人工智能正以更快速度找出软件中的隐患，也让攻击者更容易研究如何利用这些缺陷。近日引发多国网站紧急响应的PHP漏洞，使网络安全界愈发担忧：当漏洞发现和攻击开发不断提速，防守方可能来不及完成修复。

Anthropic副首席信息安全官Jason Clinton近日在X平台发文警告：全球可能面临一场“漏洞海啸”，关键基础设施运营者尤其可能没有足够时间来修复安全问题。他呼吁安全负责人争取更多资源，为接下来的压力做好准备。

这场警报背后，一个矛盾日益突出：AI正在加快发现问题，但修复仍然受制于人员、维护资源和业务运行条件。

PHP紧急更新，多国网站预防性下线

北京时间2026年10月21日晚，PHP发布紧急安全更新，修复两项可能导致未经身份认证远程代码执行的严重漏洞。漏洞披露前后，欧洲多国部分政府、医院及公共服务网站采取预防性下线措施，运营者紧急排查，云平台和安全服务商部署防护。

PHP广泛用于网站后端，也是WordPress、Drupal、Joomla等系统的基础运行环境。此次问题位于PHP核心引擎，即使上层应用代码没有相关缺陷，也可能受到影响。不过，影响范围广并不意味着所有PHP网站都能被成功攻击，实际风险仍取决于部署方式、配置和应用行为。

事件的特殊之处，在于AI帮助研究人员跨越了复杂利用的门槛。Wiz披露，形成有效攻击需要串联多个缺陷，并针对不同目标的内存布局反复测试和调试，前沿模型降低了完成这些工作的成本。

换言之，AI没有制造这些旧漏洞，却让过去难以实现的攻击路径变得更加可行。企业此前认为“利用太复杂、可以暂缓处理”的问题，可能需要重新评估。

PHP基金会的复盘显示，其中一项问题在2024年已有迹象，但修复可能破坏兼容性、引入拒绝服务风险，还需调整第三方扩展。决策困难与核心开发资源不足，导致修复工作反复停滞。基金会承认，这是决策流程和资源不足造成的结构性失误。

PHP事件暴露的，既是底层软件缺陷，也是长期安全欠账。随着AI辅助研究证实其可利用性，原本悬而未决的问题，成为整个生态必须紧急应对的风险。

从浏览器到基础软件，AI批量挖掘恐掀“漏洞海啸”

PHP并非孤例。此前，AI已在浏览器、数据库和操作系统中接连发现安全问题，而近期披露的数据表明，这种发现正在从零星案例走向批量扫描。

2024年11月，Google Project Zero与DeepMind公布，研究型智能体Big Sleep在SQLite数据库引擎中发现了一项此前未知的内存安全漏洞。到了2025年7月，Google又披露，Big Sleep结合威胁情报识别出SQLite漏洞CVE-2025-6965，并称其帮助阻止了攻击者即将开展的利用。AI的作用，开始从实验性找漏洞延伸到实际防御。

2026年3月，Anthropic与Mozilla披露，Claude Opus 4.6在两周内发现22项Firefox安全漏洞，其中14项被评为高危。不过，在针对数十个漏洞的数百次尝试中，模型仅在两个案例里成功构造利用。发现缺陷与实现有效攻击，在当时的测试条件下仍有明显距离。

4月，Anthropic进一步披露，Claude Mythos Preview发现了一个存在27年的OpenBSD漏洞，以及一个存在16年的FFmpeg漏洞。后者所在代码曾被自动化测试执行超过500万次，却一直没有暴露这一问题。长期维护、反复测试的软件，仍然可能藏有深层缺陷。

比这些单个案例更值得关注的，是发现规模的变化。Anthropic在10月8日宣布推出OSS Scanner时表示，过去六个月，模型在重要软件项目中发现了超过2.9万项候选漏洞线索，但人工仅完成约6000项审查与分流。“候选漏洞”包括尚待验证的问题线索，不能等同于2.9万个已确认漏洞，却显示出自动化发现与人工处理之间的速度差。

“漏洞海啸”的压力，正来自这种数量与速度的变化。过去需要研究人员逐个投入的分析，如今可以在更多代码库中并行开展。每项有效发现，随后又会产生复现、影响评估、补丁审核和协调发布工作；基础组件的一个缺陷，还可能要求大量下游机构同时排查。

未来一段时间，漏洞披露和修复需求可能先于实际安全状况改善而显著上升。报告数量增加，不一定意味着软件突然变得更差，也可能是过去未被看见的欠账集中浮现。

下一轮压力，可能集中在旧系统和修复窗口

对机构而言，危险不仅是漏洞更多，还在于过去被认为“难以利用”的问题，可能随着AI能力进步而需要重新评估。

接下来的压力可能沿两条路径扩大：更多成熟软件接受AI检查，使历史缺陷进入披露流程；漏洞或补丁公开后，攻击者也可能借助AI更快分析差异、适配目标环境，压缩尚未升级机构的应对时间。这是基于当前能力变化作出的风险研判，并不意味着所有漏洞都能被自动转化为攻击。

承压最明显的，可能是升级困难、依赖不清或维护资源有限的系统。部分网站可以通过暂时下线降低风险，但供水、电力、医疗和工业系统往往不能轻易停机。它们既要防范入侵，也要避免修复本身中断关键服务。

对运营者而言，补丁发布只是中间节点。企业需要先找到受影响的服务器和隐藏依赖，再判断升级是否影响业务，完成测试、安排部署，并确认线上实例真正生效。暂时无法升级的系统，则需要采取隔离、限制访问等措施，同时排查是否已经出现入侵迹象。

PHP基金会还披露，AI辅助研究增加了报告数量，其中存在大量无效、重复或无法复现的内容。这意味着，自动化既能发现隐患，也可能将更多验证工作推给原本就人手有限的维护团队。

“漏洞海啸”不应只理解为漏洞数量暴增，更意味着大量处置任务可能在短时间内涌向有限的维护团队。目前尚无依据准确预测这一轮压力会持续多久、造成多少损失；但候选发现积压、复杂利用成本下降和旧系统升级困难，已经构成需要提前应对的组合风险。

全球加快AI防御部署，提升漏洞处置能力与系统韧性

面对AI加速发现和利用漏洞的趋势，各国正加强自动化防御、漏洞协调和能力测试。关键基础设施一直是保护重点，如今更紧迫的问题是：如何缩短风险暴露时间，并在攻击或紧急修复期间维持基本服务。

美国此前已启动相关部署。2026年6月，白宫发布行政令，要求建立AI网络安全协调机制，与AI行业及关键基础设施运营者合作，协调漏洞扫描、验证、修复优先级和补丁分发。美国能源部推进的AI-FORTS计划，则将AI辅助威胁检测、工业控制环境监测和事件响应支持列为重点。

企业也在提供支持。OpenAI于9月宣布“Daybreak for Frontline Defenders”，承诺提供价值10亿美元的工具使用补贴、培训和技术支持，帮助关键基础设施运营者、地方政府等资源有限的机构开展防御。这属于企业支持计划，并非政府拨款。

英国政府10月24日公布的投资安排，同样强调将AI用于实际防御。其中，6000万英镑用于“国家网络盾牌”，利用智能体AI提升防御能力；7000万英镑用于建设国家暴露面与实时漏洞中心，识别关键基础设施及其他经济领域的漏洞；另向AI安全研究所追加1.2亿英镑，支持能力测试、风险研究和技术标准建设。

中国也在开展场景化能力测试。2026年9月，国家互联网应急中心公布人工智能技术赋能网络安全应用测试结果，共有151家单位的251个团队报名，覆盖智能防御、漏洞挖掘、流量威胁检测、告警降噪和智能体恶意操作检测等八类场景，参与者包括安全企业、通信企业、金融机构和科研院所。

与此同时，AI应用自身的安全问题也在增加防御负担。CNCERT于9月23日通报，白帽子对国内25家AI厂商的54款大模型及智能体应用产品开展众测，发现873个安全漏洞，其中608个属于大模型及智能体应用特有漏洞，涉及提示注入、信息泄露、权限滥用和非预期代码执行等问题。这并非AI自动挖掘成果，但显示新型风险正与传统软件缺陷叠加。

从美国推动漏洞协调、英国增加防御投入，到中国开展应用测试与安全众测，各方都在应对AI带来的双重压力：既要利用AI处理存量风险，也要防范模型和智能体引入的新漏洞。

“漏洞海啸”最终造成多大冲击，取决于发现与处置之间的距离能否缩短。对企业和公共服务机构而言，紧迫任务不仅是获得更强的检测工具，更是摸清资产与依赖、明确修复责任，并建立能够持续完成验证、升级和恢复的工作流程。

声明：本文来自虎符智库，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。