傳統安全正在被AI顛覆,已經成為網路安全行業的共識。
今年10月,科技行業接連曝出嚴重軟體漏洞、針對技術供應商的網路攻擊,以及安全系統暴露出的薄弱環節。多起安全事件集中發生,讓這個月被業界一些人士稱為「黑色十月」。
「PHP2Shell」漏洞正式發布的四天前,亞馬遜雲科技的威脅監測系統就已經捕捉到類似的漏洞利用跡象。過去,企業還有時間按照既定流程分析漏洞、測試更新檔、安排修復,如今面對一些高危漏洞,可能連一天都等不起。
當攻防方都開始使用AI,原本就不對稱的攻防關係,變得更加棘手。亞馬遜雲科技正在嘗試把AI用到更多安全工作中,從漏洞發現、風險驗證一直延伸到自動修復。
攻擊速度快了,防守時間短了
隨著模型不斷疊代,一些原本沒有被刻意訓練成網路安全專家的模型,卻表現出了相當強的安全能力,能夠發現代碼漏洞、分析系統弱點,甚至嘗試構建完整的攻擊路徑。
當AI有能力自己尋找漏洞、調用工具甚至執行操作,企業既要防範攻擊者利用這些能力發起攻擊,也要確保自己部署的智能體不會為了完成任務而越過安全邊界。

亞馬遜雲科技安全合規高級經理江學森
在亞馬遜雲科技安全合規高級經理江學森看來,當前AI帶來的網路安全威脅,主要體現在兩個方面。
一類是Agent
開始自主發起攻擊。過去網路攻擊通常由人主導,攻擊者決定目標、選擇工具並執行操作。但今年上半年以來,已經出現不少Agent自主發起攻擊的現象。
這些Agent本身未必具有惡意,只是在執行任務時,會嘗試各種可能的手段來達成目標,卻無法判斷某些行為是否違反安全規則。例如,有的Agent會嘗試逃逸沙箱、尋找測試答案,還有的會攻擊代碼靶場、開源代碼倉庫,甚至偽造身份。
另一類是攻擊者藉助AI大幅提升了攻擊能力。過去尋找系統漏洞、分析攻擊路徑,需要長期積累的專業知識和技術經驗。現在AI降低了這些工作的技術門檻,讓原本需要專業人員完成的攻擊準備工作變得更加容易。
以釣魚郵件為例,如今只需提供足夠的樣本,AI就能模仿相應的表達方式,生成具有欺騙性的郵件。類似的情況也出現在聲音模仿上,只要有足夠的公開語音樣本,就可能利用AI模仿特定人員的聲音。
儘管AI讓網路攻擊的速度和手段發生了變化,但許多安全事件暴露出的,依然是企業長期存在的四類問題。
第一是漏洞發現不及時。一些企業的系統中早已存在安全漏洞,但企業自身並未察覺,反而是攻擊者先發現並加以利用,等到安全事件發生後,企業才意識到系統存在問題。
第二是漏洞修復不及時。對於普通手機用戶來說,收到安全更新提醒後,往往只需點擊升級就能完成修復。但企業應用要複雜得多,例如一個運行在雲上的跨境電商網站,即使已經發現漏洞,也很難做到當天發現、第二天就完成修復。一旦更新檔修復周期過長,攻擊者就可能利用這段時間發起攻擊。
第三是基礎安全防護仍存在不足。像弱口令、密碼長期不更換、帳號沒有啟用多因素身份驗證(MFA),這些都是傳統網路安全中反覆強調的問題。AI的出現並沒有讓這些基礎要求發生變化,但讓原本存在的安全隱患更容易被攻擊者發現和利用。
第四是Agent的安全可控問題。隨著企業開始構建Agent,除了防範外部攻擊,還需要考慮內部的Agent是否可能攻擊其他系統,以及如何避免Agent遭到攻擊或被濫用。尤其是在Agent能夠自主調用工具、執行任務的情況下,企業需要確保它始終按照使用者的真實意圖開展操作。
AI時代安全攻擊趨勢歸納起來就是四條,分鐘級:漏洞從公開到被利用時間窗口持續坍縮;全自主:AI 端到端完成攻擊鏈無需人類指導介入;零門檻:一條指令發起複雜攻擊,人人皆可發起專業攻擊;低成本:極低成本發動攻擊低價值目標也將被攻擊。
AI時代,安全基本功更要紮實
亞馬遜雲科技從創立之初就將安全作為優先級最高的工作「Job Zero」,每一個服務從設計階段就已經融入了安全基因。亞馬遜雲科技通過數學可證明的安全機制、基於AI/ML的主動防禦,以及全球規模的威脅情報體系,構建覆蓋基礎設施、網路、身份、數據、應用與AI系統的多層次安全防線。
數學可證明的安全(Automated Reasoning):將自動推理技術融入多項安全服務,通過數學方法驗證安全策略、資源訪問權限及網路可達性,幫助識別潛在的安全風險。例如,IAM Access Analyzer可驗證S3/IAM策略是否導致資源暴露,VPC Reachability Analyzer可分析網路配置中的可達路徑,Amazon Bedrock Guardrails也可通過自動推理檢查生成式AI輸出的事實準確性。通過數學驗證,將安全從基於概率的判斷推進至可證明的確定性保障。
基於AI/ML的主動防禦(AI/ML-based Active Defense):亞馬遜雲科技長期運用機器學習與AI開展大規模安全防禦,每天分析超過400萬億條網路流,Amazon GuardDuty每小時監控超過8.8萬億條事件,保護超過10億個EC2實例。2025年,亞馬遜雲科技攔截了超過3億次針對儲存於Amazon S3的客戶數據的惡意加密嘗試。通過自動化與智能分析,在大規模、持續演進的威脅環境中實現主動檢測與防禦。
全球規模的威脅情報與協同防禦:通過MadPot、Mithra和Sonaris等內部威脅情報系統,持續感知網際網路威脅、識別惡意活動、追蹤攻擊基礎設施並自動採取防禦措施。相關能力能夠提前發現新型威脅、向客戶提供主動預警,並與Amazon GuardDuty、Amazon Shield、Amazon WAF和Amazon Inspector等安全服務集成,形成從威脅發現、情報分析到檢測與緩解的協同防禦體系。
在客戶看不到的地方,亞馬遜雲科技做了非常多的安全工作。江學森談到,亞馬遜雲科技還做了不同威脅檢測服務之間的聯動,某一區域或客戶遭遇並化解的威脅,將快速轉化為安全資產與防護經驗,進而賦能全球各區域的亞馬遜雲科技客戶,減少同類威脅帶來的風險。
亞馬遜雲科技針對AI時代的安全挑戰提出了三個安全應對方向:利用AI提升安全防護能力、加強基礎安全管理,以及構建安全可控的Agent。
利用AI應對AI帶來的安全威脅。當攻擊者已經開始藉助AI分析系統、尋找漏洞時,企業也需要利用AI,爭取在攻擊者之前發現並解決問題。無論是文檔、代碼,還是系統和應用中潛藏的安全隱患,都應該儘可能提前排查和修復。
補齊基礎安全防護的短板。如果企業仍在使用弱口令,帳號沒有啟用多因素身份驗證(MFA),或者訪問密鑰兩三年都沒有更換,即使投入更多資源進行漏洞檢測,也很難保障系統安全。
確保Agent的行為安全可控。判斷一個Agent是否安全可控,可以歸結為兩個方面:一是它說什麼,二是它做什麼。企業既要確保Agent的輸出符合預期,也要保證它執行的操作符合用戶的真實意圖,所有行為都處於可控範圍內。
讓AI跑通漏洞發現、驗證與修復
亞馬遜雲科技認為,用AI去解安全問題,應該遍布在整個過程當中。
10月,針對代碼漏洞的Amazon Continuum
正式可用,該服務採用多Agent協作架構,可發現和驗證代碼漏洞,然後以更新檔的形式提供修復,用戶可以自動執行修復,或以拉取請求的形式在儲存庫中提供修復。
Amazon Continuum根據代碼及其環境上下文分析每項調查發現,並判斷漏洞是否可被網路觸達、攻擊者可從中獲取什麼,並按業務影響對問題排序。
發現漏洞後,Amazon Continuum會自動創建隔離沙箱,在其中驗證漏洞是否能夠被實際利用,並在驗證完成後生成修復報告。客戶可以通過報告了解漏洞的具體情況、利用方式、驗證過程以及相應的修復措施。
Amazon Continuum在修復上提供Learn Mode、Enforce Mode兩種工作模式。在Learn Mode下,用戶需要陪伴Amazon Continuum一段時間,讓它熟悉客戶的環境、日常運維方式,以及不同漏洞和問題的處理方法。經過這一過程後,用戶可以切換到Enforce Mode,讓其自動執行相關操作。
整個過程中仍然可以保留人在迴路中(Human in the Loop),什麼時候取消人工參與,或者在什麼情況下需要人工介入,都由用戶自行決定。
加州大學伯克利分校RDI推出的CyberGym-E2E公開基準測試中,Amazon Continuum以89.0%的端到端成功率位居第一,高出此前公開最佳紀錄(65.9%)23.1個百分點;在不設時限運行時,端到端通過率可達93.7%。
「CyberGym-E2E公開基準測試看的不僅是發現,還有修復,修復後還要保證系統的正常運轉。」江學森說道。
在實際應用中,跨境金融數字科技平台飛來匯通過Amazon Continuum,將原本需要數天的滲透測試縮短至幾小時,每次代碼拉取請求提交後,增量代碼掃描只需1-2分鐘即可反饋結果,並建立了7×24小時自動化檢測與關鍵場景人工補充相結合的應用安全體系;日本SaaS安全公司HENNGE通過自主滲透測試,將安全驗證周期從數周縮短至數小時,整體縮短90%以上,並實現對整個應用組合的7×24小時持續測試;韓國SaaS合作夥伴LG CNS則將滲透測試時間最多縮短80%,壓縮至1天,全自主運行成本降低70%。藉助上下文文檔,安全評估的可靠性從60%提升至90%。
Amazon Continuum的身份認證沿用亞馬遜雲科技的IAM,同時依託現有的日誌、可觀測性和訪問控制等基礎安全服務。亞馬遜雲科技的威脅檢測、網路安全等服務,可以將檢測到的異常資訊作為Amazon Continuum的輸入。Amazon Continuum發現的漏洞還可以輸出到統一的安全管理平台,例如中國客戶常用的Security Hub。
並且Amazon Continuum還與Kiro實現了原生集成,開發者使用Kiro編寫代碼時,無需進行額外集成,只需在IDE界面啟用Amazon Continuum插件。
「AI會重構所有的事情,而安全也會重構所有的AI。」按照江學森的理解。AI跟安全可以雙向賦能,一方面,通過Security for AI,保障AI應用、數據和系統的安全,讓企業有信心將更多關鍵業務交給AI;另一方面,通過AI for Security,將AI應用於更完整的安全流程,提升安全防護效率。
過去可能有14天的漏洞修復窗口,如今卻可能只剩下2小時。當攻擊者已經開始利用AI尋找漏洞,企業也需要用AI比攻擊者更早發現問題、更快完成修復。






