内容提要
2026交通运输数智化发展大会在北京举办,绿盟科技副总裁宫智在演讲中指出,AI降低攻击门槛、推动漏洞挖掘工业化,防御须以AI对抗AI。他提出效率、韧性、可信三大支柱:以安全数字员工实现自主运营,以AI漏洞挖掘和智能渗透强化攻防韧性,并保障AI自身可信管理。绿盟科技还介绍了AI与安全融合的体系化布局及实践成果。
延伸解读
AI攻击“工业化”对交通行业意味着什么
文章指出,AI让攻击门槛显著降低、攻击频次指数级增长,并呈现“批量生成、动态变形、自动化执行”特征;漏洞挖掘也走向工业化,例如PHP底层组件一夜曝出33个漏洞、AI Agent在无人指挥下4.5天自主突破HuggingFace。对交通行业而言,智能驾驶、智慧公路、智能铁路、智慧航运等场景加快落地,安全防护若仍依赖人工响应,将难以匹配机器速度的攻击节奏。
“三根支柱”不是并列口号,而是分层应对
绿盟科技提出的效率、韧性、可信三根支柱,分别对应不同层面的问题:效率解决安全运营的响应速度,靠安全数字员工实现告警降噪与7×24小时调查;韧性解决攻防能力本身,靠AI漏洞挖掘、自主渗透和智能蓝军演练;可信则针对AI自身,确保其在交通关键业务中可管、可控、可追溯。三者从运营、攻防到治理逐层递进,而非简单并列。
安全数字员工:分工协同比单点工具更值得关注
文章介绍的“安全数字员工”模式,并非一个万能助手,而是由运营经理与多个专家角色组成团队,覆盖资产测绘、漏洞管理、检测响应等领域。真实用户与运营经理数字员工交互,由其梳理需求、制定协同方案并统一调度。这种设计试图把复杂、长周期安全任务拆解给不同角色承接,并基于运行数据复盘沉淀知识,其价值在于组织方式而非单一模型能力。
基准排名与实战演练:能力验证的两条路径
绿盟科技以CyberGym第三方基准验证漏洞挖掘能力,文章称该基准覆盖188个主流开源项目的1507个真实历史漏洞,截至2026年8月29日官方数据,其AI漏洞挖掘位列全球第一。同时,智能化渗透系统AI-PTS通过沙箱预演、风险判定、实时监控与异常熔断保障演练受控。读者需注意,基准排名反映的是特定测试集上的复现验证能力,不等于真实交通场景中的全部防护效果。
Q&A
AI对网络安全攻防双方带来了哪些具体影响?
攻击方借助AI显著降低攻击门槛,攻击频次呈指数级增长,呈现“AI批量生成、动态变形、自动化执行”特征;防御方响应相对滞后,现有安全体系面临前所未有的规模化挑战。
绿盟科技提出的“以AI对抗AI”框架包含哪三根支柱?
效率、韧性、可信三根支柱:效率推动安全运营自主化;韧性推动攻防能力自主化;可信筑牢AI自身安全与可信管理底线。
绿盟科技如何用AI提升安全运营效率?
依托“安全数字员工”团队协同模式,每项专业工作配备相应数字员工团队,覆盖资产测绘、漏洞管理、检测响应等领域;由运营经理数字员工梳理需求、制定协同方案、统一调度团队,实现从检测到处置全流程自动运转,开展告警降噪与7×24小时不间断调查,使安全运营达到机器响应速度。
绿盟科技在AI漏洞挖掘方面取得了什么成绩?
截至2026年8月29日官方数据,绿盟科技AI漏洞挖掘在CyberGym基准上位列全球第一。CyberGym覆盖188个主流开源项目的1507个真实历史漏洞,被Anthropic、微软、Wiz等机构公认为AI攻防“黄金标准”。
智能化渗透系统(AI-PTS)是如何运作的?
系统以多模型基座支撑多智能体协同,按任务场景、协作分工、推理引擎、工具执行与风云卫大模型底座分层架构运行,实现从任务规划、漏洞研判、攻击执行到报告输出的端到端自主化,并通过沙箱预演、风险判定、条件执行、实时监控与异常熔断保障验证过程受控。
绿盟科技在AI与安全融合方面有哪些体系化布局?
运营平台侧,在流程化、自动化场景实现AI自主行动,在智能辅助、分析与决策场景实现AI效率提升;安全服务侧,推进SaaS中台智能化应用及一线员工在线智能工具;安全产品侧,强化检测能力提升与边缘智能。同时以自研模型底座为支撑,贯通训练数据生产工程化与模型训练工程化,覆盖数据安全分类分级、非结构化数据、行为基线、核心运营降噪研判、漏洞管理、编排响应、知识沉淀、资产/组件深度识别、自主基线、分析报告、主动防御、AI自动化渗透与攻防、AI代码审计与漏洞挖掘、AI情报采集与融合等全链条能力。