CVE漏洞数近乎垂直拉升:AI成安全研究的放大器

10 月 28 日,科技媒体 gigazine 发布博文,报道开发者 0x_Osprey 制作了网页版 CVE Tracker,通过可视化图表追踪已获得 CVE 编号的漏洞数量变化,清晰呈现出 2026 年以来漏洞报告数量的陡峭上升曲线。CVE 是全球广泛使用的漏洞编号体系,安全研究者、软件厂商与企业依靠它追踪、修复与通报软件缺陷。

把模型发布时间叠在同一张图上

CVE Tracker 的做法是把公开记录整理成趋势图,同时把主流 AI 模型的发布时间叠加上去,用于观察漏洞发现高峰与模型问世之间是否存在呼应关系。该站点目前只有深色方案。需要提醒的是,AI 公司往往会在模型正式发布前就使用测试版本开展漏洞挖掘与报告,因此模型上线时刻并不必然与漏洞数量激增的节点同步。

放大器效应与噪声成本

gigazine 的判断是,AI 正在充当安全研究的放大器,更快速地扫描代码、复现异常行为、整理报告,把人力原本覆盖不到的软件角落也拉进排查范围。效率被抬高,发现量自然水涨船高。但报道同时指出,漏洞被发现得更多并不必然意味着系统变得更危险。更多上报既可能暴露真实风险,也可能夹带低质量、重复或难以验证的噪声,反过来加重开源维护者与安全团队的分诊负担。当 AI 把发现漏洞的门槛摊平,如何甄别真伪、避免被海量报告淹没成了新的考题。

报告量增长与攻击面扩张同向

发现端被 AI 放大之后,攻击侧的自动化程度同样在上升,微软披露 Storm-0940 攻击中智能体 3 小时拿下 2250 个租户的案例,说明攻防两端正在同时进入智能体时代。分诊能力而非挖洞能力,成为安全团队真正的瓶颈。