梁满，上海市大数据中心
数字政府建设是推进国家治理体系和治理能力现代化的重要引擎。以“一网通办”为代表的政务信息系统建设在全国多地快速推进，在提升治理效能的同时，也面临日益复杂的安全漏洞风险。漏洞一旦被利用，可能导致政务数据被越权访问、泄露或篡改，甚至引发业务中断和系统性安全事件，后果尤为严重。
在此背景下，人工智能（AI）技术为漏洞治理带来了新的可能。大模型与智能体技术在漏洞智能挖掘、代码审计与攻击路径分析等方面展现出潜力，正在推动漏洞治理从人工密集型向智能化、自动化方向演进。与此同时，AI系统自身的安全性也日益受到关注，例如，据央广网2026年7月15日报道，在“国家级攻防演练前置专项排查”中，360“破阵子”渗透测试智能体对132家关键基础设施单位开展检测，累计发现有效漏洞312个，其中AI新型安全漏洞46个，涵盖提示词注入、智能体越权等风险。这要求在推动AI赋能漏洞治理的同时，应同步关注AI系统自身的安全问题。
近两年的技术迭代使AI在网络安全领域的能力已从实验室验证走向真实业务场景。当前，AI与安全的融合正经历从“能力验证”到“场景闭环”的关键转折。行业关注的焦点已不再是大模型是否“懂安全”，而是AI能否进入真实安全体系并稳定承担漏洞发现、研判、修复建议等具体任务。这意味着AI赋能漏洞治理的核心命题，已从技术可行性验证转向系统化落地能力建设。如何系统审视AI赋能政务漏洞治理的实践成效与现实困境，探索聚焦于漏洞治理全流程的优化路径，是当前亟待回应的课题。
一、政务系统漏洞的风险图景与传统治理局限
以某市为例，截至2026年，该市“一网通办”平台已汇集服务事项逾3000项，累计办件量超8亿件，网办率超80%，其背后汇聚的海量敏感个人信息与高价值数据，使得漏洞治理的紧迫性尤为突出。传统防护模式在漏洞发现后依赖人工研判与修复，在漏洞被利用之前缺乏主动的、规模化的防御能力，面对日益智能化的攻击手段难以有效应对。以下从风险特征与传统治理的局限性两个层面加以剖析。
(一)政务信息系统的漏洞风险特征
政务信息系统的漏洞具有突出特征。
一是业务逻辑漏洞构成突出隐患。复杂业务系统中潜藏着权限控制、接口鉴权等方面的安全隐患，这类漏洞隐蔽性强，传统基于规则匹配的扫描工具难以有效覆盖。业务逻辑漏洞的检测本质上需要理解“系统应该做什么”与“系统实际做了什么”之间的差异，这对自动化检测工具提出了远超传统漏洞扫描的能力要求。
二是供应链安全漏洞不容忽视。政务系统大量依赖开源代码和第三方组件，供应链攻击具有“上游投毒、下游扩散”的隐蔽特征。随着AI能力在政务场景的部署，AI算力基础设施、基础软件中存在的供应链安全风险，可能为攻击者渗透政务系统提供新的入口。
三是数据安全风险后果严重。政务数据涉及公民隐私，部分数据关系国家安全，数据泄露、滥用、篡改的后果尤为严重。超范围接入使用政务数据等问题，进一步加剧了数据泄露风险。
四是AI自身存在的新型漏洞已成为现实威胁。随着大模型在政务领域的引入，提示词注入、智能体越权、数据投毒等新型攻击面不断涌现。
上述四类风险分布于系统设计、外部依赖、数据处理与新兴技术等不同层面，相互叠加形成政务系统特有的复杂风险图谱，任何一类疏漏都可能引发连锁效应，对政务业务的连续稳定运行构成严重威胁。
(二)传统漏洞治理模式的局限性
传统的政务系统漏洞治理模式存在多重局限。
一是“被动响应”而非“主动防御”。传统漏洞治理模式遵循漏洞“发现—报告—修复”的线性流程。从漏洞引入、被发现到被修复之间存在时间差，攻击者往往比防御方更早发现并利用漏洞。传统的事后补救式防御已难以应对体系化、智能化的新兴威胁。比如，2026年7月，Sysdig披露了首例由AI大模型智能体自主驱动的勒索软件攻击案例——JadePuffer（参见Sysdig《2026年云原生威胁报告》）。该AI利用开源框架Langflow中一个无需身份验证的远程代码执行漏洞（CVE-2025-3248，CVSS评分9.8）获取初始访问权限，随后在无需人工干预的情况下，自主完成侦察、横向移动、权限提升、数据加密及勒索投放等完整攻击链。整个攻击在极短时间内执行了超过600个独立载荷，进入内网后仅数分钟便加密了1342条Nacos配置记录。当一次操作失败时，该智能体在31秒内自主完成诊断与修复。这一案例表明，AI驱动的攻击已将攻击时间线从传统的数周压缩至数小时乃至分钟级，远超人类安全团队响应速度所能覆盖的范围。
二是人工依赖限制处置效率与覆盖范围。漏洞挖掘、分析、修复高度依赖安全专家的经验与技能，人工效率低、覆盖面有限，难以应对规模化、智能化的攻击手段。
三是漏洞治理呈现碎片化特征。不同系统、不同部门的漏洞管理缺乏统一的漏洞情报共享与协同处置机制，导致同一类型漏洞在不同系统中反复出现。
加之合规要求日益严格，网络安全等级保护、商用密码应用安全性评估等制度对漏洞管理能力提出更高标准，传统模式已难以为继。
二、人工智能赋能漏洞治理的探索实践
AI赋能漏洞治理的基本思路，是将AI能力嵌入漏洞治理的关键环节——从漏洞的智能化发现到辅助研判，从自动化修复建议到基于反馈的持续优化。以某市为代表的部分先行城市在推进AI赋能政务漏洞治理方面进行了制度、技术、机制三个维度的探索。
(一)制度先行：为AI赋能漏洞治理搭建合规框架
部分先行城市在AI赋能政务安全方面构建了较为完整的政策与制度体系。在法规层面，相关城市的AI产业发展条例为政务系统引入AI技术提供了法律依据；数据条例对个人信息保护作出规定，为漏洞治理中的数据采集与共享划定了合规边界。在政策层面，相关城市率先开展“人工智能+政务服务”行动，明确了“政务智慧升级”方向。在治理机制层面，部分地方已建立大模型评测体系，搭建AI应用评测平台，为AI赋能漏洞检测工具的评估与认证提供了标准参照。这些制度安排为AI赋能漏洞治理提供了合规框架与评测标准。
(二)技术突破：AI驱动的漏洞检测能力升级
在漏洞检测领域，部分先行城市已形成多项具有代表性的技术实践。
一是基于大模型的自动化漏洞发现。相关城市网信部门举办网络安全技术沙龙，有观点提出应构建基于大模型辅助的自动化漏洞发现体系，打造“文档分析—代码解析—权限验证”三位一体的立体检测框架，推动实现“接口识别—权限提取—差异比对—漏洞报告”的闭环检测流程。这一框架突破了传统漏洞挖掘对个人经验的依赖，让大模型“学会”业务逻辑后，检测能力不再因人员变动而大幅波动。
需要说明的是，当前大模型在漏洞检测中的应用仍有其能力边界。验证代码是否准确实现业务逻辑在理论上属于不可判定问题，完全自动化的验证尚难实现。这意味着不存在一种通用算法能够对任意代码判定其是否完全符合业务意图。实务中的应对策略是缩小问题范围，即将验证聚焦于关键业务接口、高危权限操作和数据流转路径，通过“AI语义理解发现可疑逻辑+静态分析工具回溯调用链+人工专家最终确认”的组合方式，将不可判定问题转化为可操作的风险评估流程。当前业界实践多采用这一混合模式。据报道，某AI代码审计智能体在重点行业头部客户的复合工程业务代码测试中，检出59个漏洞，误报率约为10%，其中包含17个业务逻辑漏洞；而相比之下，某传统静态应用安全测试（SAST）工具检出30个漏洞，误报率达60%。这表明AI在深层业务逻辑分析方面正逐步接近专业安全审计水平，但当前仍无法完全替代人工研判。
从能力演进逻辑看，大模型在漏洞发现中的应用遵循“先探索能力边界、再蒸馏落地”的路径：前沿模型负责探索漏洞理解与推理的能力天花板，验证可行后，通过模型蒸馏、微调与智能体编排等技术手段，将能力转化为适用于政务场景的轻量化、可控化工具。这一逻辑为AI漏洞检测从实验室走向规模化应用提供了技术路径参考。
在AI代码审计的规模化探索方面，该市的政务数据管理机构已开展AI代码审计及日志分析能力的研究应用，在100余个系统中进行了试点，验证了AI在代码层面的漏洞发现能力，为后续推广积累了实践经验。
二是安全众测与AI辅助渗透测试。在常态化安全众测方面，相关机构已组建网络安全攻防联合实验室，组织安全厂商对200余个信息系统开展渗透测试，发现可利用漏洞500余个。AI的引入并非替代众测中的人工渗透，而是将专家经验沉淀为可复用的智能体能力，即通过智能体自动化执行部分测试用例、辅助分析测试结果，从而进一步提升众测的效率与覆盖面。
三是区块链智能合约漏洞检测。随着区块链技术在政务领域的逐步应用，如电子证照存证溯源、跨部门身份认证、公共资源交易等场景，智能合约的安全性成为新的关注点。据澎湃新闻报道，2025年6月，上海计算机软件技术开发中心在第十一届上交会推出基于DeepSeek大模型的区块链智能漏洞检测系统，针对重入攻击、整数溢出等11类智能合约高危漏洞构建精准识别模型。该系统不仅能以较高准确率检出隐患，更能自动生成修复方案，从检测到修复的闭环流程可将人工筛查效率提高约十倍。这一技术已在金融、政务区块链平台实测中验证价值。
四是漏洞情报库的智能化建设。在漏洞情报能力建设方面，相关机构已建立漏洞情报库，累计收录漏洞2万余个，经匹配涉及200余个系统，排查加固组件风险1.5万余个。这一基础为AI驱动的漏洞预警与优先级排序提供了数据支撑，通过将AI能力嵌入漏洞情报的自动化匹配与影响面分析，可有效提高从漏洞披露到内部排查的响应效率。漏洞情报库同时支撑基于资产重要性、可利用性与业务影响的综合优先级排序，为AI辅助决策提供依据。
(三)机制探索：全链条漏洞治理架构的构建
部分先行城市启动建设政务智能应用测评验证中心（以下简称“测评验证中心”），旨在系统性地构建“人才培育—场景创新—安全保障”三位一体的政务智能发展生态。其中，测评验证中心定位于政务智能化应用的专业检测，构建覆盖“事前评估、事中验证、事后评价”的全链条评测体系。这一机制设计的核心价值在于将漏洞治理从“漏洞出现后再修补”推向“上线前即发现并阻断”，即通过在上线前对政务智能应用进行全面的安全评测，在源头减少漏洞引入的可能。
三、AI赋能漏洞治理面临的关键问题
相关探索已初见成效，但AI赋能政务漏洞治理在走向规模化应用的过程中，仍面临若干关键问题。
在技术层面，AI漏洞检测工具的能力边界尚需清晰界定。当前，大模型虽然在漏洞发现中已能发挥重要的辅助增效作用，但在复杂业务逻辑验证、跨模块数据流追踪等场景中仍存在局限。算法可解释性不足是另一重要“瓶颈”，深度学习模型的黑箱特性使安全分析结果的溯源与验证面临困难，这在政务场景中尤为敏感。面向政务场景的AI漏洞检测工具评测标准仍需进一步细化。
在制度与管理层面，AI赋能漏洞治理的制度框架尚在构建之中。现有漏洞管理制度多基于传统信息系统的安全假设，而AI驱动的漏洞检测工具具有持续迭代、动态学习等特征，传统“一次性评测”的逻辑面临适应性挑战。漏洞分级处置、修复时限、责任划分等关键环节在AI辅助场景下如何适配，仍需要明确的制度安排。
在人才与能力层面，复合型漏洞治理专业人才不足。既掌握漏洞分析技术又擅长使用AI辅助工具的复合型人才较为稀缺。各区、各部门在技术能力、资源投入方面存在明显差异，这制约了AI赋能漏洞治理的规模化推广。
此外，从技术路线来看，AI赋能漏洞治理存在“模型能力中心化”与“系统工程中心化”两种不同取向，针对何者更契合政务场景的安全需求，当前路径尚不清晰，仍需在实践中加以检验。
四、聚焦漏洞治理的优化路径
推动AI赋能政务漏洞治理规模化应用，需要在技术、制度、能力三个维度协同推进。政务场景对可靠性、可审计性的高要求，决定了当前实践更接近“系统工程中心化”路线，即AI应作为漏洞治理流程中的推理节点，而非完整解决方案。基于这一定位，漏洞治理的具体优化路径如下。
(一)技术路径：提升AI漏洞检测的实效性与可信度
如前所述，大模型应作为漏洞治理流程中的推理节点。基于这一定位，技术路径应聚焦于以下三个方面。
一是推动基于大模型的自动化发现方法从试点验证走向规模应用，通过工程体系（静态分析工具、漏洞验证环境、人工审核流程）弥补模型在可解释性、确定性方面的不足。坚持“AI发现+人工研判”的混合模式，在实践中不断积累数据、优化模型。
二是发挥测评验证中心的支点作用，将“先测评后上线”原则嵌入政务智能应用全生命周期，建立面向AI漏洞检测工具的常态化专项评测机制。同时，坚守“安全左移”理念，在系统规划、开发、测试阶段即嵌入AI辅助的代码审计与安全测评，从源头减少漏洞进入生产环境的可能。
三是推动安全体系从“被动修补”走向“主动防御”，利用AI可更快、更全面地发现漏洞风险，并将漏洞情报实时转化为防护能力，实现“监测—发现—修复—验证”的持续闭环。
(二)制度路径：构建适配AI时代的漏洞治理制度框架
在立法层面，应在现有法规基础上制定针对政务系统智能化漏洞治理的专项规范，明确AI辅助漏洞发现、研判、修复等环节的合规要求与责任划分。
在管理层面，需建立覆盖漏洞发现—验证—修复—复测—闭环的全生命周期管理制度。在漏洞分级处置方面，可依据《信息安全技术网络安全漏洞分类分级指南》（GB/T 30279-2020），参照CVSS评分将漏洞划分为超危、高危、中危和低危四个等级，并对应设定差异化的修复时限——超危漏洞24小时内修复、高危漏洞72小时内修复、中危漏洞14个工作日内修复、低危漏洞30个工作日内修复。AI的引入应通过智能化手段提高各环节的执行效率，例如，利用AI自动完成漏洞验证、辅助评估影响范围、生成修复建议等。在流程设计上，AI可在发现环节自动匹配漏洞情报，在验证环节辅助确认漏洞真实性与影响范围，在处置环节生成修复建议，在复测环节自动验证修复效果，在闭环环节自动归档全过程记录。
在政务系统中，对确实无法按期修复的漏洞应建立例外管理机制，通过临时安全加固措施将风险控制在可接受范围。AI可在这一过程中辅助评估风险等级、推荐加固方案、跟踪整改进度。在标准规范方面，积极参与和推动面向政务场景的AI漏洞检测工具评测标准的制定与实施。在敏捷响应方面，针对AI技术的快速迭代，建立制度的快速响应与动态更新机制，避免制度更新滞后于技术发展。在管理机制方面，可建立并依托统一的安全能力管理平台，将AI漏洞检测工具作为共性安全能力向各系统、各部门统一提供，避免重复建设，以提升漏洞治理的整体效能。
(三)能力路径：锻造专业化漏洞治理人才队伍
提升安全团队使用AI工具进行漏洞发现与分析的能力。依托政务智能实训场等平台，打造面向安全运维人员的“理论+案例+实操”分级分类实训体系，有针对性地提升其对AI辅助漏洞检测工具的理解与应用能力。
加强复合型人才培养，制定复合型人才专项培养计划，依托政务智能实训场等平台开展“理论+案例+实操”分级分类实训，在实战演练中锻造既懂漏洞分析技术又擅长使用AI工具的专业人才队伍。深化政企协作，推动网络安全专业厂商与政务部门的技术合作，将产业界在AI漏洞检测领域的最新成果引入政务场景。推动漏洞治理能力向基层延伸，缩小各区、各部门之间的能力差距。
五、结 语
AI为政务系统漏洞治理带来的不仅是工具层面的升级，更是效率的提高与模式的变革。部分先行城市在AI赋能政务漏洞治理方面进行了系统性的政策布局、技术创新与机制探索，构建了从漏洞智能检测到全周期管理的完整治理链条。
上述探索形成了可复制、可推广的经验，即遵循“制度先行—技术突破—机制闭环”的推进逻辑，确立以测评验证为核心的全链条安全评测思路，构建基于大模型的自动化漏洞检测框架，可为其他城市政务智能化建设中的漏洞治理工作提供参考。
面向未来，能否将AI从辅助工具锻造为可信任、可审计、可持续优化的安全治理伙伴，取决于技术可信度、制度适应性与人才支撑能力的协同提升。这不仅是技术演进的问题，更涉及治理理念与组织能力的系统性重构。
（本文刊登于《中国信息安全》杂志2026年第8期）
声明：本文来自中国信息安全，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。
