Rubrik使用Mythos Preview一个月后的经验教训
内容提要
Rubrik加入Anthropic的Project Glasswing后，使用Mythos Preview进行漏洞扫描，发现其发现速度远超人工修复能力。Rubrik放弃增加人力，转而构建自动化软件层，通过多轮定向扫描过滤噪音，仅将高质量发现分配给工程师。他们限制自动化修复范围，保留人工判断，强调AI增加了对工程严谨性的需求。
延伸解读
AI发现速度倒逼流程重构
Rubrik的实践表明，AI漏洞扫描的速度远超人工修复能力，传统依赖增加人力的应对方式已不可行。这迫使企业必须重新设计安全流程，从“人海战术”转向“自动化优先”，构建能够匹配AI发现速度的软件层，否则大量漏洞发现将积压成新的瓶颈。
自动化修复的边界选择
Rubrik在自动化修复上刻意保持克制，仅对少数定义明确的漏洞类别启用自动修复，其余仍交由人工判断。这种“可信自动化”与“最大自动化”的取舍，反映了在AI引入后，企业需要更审慎地界定机器与人的职责边界，以维持安全修复的可靠性和可控性。
AI提升工程严谨性要求
Rubrik发现，AI并未降低对工程能力的要求，反而增加了对系统严谨性的需求。构建有效的“harness”需要整合业务、安全和信任边界等上下文，并设计多轮定向扫描来过滤噪音。这意味着企业需投入更多精力在AI外围的系统工程上，而非单纯依赖模型本身。
Q&A
Rubrik在使用Mythos Preview一个月后遇到了什么主要问题？
Rubrik发现Mythos发现漏洞的速度远超其工程团队的人工修复能力，导致漏洞修复出现优先级瓶颈。
Rubrik最初如何应对Mythos发现的大量漏洞？后来为什么改变策略？
最初Rubrik考虑增加人工审查员来应对漏洞数量，但很快放弃，因为意识到人工修复无法跟上AI发现的速度。
Rubrik如何构建自动化软件层来管理Mythos的发现？
Rubrik构建了一个软件层，首先使用Mythos进行全仓库扫描，然后利用初步发现进行多轮定向扫描，过滤噪音，只将高质量发现路由给工程师。
Rubrik在自动化修复方面做了哪些限制？为什么？
Rubrik将自动化修复限制在预定义的、高度可靠的漏洞类别中，其他漏洞由人工处理，以平衡信任和自动化程度。
Rubrik从使用Mythos中得到了什么核心教训？
Rubrik认为AI增加了对工程严谨性的需求，现有工作流程需要适应AI的速度，并集成结构上下文来过滤和分类发现。
Mythos Preview是什么？Rubrik如何获得访问权限？
Mythos Preview是Anthropic的Project Glasswing的一部分，Rubrik在2025年6月加入该项目，成为约150家组织之一，从而获得访问权限。
