作者
中国农业发展银行风险管理部 毕超
中国农业发展银行国际部 刘鑫
2026年4月，美国AI公司Anthropic发布了Claude Mythos预览版。这一被认为“过于先进，不予展示”的AI模型，以其前所未有的漏洞挖掘与利用能力，在全球金融监管界引发了一场震动。模型发布当日，美国财政部与美联储即紧急召集华尔街多家大型银行CEO举行闭门会议。欧洲央行随后召开网络安全会议，敦促各大银行大幅提高安全漏洞的修复速度。日本金融厅要求地方银行完善AI网络攻击应对措施，警惕Mythos等工具被恶意用于攻击金融机构。国际货币基金组织(IMF)更是首次就AI大模型带来的网络安全威胁专门发文，警告Mythos级别的AI模型将网络风险提升到了可能引发宏观金融冲击的程度。
这场席卷全球的金融监管警报，并非小题大做。Mythos的强大能力打破了长期以来网络攻防博弈的基本假设——漏洞发现存在技术壁垒。在Anthropic的内部测试中，Mythos仅用不到50美元的计算成本，就发现了OpenBSD(一款以极致安全设计著称的操作系统)中一个存在了27年的拒绝服务漏洞，还发现了FFmpeg的H.264编解码器中一个存在了16年、此前通过数百万次自动扫描未被检测到的漏洞。更令人担忧的是，它将漏洞从“N天威胁”压缩至“N小时威胁”的能力，使传统“发现漏洞—修补漏洞”的被动防御模式陷入了根本性困境。
然而，在这场全球性技术冲击中，我国银行信息系统面临着一个更加严峻的现实：当日本三菱日联银行、三井住友银行、瑞穗银行等银行机构已获得Mythos使用权限，用于检查网络和修复漏洞时，我国的银行机构暂无法获得Mythos使用权限。这意味着我国银行信息系统既面临着Mythos类AI可能被恶意使用的攻击威胁，又无法获得其防御端的能力加持——这种“双重不对称”困境，正在成为我国金融安全领域必须正视的战略挑战。
一、Mythos类AI大模型的
网络攻击能力
Anthropic已于2026年6月9日正式向公众发布Claude Fable 5，虽然公开发行版本装上了限制敏感网络安全查询的护栏，但对安全合作伙伴独享的版本则保留了完整的网络安全能力。Anthropic发起的玻璃翼计划(Project Glasswing)已从最初的50家核心伙伴扩展至全球约200家组织，其来自美国、欧盟、日本、韩国等国家和地区，覆盖电力、水务、医疗卫生及通信等关键领域。这种安全资源的不均衡分配，正在全球范围内制造显著的安全能力鸿沟。Mythos之所以能够引发全球金融监管界的高度警觉，根源在于其在漏洞发现与利用能力上的三项根本性技术突破。
1.基于深层语义推理的高效漏洞发现机制
传统静态应用安全测试工具基于规则和语法树匹配，难以有效检测复杂业务逻辑漏洞。而Mythos具备理解代码深层语义的能力，能够提出“这里可能存在漏洞”的假设，然后自动启动程序、添加调试逻辑、运行实验来验证或推翻假设。这种能力使其在SWE-benchPro测试中拿到了77.8%的测评结果，远高于此前公开的最高分数模型。这种从“盲目扫描”到“智能推理”的能力跃迁，使其能够发现那些需要跨模块深度推理才能触及的安全盲点——而这恰恰是银行核心交易系统中最为常见的安全隐患。
2.N日漏洞武器化时间被极限压缩
在传统网络攻防博弈中，安全补丁发布后留给防守方的修补窗口通常以周或月计算。如2017年的WannaCry勒索软件在微软发布补丁后第59天才爆发，这一时间差为防守方提供了宝贵的应对窗口。而Mythos彻底打破了这一平衡，它能够在补丁发布后的数小时内，通过分析补丁差异逆向推导出漏洞攻击代码。这一能力直接宣告了“先发补丁再逐步部署”的传统修补模式已不再安全——防御的时间窗口已从月级坍缩至小时级。
3.自动化构建漏洞利用攻击链
Mythos不仅能发现单个漏洞，还能自主编写可实际运行的攻击代码，甚至串联利用多个漏洞实施复杂攻击。在一个测试案例中，它编写了一个浏览器攻击程序，串联利用了四个漏洞。这种“漏洞链”对人类黑客而言需要长时间的专业技术积累和探索，但对Mythos而言却可以在数小时甚至分钟级完成。更关键的是，Mythos的漏洞挖掘已经从高成本的“手艺活”变成了可批量化、低成本的“流水线作业”，导致漏洞产生速度远超修补速度。
二、Mythos类AI大模型
对我国银行信息系统的潜在风险
以《中华人民共和国网络安全法》《中华人民共和国数据安全法》《中华人民共和国个人信息保护法》及《关键信息基础设施安全保护条例》为法律根基，我国明确将银行业作为关键信息基础设施实施重点防护。中国人民银行、国家金融监督管理总局先后出台数据安全、网络安全事件管理、数字化转型、数字金融发展等领域的一系列监管文件，压实金融机构主体责任，统筹网络、数据、应用全维度安全管理。同时，金融管理部门推进网络安全等级保护、商用密码应用安全性评估、信息技术应用创新等专项工作，并配套网上银行、API接口、数据防护等金融行业技术标准，构建起从法律法规、监管规章到专项要求、技术规范的完整体系，全方位筑牢银行信息系统与网络安全防线。
Mythos作为前沿AI工具，对我国银行信息系统构成了四个层面的风险挑战——这不仅是技术层面的威胁，更可能在战略层面对我国金融安全、信息安全造成新的潜在冲击，需未雨绸缪、防患未然。
1.技术攻防壁垒产生不对称风险
这是最直接、最严峻的挑战。日本三菱日联银行等机构已经获得Mythos使用权限，用于检查网络和发现漏洞。日本金融厅还专门召开会议，邀请政府、央行、AI企业和金融行业团体共同讨论官民合作应对尖端AI攻击。IMF也警告，网络风险正表现为“相关联的故障”，AI大模型可能在众多机构中同时制造漏洞。
更值得警惕的是，据国外媒体爆料，Anthropic已在美国国家安全局内部安排了6名工程师帮助部署Mythos，用于进攻性网络行动。这种地缘性的AI安全资源分配，使我国银行信息系统面临“对手可能拥有更强攻击能力，而我方却无法获得对等技术防御资源”的被动局面。
2.系统共性依赖带来的脆弱性集中爆发风险
我国银行信息系统普遍依赖Windows/Linux操作系统、Oracle/SQL Server等数据库、WebLogic/Tomcat等中间件，以及大量开源组件。一旦Mythos发现这些广泛使用的基础软件中的漏洞，意味着数十家甚至上百家金融机构可能同时面临攻击威胁。根据中国信通院的数据，尽管中国银行业信创数据库市场渗透率正在加速提升，但区域性银行的适配率仍显著低于国有大行。这种“技术栈高度同质化、防御水平参差不齐”的结构性特征，在AI驱动的规模化漏洞挖掘面前显得尤为脆弱。IMF高级官员明确指出，AI大模型可在大量机构中同时制造漏洞，网络风险可能转向扰乱金融中介、支付系统及市场信心，甚至造成系统性连锁故障。
3.技术债务积累压力凸显
在《关于银行业保险业数字化转型的指导意见》《推动数字金融高质量发展行动方案》《银行业保险业数字金融高质量发展实施方案》等多重政策的驱动下，银行核心业务系统的自主可控已从“可选项”变为“必答题”。Mythos类AI大模型对老旧系统的漏洞挖掘能力空前增强——那些运行了十几年、代码依赖关系盘根错节的老旧系统，在AI的审视下，深藏多年的安全隐患可能集中暴露。技术债务的还债窗口正在被AI的飞速进化急剧压缩，传统“逐步迁移”的策略已面临严峻挑战。
4.攻防能力不对称与技术人才缺口加剧
当前，黑客可借助AI工具快速挖掘漏洞、生成攻击代码，将传统小时级、天级的攻击链路压缩至分钟级，加大了银行信息系统的安全防控压力。与此同时，我国银行业对自主研发AI安全大模型的需求愈发迫切。目前，大型金融机构普遍以DeepSeek、Qwen、GLM等国内开源大模型为底座，进行领域适配和私有化部署，数据在内部闭环流转。IMF报告指出，新兴市场和发展中国家往往面临更严峻的网络安全资源限制。而这一问题在我国银行业，尤其是人才储备不足、技术力量薄弱的中小银行尤为凸显。
三、我国银行业的应对措施
面对Mythos带来的系统性挑战，我国银行业在AI大模型自主研发与安全防护方面已具备坚实基础，下一步需持续筑牢银行信息系统安全防线，统筹发展和安全，加快构建涵盖战略、技术、制度、合作的多维度应对体系。
1.构筑安全可控的安全底座
当前，金融信创已全面进入“深水区”——从外围业务系统深入到核心交易系统等关键业务领域。按照监管部门相关工作要求，金融机构需扎实推动新一轮关键系统技术升级与替代方案全国落地，大型机构要完成好存量替代工作，实现平稳切换；中小机构要借鉴大型机构先进经验，防范替代工作落地风险。
在推进过程中，笔者认为应重点关注三个方向：一是以核心系统优化升级为契机，实现从底层硬件到应用软件的安全可控。如上海银行历时27个月的“智芯工程”已圆满收官，新一代全栈信创核心系统成功投产，实现了从底层硬件到应用软件的全面自主可控。这类成功经验可加速在行业内复制推广。二是确保国产基础软件在性能、安全性等方面不低于国际主流产品。任何脱离业务场景谈安全可控都是片面的，新标准的核心在于：数据库不仅要自主，更要能在核心交易环节替代国际主流产品。三是建立安全的供应链管理机制，加强对第三方软件供应商的安全审查，防止供应链环节的漏洞攻击。
2.研发AI安全大模型，以“AI对抗AI”
面对AI驱动的攻击，防守方需用“AI对抗AI”。金融监管部门正加强引导，支持AI公司和安全厂商研发具备自主知识产权的高性能AI安全大模型，用于漏洞挖掘、攻击检测与防御。目前，国内已在金融大模型领域迈出关键步伐，银行等金融机构布局金融大模型正在加速落地。
大型金融机构应率先探索应用国产开源大模型进行安全赋能。如建设银行已构建了大模型提示词工具防护能力，常态化开展渗透测试，强化数据与网络安全协同。这些实践表明，国产AI安全大模型的发展已经具备了良好的基础，下一步应加强对自主AI安全大模型的研发投入并推广应用。
3.坚持稳中求进，构建三位一体纵深防御体系
网络安全公司奇安信发布的《Mythos事件白皮书——政企网络安全纵深防御体系建设思考》明确提出，AI驱动的攻击使传统漏洞修补模式失效，防守方必须正视“漏洞永远补不完”的现实，从追求零漏洞转向构建能够“带洞运行”的纵深防御能力。这一战略转向，对我国银行信息系统具有重要的参考意义。银行可考虑在信息系统稳定运行的基础上，坚持稳中求进、分类施策的原则，加强压力测试，排查风险漏洞，并按照风险的轻重缓急开展防御和修复工作。
具体而言，银行应构建高位、中位、低位三位一体的内生安全纵深防御体系。在低位能力建设上，通过资产清理、零信任架构等措施夯实基础，堵住明显的漏洞入口；在中位能力建设上，以AI驱动安全运营，实现分钟级自动化响应，以“AI对抗AI”的攻击速度优势抢占先机；在高位能力建设上，主动利用AI工具扫描自身弱点，并将情报实时同步至防御体系，构建动态免疫能力。其核心在于：即使系统存在未知漏洞，攻击者也无法长驱直入，确保其“进不来、走不深、拿不走、打不穿”。中国人民银行2026年科技工作会议已明确部署，要积极稳妥、安全有序推进金融领域人工智能应用。这一战略方向同样适用于安全防御能力的构建。
4.建立自动化应急熔断机制，压缩响应时间
面对Mythos将漏洞窗口压缩至数小时乃至分钟级的极端情况，银行需建立系统级的应急熔断机制，摒弃传统依赖人工排期的响应模式。这要求安全团队实现“发现—分析—修复”的自动化闭环管理：一旦系统识别出高危零日漏洞，可自动生成修复方案并部署，在攻击者利用前完成“逻辑修补”。同时，对核心交易接口、数据库管理端口等高危操作，银行需部署实时动态权限评估与阻断的独立隔离层，在发现异常攻击流量时自动切断关键节点的数据交互权限。这种熔断机制的核心在于：从“被动响应”转向“主动防护”，从“人工决策”转向“自动化闭环”。
5.强化行业协作与联防联控机制
面对Mythos类AI大模型可能在众多机构中同时制造漏洞的特性，单一银行的独立防御难以应对系统性风险。我国银行业需积极探索行业层面的协作机制。一是共享威胁情报。如新网银行利用密码学等技术探索出一套多机构间数据安全共享的技术方案，与银联数据共同牵头共建了金融反诈云平台，推动建立了金融机构间“数据可用不可见”的共享模式。这一模式可进一步扩展至漏洞情报的行业共享。二是构建行业级安全测试平台。金融监管部门已建立金融信创适配验证中心，为金融机构提供专业的适配测试和认证服务。可在此基础上升级为行业级AI安全测试平台，降低中小银行的安全测试成本。三是加大对中小银行的帮扶力度。日本金融厅明确要求地方银行完善AI网络攻击应对措施，认为若地方银行遭到攻击导致银行间无法转账，可能引发包括大型银行在内的银行交易混乱。这一判断同样适用于我国。在防御能力不均衡的现实条件下，加强对中小银行的资源倾斜和能力建设，是防范系统性风险的关键一环。
Mythos的出现标志着网络安全攻防博弈全面进入“AI对抗AI”的时代。对于承载国民财富流通命脉的银行信息系统而言，这不仅是技术层面的挑战，更是一场涉及战略安全的考验。我国银行业需要在积极稳妥推进AI技术应用的同时，紧紧抓住“自主可控”和“安全韧性”两大战略支点，在AI驱动的网络安全新格局中赢得主动。
本文刊于《中国金融电脑》2026年第9期
声明：本文来自中国金融电脑，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。
