网络安全转型：自动化防御与不断演变的威胁

不断扩大的已知被利用漏洞目录

美国网络安全和基础设施安全局（CISA）最近将四个新漏洞添加到其已知被利用漏洞（KEV）目录中，表明这些漏洞正在被积极利用。该目录是组织确定补丁优先级的重要资源，因为它关注的是正在被实际攻击的漏洞，而非理论风险。

影响 GPUStack、FreeSwitch、OpenSSH 和另一个未指明组件的漏洞被纳入目录，凸显了不同技术栈中广泛的攻击面。对于安全团队而言，这意味着漏洞管理必须持续进行，并以真实世界的利用数据为依据，而不仅仅是定期扫描。

虽然 KEV 目录提供了一种被动措施，但它也凸显了主动安全措施的必要性。仅在检测到利用后才打补丁的组织往往处于追赶状态，留下攻击者可以利用的暴露窗口。

人工智能安全工具进入政府云

Amazon Bedrock 在 AWS GovCloud（美国）中引入 Claude Mythos 5.2，标志着将先进的人工智能能力引入政府安全运营的重要一步。该模型旨在识别复杂的软件漏洞并展示其可利用性，可能加速防御性网络安全工作。

此类人工智能模型在政府云环境中的可用性表明，人工智能作为增强安全态势的工具正日益被接受。然而，这也引发了关于人工智能生成的安全发现的可靠性和监督，以及其在进攻性操作中双重用途潜力的问题。

利用人工智能的安全团队必须平衡自动化分析的速度和规模与人工验证的需求。虽然人工智能可以处理大型代码库并标记潜在问题，但风险和补救措施的最终确定往往需要人工智能可能缺乏的上下文理解。

内存安全研究挑战传统假设

微软 FORGE 实验室对 Rust 内存安全问题的研究表明，即使是设计时考虑安全性的语言也可能存在漏洞。在 Rust 核心库和标准库中发现错误，包括安全代码可能触发未定义行为的情况，挑战了内存安全语言本质上安全的观念。

这项研究强调了持续安全测试的重要性，以及仅依赖语言特性实现安全性的局限性。它还凸显了智能体工具在识别可能逃避传统测试方法的细微错误方面的作用。

对于开发人员和安全专业人员而言，这些发现表明内存安全是语言设计和实现之间的共同责任。即使在具有强大安全保证的语言中，不安全的代码块和编译器错误也可能引入需要严格审计的漏洞。

网络安全的未来：自动化与人工监督

谷歌云在其 CISO Perspectives 中分享的 2027 年安全预测，很可能预期将更多地依赖自动化和人工智能来管理日益复杂的威胁。虽然此处未详细说明完整预测，但整个行业的趋势表明，将更多地使用机器学习进行威胁检测和响应。

这些发展——主动利用目录、人工智能驱动的安全工具和内存安全研究——的融合表明，未来的网络安全将更加自动化，但仍需要人类专业知识进行战略决策。组织必须在技术和人才两方面进行投资，以保持领先于对手。

随着威胁形势的演变，问题仍然存在：组织如何有效整合自动化工具，同时不失去解读结果和适应新型攻击所需的批判性思维？答案可能在于一种混合方法，将人工智能的速度与经验丰富的安全专业人员的判断相结合。