每天数十亿笔交易、覆盖200多个国家和地区、连接近50亿张支付凭证——Visa的支付网络堪称全球最庞大、最敏感的基础设施之一。当Anthropic邀请关键软件组织测试其AI模型Mythos时，Visa毫不犹豫地加入了。结果是：模型成功发现了深埋于系统底层的漏洞链，而这些漏洞在传统渗透测试中往往要到最后阶段才会暴露。更值得关注的是，Visa随后将驱动整个测试过程的智能框架（Visa Vulnerability Agentic Harness）开源，并公开了一份详细的技术白皮书。这一系列动作背后，隐藏着当前AI安全领域最前沿的科技动态：当攻击者开始使用AI Agent进行自动化攻击时，防御也必须变得同样智能、同样具备Agent能力。
从“悲观与偏执”出发：Visa的安全哲学
Visa技术总裁Rajat Taneja在近期的一次行业会议上，用“悲观与偏执”来形容这家支付巨头赖以建立信任的底层逻辑。在全球规模的支付网络中，信任不是靠承诺，而是靠工程化的假设失败——在设计之初就默认系统会出问题，并围绕失败来构建防御。这种理念催生了零信任架构、多层防御以及高度自动化的安全运营体系，经过数十年的打磨，Visa的网络已经变得极其坚固。
然而，当AI模型开始展示出“链式推理”能力时，Taneja意识到，传统防御的盲区远比想象中更大。Anthropic的Project Glasswing项目在第一周测试中，就帮助参与组织识别了超过10,000个高严重性或关键严重性漏洞。Anthropic自己得出的结论是：瓶颈不在于发现漏洞，而在于验证、披露和修补的速度。这正是Visa希望通过此次测试回答的问题：以AI的速度，能否将数十年的防御体系推向新的极限？
Visa的参与并非一时兴起。作为全球金融基础设施的核心玩家，每一笔交易背后都涉及数十个系统的协同。Taneja在微软工作了15年，之后担任EA的CTO，2013年加入Visa，2019年起执掌技术战略。他深知，在企业数字化转型的浪潮中，安全不再是守城游戏，而是一场与AI对手的赛跑。
Mythos做了什么：深层次漏洞的链式发现
在Visa内部环境中，Mythos展示了系统级、上下文感知的分析能力。它不仅发现了深埋在技术栈底层的单个弱点，更将多个看似微不足道的漏洞串联成完整的攻击链——这正是传统静态应用安全测试（SAST）工具难以做到的。SAST擅长识别已知漏洞模式，但面对一个能通过逻辑推理、数据流分析和签名间的漏洞链进行思考的对手，模式匹配往往力不从心。
Mythos的发现结果清晰到开发团队可以直接行动，无需在海量噪音中筛选。一些漏洞被标记为关键严重性，Visa的零信任控制和网络分段成功阻止了漏洞链在实际环境中被利用。Taneja表示，这一确认本身很重要，但更重要的“顿悟”是：“在一个Agent攻击的世界里，防御也必须是Agent化的。”
这一发现与当前AI投资的热点高度吻合。越来越多的企业意识到，单纯的规则式防御已经无法应对AI驱动的自动化攻击。Visa的经历表明，即便是投资了数十年纵深防御的公司，也需要重新审视已有的假设。这正是为什么AI赛道中的安全工具成为了资本追逐的对象——从2024年到2025年，全球AI安全初创公司的融资额增长了近三倍。
一个智能框架，而不是又一台扫描器
Visa的回应不是再开发一个笨重的扫描器，而是构建了Visa Vulnerability Agentic Harness（Visa漏洞Agent化框架）。这个框架目前已经迭代到第五代，本质是一个受控的流水线，指导前沿AI模型执行结构化安全任务，同时在每个阶段强制执行确定性控制、策略门禁和人工审核。
框架的设计哲学体现在四个阶段、十一个步骤中：从代码摄取和威胁建模，到深度验证、漏洞链合成，再到最终的修复和验证。三个关键设计决策保证了发现质量：第一，威胁建模在分析前运行，聚焦攻击面而非盲目扫描所有内容；第二，多Agent确定性投票要求多个独立推理链收敛后才能推进发现；第三，结构化分类工单压缩了从发现到可交付成果的周期。
默认情况下，框架运行一个“热”流水线。在发布的配置文件中，一次普通扫描会执行全部十一个步骤，并在修复模式下直接编辑目标仓库中的源文件，除非操作员在检测阶段停止。这种设计反映了Visa对效率的极致追求——在攻击者利用漏洞之前，AI必须完成从发现到修复的全链路。
值得一提的是，框架是多模型设计的。一个LLM抽象层让Visa可以切换或混合不同供应商的模型，而无需更改控制平面。开源版本支持Anthropic Claude、OpenAI兼容的模型或两者的混合。不过，文档坦诚地指出：应用修复需要Anthropic后端暴露的文件编辑工具，因此修复和验证阶段目前需要Anthropic模型才能完全发挥功能，而OpenAI兼容模型在这些角色中只能输出报告。
VentureBeat在2026年第二季度的一项调研显示，82%的企业依赖供应商原生控件作为主要安全层，59%计划在一年内采用或切换Agent安全工具。这意味着，去年企业采用的控件，今年可能就已经被列入替换计划。AI工具导航平台上的安全工具列表正在快速迭代，企业需要不断评估哪些工具能真正跟上AI攻击的演进速度。
新指标：“平均修复时间”取代旧标准
Taneja在演讲中提出了一个关键观点：发现漏洞不再是难题，真正的挑战是团队能多快确认该漏洞是否真正可被利用、修复它，并证明攻击路径已经关闭。Visa为此发明了一个新指标——Mean Time to Adapt（MTTA，平均适应时间），取代了传统的平均修复时间（MTTR）。
MTTA衡量的是从发现漏洞到完全消除风险的全周期，包括验证、修复、回归测试和部署。这一指标更贴合AI驱动的安全环境，因为攻击者可能瞬间利用漏洞，防御者必须以更快的速度适应。Visa通过Agent框架将MTTA从数天缩短到数小时，在一些场景下甚至只需要几分钟。
这一转变与AI赛道中的颠覆性创新一脉相承。当AI Agent能够自主编写漏洞利用代码时，传统安全团队的工作节奏显然无法跟上。Visa的做法是让AI Agent也参与到防御链条中，用一个“AI猎人”去对抗另一个“AI攻击者”。
值得注意的是，Visa并没有完全放弃人工审核。框架中的策略门禁和人工复审环节确保了关键决策的最终控制权仍在人类手中。这种“人机协作”的模式可能是未来企业安全运营的标准配置。
开源的意义：安全社区的共同进化
Visa在GitHub上以参考实现的形式发布了Vulnerability Agentic Harness，并附带了一份技术白皮书，详细阐述了架构、经验教训以及针对关键基础设施的12条不可妥协的架构实践。任何安全团队都可以检查、修改和扩展这个框架。
开源背后有多重考量。首先，支付网络的安全依赖于整个生态系统的健康——如果Visa的合作伙伴或供应商存在漏洞，最终也会影响Visa。通过开源，Visa帮助整个行业提升防御水平。其次，开源框架可以吸引社区贡献，加快迭代速度。Visa团队自己在白皮书中也承认，框架的第五代版本是在前四代的基础上不断打磨的结果，而社区反馈将成为第六代的重要输入。
此外，Visa的开源行动也传递了一个信号：在AI安全领域，单打独斗已经过时。AI投资正在向开源基础模型和共享安全基础设施倾斜，因为封闭系统无法跟上威胁的演进速度。可以预见，未来会有更多企业效仿Visa，将内部安全工具开源，形成行业级的安全合力。
对于普通用户而言，这一科技动态也带来了直接的启示：当你在使用AI画图生成创意作品、用抠图工具处理图片背景、或者尝试AI诗词创作时，背后支撑这些应用的基础设施安全，也在经历类似的AI攻防进化。Visa的案例表明，AI不仅是创作工具，更是守护数字世界的盾牌。
FAQ
Q1: 什么是AI Agent安全框架？
Agent安全框架是一种利用大语言模型（LLM）自主执行安全任务的系统，如漏洞扫描、威胁建模、修复验证等。Visa开源的Vulnerability Agentic Harness就是典型代表，它通过多Agent协作和确定性控制，实现了从发现到修复的全自动化流水线，代表了AI投资领域的新方向。
Q2: 传统SAST工具与AI Agent框架有什么不同？
传统SAST工具依赖模式匹配，只能发现已知漏洞类型，且无法理解漏洞之间的关联。AI Agent框架则能通过逻辑推理、数据流分析和上下文理解，发现深层次漏洞链，并能生成可执行的修复方案。Visa的实践表明，在AI赛道中，智能框架的发现效率和准确性远超传统工具。
Q3: Visa的开源框架对企业安全实践有什么影响？
Visa的开源框架降低了企业接入AI安全能力的门槛，尤其对拥有AI工具导航平台的中小企业而言，可以直接参考或修改Visa的代码来构建自己的Agent安全系统。同时，它推动了行业从“发现漏洞”向“快速适应”的范式转变，使MTTA（平均适应时间）成为新的安全绩效指标。