网络安全 30 年来最大的变革

这场 a16z 对话介绍了 Armadin 的判断：AI 辅助的攻击性测试与防御响应，需要一起演进。嘉宾描述，先识别可利用风险，再把证据用于帮助防御系统更快行动。

这是一场企业与投资合作方之间的访谈，不是独立安全基准。产品主张、客户观察和预测，都需要放在商业语境中阅读。本文解释其提出的工作流，不把“力场”的比喻当作防护保证。

嘉宾认为，模型能以人类团队难以同样实现的规模探索和重复工作。但他也描述，当前智能体可能重新走已探索的路径，或出现低效行为，因此活动更多并不自动意味着推理更好。

关于攻击能力和归因的展望，是他对威胁环境变化的预期。访谈没有确立通用的精确速度比例，也没有证明每一次 AI 驱动入侵都更有效。值得区分的是尝试工作的能力增加，与在明确目标上得到验证的成功。

按照描述，系统先建立客户环境的视图，再观察相关变化。新增路由、应用更新、系统变化或威胁知识更新，都可能触发重新评估；单独提出的审计需求，也可以成为测试理由。

这比“每秒攻击所有东西”具体得多，目标是把投入集中到先前评估可能已经过期的地方。在客户测试语境中，范围与授权仍是前提；访谈不是测试任意网络的指令，也不是利用漏洞的实现教程。

嘉宾希望得到的是，某个弱点在实际环境中确实有影响的证据，而不是一张没有区分的潜在问题长表。这种区分可以帮助排序，但他对传统渗透测试的笼统描述，是供应方比较，不是对整个专业领域的定义。

访谈并没有确立零误报或穷尽覆盖的保证。即使展示了技术效果，也仍需理解范围与后果。超过 90 个零日漏洞的数量，同样属于公司主张；这里没有公开逐项案例集，让读者独立核验每项发现。

设想中的防御阶段，把可利用风险的证据交给终端或网络控制系统。嘉宾用战地包扎作比喻：先减少眼前暴露，再为更完整的修复争取时间。

这个区分很重要，因为封住一条路径，不一定意味着消除底层缺陷。对话描述的是发展方向和集成工作，不是证明完整自主防御层已经处处运行。控制措施也需要结合运营环境判断，不能假定每个快速动作都自动正确。

嘉宾认为，某些战术响应窗口太短，无法等待人逐步批准。但他也说，每一层防御都应被假设可能失败，后面还需要其他层次。

稍后，他明确描述，当系统遇到无法分类的情况时，应暂停、升级，并由人决定。这些陈述需要一起保留。主张不是让人或责任消失，而是让系统区分：哪些动作可以在既定边界内处理，哪些不确定性需要判断。

安全架构讨论包括隔离、代理、确定性规则、模型分类和详细日志。嘉宾把有用评测，与经验丰富的安全人员和 AI 专家合作联系起来，因为通用分数可能漏掉特定领域的失败方式。

他描述了一组内部攻击链评测，以及不同模型的时间与成本差异。但缺少完整题集、运行框架和预算时，这些结果不能证明所有开放与闭源模型普遍等效。它们说明的是，评测条件而不只是模型品牌，决定了结果的含义。

访谈中段有一个容易被标题淹没的限定：嘉宾说，报告中的大多数零日漏洞仍由人发现，只是 AI 承担了许多重复工作；他另外称，最近一些案例由技术本身发现。

两者都仍是他的陈述，但这个区分避免了“全部都是 AI 自主发现”的误导性概括。自动化可以让专家集中处理困难推理，却不会使其贡献消失。前面对审计记录的强调，也仍关系到怎样重建实际发生的过程。

嘉宾把从事故中学习，与主动在客户环境中发现问题作了对照。他并没有说事件响应不再需要，因为未知攻击仍可能穿透防线，带来防守方此前没有的信息。

提出的循环是评估、证据、适当情况下的遏制、更深的修复，再次检查。价值取决于每一步的质量，以及围绕它的边界。访谈不能支撑某个固定期限内所有组织的安全技术栈都将被替换的绝对预测。

最后一部分从安全技术转向公司建设。嘉宾强调资金、有经验的负责人、销售培训、品牌，以及持续客户反馈。如果产品快速变化，销售团队就不能只依赖一年一次的培训。

这些是创始人的运营观点，不是经过核验的收入预测，也不是对某一种工作方式的普遍要求。他反复强调的是获得客户、让客户满意、再从客户那里学习，由此把技术能力与能解释、交付并支持它的业务组织连接起来。