞发现的复杂度，并引用了 GitHub RCE 漏洞 CVE-2026-3854 作为近期案例。

这意味着，代码安全会越来越依赖模型级推理。

未来的代码审计，不再只是“工具扫一遍”。

而是 AI 持续理解代码库、运行环境和真实攻击路径。

第四根支柱：运行时响应要带上下文

第四根支柱，是实时检测和响应。

Wiz的判断是，即便预防能力足够强，运行时风险仍然无法完全消失。

真正关键的是：

当告警出现时，系统能否立刻知道它意味着什么。

这需要把代码、云、运行时、身份、网络、工作负载和数据上下文串起来。

没有上下文，告警只是噪音。

有了上下文，AI才能判断这是恶意行为、安全测试，还是误报。

处置动作也要尽量标准化。

隔离工作负载。

撤销高风险权限。

阻断可疑通信。

轮换密钥。

创建事件。

通知负责人。

保留取证证据。

人类仍然负责审批关键动作。

但调查、归因和初步响应，必须更快。

Red Agent：把框架放进真实环境

Wiz文章里最有信息量的部分，是Wiz Red Agent。

这是一个模拟外部攻击者的AI安全智能体。

自公开预览以来，它每周扫描超过150,000个生产Web应用和API。

每周处理超过1000亿 tokens。

覆盖数百个企业环境。

结果是，它已经从识别基础设施漏洞，发展到稳定发现应用逻辑漏洞。

Wiz称，它每周能发现超过3,000个高危和严重的可利用逻辑漏洞。

这组数字说明一个趋势：

AI不会只出现在安全白皮书里。

它会进入真实生产环境，持续测试、验证和排序风险。

这也是企业安全团队必须提前适应的地方。

未来对抗的重点，不是“有没有AI工具”。

而是“AI工具能不能形成闭环”。

安全行业进入AI准备度时代

Wiz 这套框架，真正提出的是一个新标准。

企业不再只问自己有没有漏洞管理、有没有WAF、有没有SOC。

而是要问：

我能不能看清所有暴露面？

我能不能判断哪些风险真实可利用？

我能不能把代码、云、运行时和身份打通？

我能不能在攻击窗口关闭前完成修复？

这些问题，构成了 AI 时代的安全准备度。

Wiz 还提到，AI 也会提升防守端效率。

例如 Firefox 团队使用 Mythos 扫描后，4月修复的安全漏洞数量超过此前一整年。参见：Firefox体验Mythos挖洞！被吓到眩晕瘫坐，那一刻就像看到原子弹爆炸

这说明 AI 不是单向增加风险。

它也会成为防守方提效的关键工具。

但前提是，企业安全体系必须先完成重构。

下一阶段的安全竞争，

会发生在每一个云环境、每一个 API、每一个身份权限、每一次补丁响应里。

Wiz 这份框架的意义在于：

它把“AI 安全威胁”从抽象的焦虑，拉回到企业每天要处理的工程问题。

真正的变化不是 AI 会不会攻击。

而是安全团队是否已经准备好，用 AI 速度防守。

参考资料:https://www.wiz.io/blog/ai-threat-readiness-framework

声明：本文来自玄月调查小组，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。