在科技前沿领域，AI正从“潜在威胁”转变为“安全卫士”。Anthropic近期宣布扩大其网络安全核验计划，向更多经过审核的安全团队开放最强Claude模型的低防护权限，用AI技术挖掘软件漏洞。这项举措不仅刷新了人们对AI能力的认知，也正在重塑网络安全行业的攻防逻辑。
破解漏洞的“玻璃翼”：从内部测试到开放生态
Anthropic的“玻璃翼计划”并不算新概念。早在今年4月，该公司就发布Claude Mythos Preview版本，尝试用AI进行漏洞挖掘。当时，业界曾担忧：如果AI在软件修复前就发现漏洞，会不会反而被黑客利用？然而，Anthropic用数据回应了质疑：在4月至7月期间，合作方通过这个计划至少找到了129000个已核实漏洞，另有33000多个被评定为严重或高危等级。
与传统人工渗透测试相比，AI的优势在于速度和覆盖面。人类安全专家一天可能只能审查一小段代码，而AI模型可以在数小时内扫描完整代码库，甚至跨项目比对常见漏洞模式。事实上，Anthropic自身在4月到10月的开源扫描中又额外发现5500个漏洞。这说明AI在漏洞发现领域已经具备了规模化的落地能力，而不只是实验室里的炫技。
值得关注的是，Anthropic将原本分散的两套项目——玻璃翼计划和网络核验计划——整合为统一的Cyber Verification Program（CVP）。这一调整降低了合作方的理解成本，也为后续分层管理奠定了基础。从某种角度看，这也是一次企业数字化转型中的典型实践：将AI能力产品化、流程化，让AI技术真正嵌入到安全业务链条中。
三层防护体系：让AI在可控范围内“越界”
新CVP计划最精巧的设计在于它的三层分级。第一层是防御层级，面向事件应急响应、恶意代码分析的团队。这一层的限制相对严格，但足以让安全人员使用Claude Opus和Sonnet完成日常分析。第二层是红队层级，允许授权渗透测试与攻防演练，但仅限机构申请，个人研究人员无法直接进入。第三层是专项层级，约束最少，只向极少数有资质的组织开放，允许其测试电网、航空系统、银行转账基础设施等命脉系统。
这种分级策略颇具现实考量。AI模型的能力越强，其可能造成的意外伤害也越大。Anthropic并没有选择“一放了之”，而是通过审核机制和权限控制，把风险锁在笼子里。同时，每一层级都要求与Anthropic及美国政府共同审核参与者的背景，这等于给AI高风险测试加上了“双重保险”。
从科技产品的演进逻辑来看，这种分层会越来越普遍。过去，我们习惯用统一的权限管理所有用户，但AI的复杂性决定了它必须适配不同场景。比如，医疗AI的测试权限与金融AI的测试权限理应不同。Anthropic的尝试，实际上为整个行业提供了一个可复制、可监管的范式，也间接为AI辅助工具的权限设计提供了参考——无论是透明背景这类图像处理小工具，还是大型安全模型，都需要在开放与限制之间找到平衡点。
数据背后的真相：漏洞数量远不止于此
Anthropic公布的数据令人震惊：超10万个漏洞、129000个已核实漏洞、33000个高危漏洞。但该公司自己也承认，这些数据很可能存在统计遗漏，实际影响至少是目前数据的五倍。为什么？因为当前数据仅来自有限数量的合作方，而这些合作方大多聚焦于特定行业或特定软件。如果将CVP推广到全球安全团队，漏洞发现数量很可能会指数级增长。
这一点并不难理解。现代软件供应链极其复杂，一个银行系统可能依赖上千个开源组件，每个组件又可能引用其他库。漏洞往往隐藏在依赖链的深处，单靠人工审计几乎不可能彻底排查。AI的优势恰恰在于这种大规模依赖分析。它可以从海量代码中提取共性特征，快速定位不安全函数调用，甚至推测潜在的逻辑漏洞。这种能力本质上是漏洞挖掘技术的进化，把过去需要数月甚至数年的工作压缩到数天。
然而，数据翻倍的同时也意味着新的挑战。漏洞数量激增，谁来修复？如果AI发现漏洞的速度超过了开发团队的修复速度，那么这些漏洞反而成为安全隐患。这也解释了为什么Anthropic会谨慎地分层次开放——不是限制AI的能力，而是给人类留出缓冲时间。在这个意义上，AI不仅是发现漏洞的工具，也是倒逼行业提升响应速度的催化剂。
AI安全测试如何改变网络安全游戏规则
过去十年，网络安全行业一直依赖安全扫描器、人工渗透测试和漏洞赏金计划。但AI的到来正在改变这一游戏规则。传统扫描器基于规则匹配，误报率较高且无法处理未知漏洞。而AI模型能够理解代码语义，甚至可以跨文件关联不同变量之间的异常关系。这意味着AI可以发现那些从未被公开报道过的“零日漏洞”类别。
另一个重要变化是门槛的降低。过去，只有大型企业和顶尖安全团队才有资源和能力进行深度漏洞挖掘。现在，通过Anthropic的CVP计划，即使是中小型安全团队也可以在AI工具导航上找到合适的AI安全助手，实现接近大型机构的安全能力。这种民主化趋势，是科技前沿领域最值得兴奋的方向之一。
当然，AI也带来了新的攻击面。攻击者同样可以利用AI来逆向分析软件，寻找可利用的漏洞。Anthropic对参与者资质的严格审核，实际上就是在这种攻防竞赛中抢得先机。有评论认为，AI安全测试的终极形态是“AI对AI”——防御模型与攻击模型相互对抗，不断进化。虽然这一天尚未到来，但AI Agent技术的快速成熟正在让这种设想越来越接近现实。
从防御到红队：AI技术的双刃剑效应
“红队”一词源于军事演习，指模拟攻击方，用以测试防御体系的薄弱环节。在网络安全领域，红队一直都是高级黑客的代名词。Anthropic将红队层级单独开放，允许机构在获得授权的前提下进行真实攻防演练，这本质上是在利用AI技术扮演“攻击者”。而这恰恰是AI技术的双刃剑效应的最好体现。
一方面，AI红队能够比人类更快地发现系统弱点，帮助组织在攻击到来前修补漏洞。另一方面，如果这些AI能力被不当使用，也可能造成大规模破坏。Anthropic的限制策略——只允许机构申请、与政府联合审核——正是为了避免AI沦为新的网络武器。从更广阔的视角看，这种双刃剑效应也存在于所有科技产品中。比如AI图片生成工具可以创作艺术，也可能被用来制作虚假信息；AI网名生成器看似无害，但背后的大模型技术依然需要合规使用。不妨试试AI网名，体验一下AI技术对日常细节的渗透。
无论如何，我们不应因噎废食。Anthropic的数据已经证明，AI在防御端带来的价值远远大于潜在风险。随着安全伦理规范逐步完善，AI红队会成为各大企业安全体系的标配。
未来展望：AI与网络安全的共生进化
在科技前沿的发展节奏中，AI与网络安全正在形成一种共生关系。AI越强大，安全测试越深入；安全测试越深入，AI模型自身的鲁棒性也会同步提升。Anthropic计划在未来向三个层级统一开放Claude Opus 5.5、Sonnet 5.5以及Mythos 5.1，意味着所有参与者都能使用最顶尖的模型，这无疑会加速漏洞挖掘的进程。
但我们也必须看到，AI网络安全的长期挑战并不只是技术，而是信任。如何让政府、企业、公众相信AI提交的漏洞报告是可信的？如何避免AI被恶意劫持？这些问题的答案，需要像Anthropic这样的先行者不断试错和探索。顺便一提，对于普通用户来说，想感受AI技术的实际魅力，不妨从AI画图这类生成式工具入手，体验AI创造力的同时，也理解AI能力的边界。懂得边界，才是负责任地使用科技产品的第一步。
总之，AI+安全不再是科幻小说里的桥段，而是正在发生的现实。无论是几千行代码的小应用，还是支撑社会运转的关键系统，未来的每一行代码都可能经过AI的“安检”。这正是科技前沿最激动人心的图景：一项技术不仅改变了自身领域，也守护了整个数字世界的根基。