为了分清事实与夸大，一档近期的播客邀请了 Qevlar AI 的联合创始人艾哈迈德·阿查克（Ahmed Achchak）。Qevlar AI 是一家初创公司，为企业的安全运营中心开发人工智能工具。他的立场是一家销售解决方案的企业的立场，因此阅读其言论时需要保持必要的审慎。不过，他的可取之处在于，既不渲染末日论，也不抱天真的乐观。
一种由来已久的失衡，被人工智能进一步放大
艾哈迈德·阿查克首先淡化了变化的程度：在他看来，本质上“没有什么新东西”。网络安全从来都建立在一种不对称之上。攻击者只需要一个突破口，防御者却必须堵住所有的口子。攻击者不在乎法律，也不受组织约束，而防御方则必须应对预算、流程和监管。新的攻击手段与相应的应对措施之间，哪怕只相差几个月，代价也可能十分高昂。
这位创业者认为，真正改变的是速度。人工智能降低了开展某些行动所需的成本和时间，而这些行动过去需要稀缺的技能或近乎国家级的资源。
人工智能在攻击端改变了什么
这位嘉宾区分出三方面的变化。
- 规模。语言模型可以帮助编写恶意软件，即使是那些原本没有足够水平或时间独立完成的人也能借助它。他提到了“不受限制”的模型，它们或是开源的，或是在暗网上流通，但没有详细说明其来源。
- 个性化。网络钓鱼可以实现端到端的自动化。程序收集目标的信息，模型撰写令人信服的信息，然后根据受害者的反应进行调整。
- 身份冒充。声音克隆、伪造视频：他说，他曾要求父母，如果收到一段他“怪异”的视频，就给他回电话，并正在考虑为两岁的儿子设置家庭口令。
他还指出了一种不那么明显的性质变化。开发团队越来越多地使用人工智能编写代码，而生成的代码可能依赖存在漏洞的软件库，处于安全团队的视野之外。配备人工智能的攻击者则可以扫描这些组件，发现漏洞，并构造概念验证来加以利用，而企业对自己已暴露的情况浑然不知。
Mythos：既是真实的警报，也掺杂着营销成分
正是在这一背景下，Anthropic 于今年春天发布了 Mythos。该公司称，这一模型在操作系统中发现了数千个关键漏洞，并决定不向公众发布，理由是它可能让非专业人士也能发现漏洞。使用权限仅限于少数合作机构。
艾哈迈德·阿查克的态度较为审慎。他承认，微软以及开发 Firefox 浏览器的 Mozilla 基金会等机构，已经应用了比以往更多的补丁。但他认为其中“可能有一些营销成分”：据他所说，部分被报告的漏洞属于误报，也就是无法被利用，或者只能在非常特殊的条件下被利用。他并不认为这是一场虚惊：即便这些工具并不完美，也让寻找漏洞这件事比几年前容易得多。
以上是行业参与者的言论，需要与 Anthropic 的官方说法、相关软件厂商的信息核实，最好还能参考独立分析。
为什么当前的防御显露出局限
在大型组织的防御体系核心，是安全运营中心（SOC，即 security operations center），分析师在这里处理检测工具发出的告警。告警是一种怀疑：一条可疑信息、某台设备上的异常行为，或是一次在地理上看似不可能的连接，比如几分钟内先从西班牙、再从中国登录。
这位创始人描述了一个不堪重负的系统。分析师每天收到数百条告警，却只能处理其中约二十条，不得不确定优先级。他把职业倦怠和离职视为直接后果。风险在于，淹没在噪声中的微弱信号被忽略，而它本来预示着一次攻击。他把这种情形比作一个人独自面对四百路监控摄像头，而只有其中一路拍到了窃贼。
传统的应对办法各有缺陷。增加招聘赶不上告警增长的速度，成本也很高。通过“剧本”（playbook，即“如果 A，则 B”这类固定流程）实现的自动化则过于僵化：每出现一种新的攻击形式就得重写，而且耐心的攻击者只需反复试探，就能推断出它们的运作方式。
Qevlar AI 的赌注：人工智能，但不只是大语言模型
Qevlar AI 正是基于这一判断打造产品的。公司成立于 2023 年，由艾哈迈德·阿查克与哈姆扎（Hamza）创办，两人相识于巴黎中央理工学院。它的承诺是复现分析师的调查工作，不依赖预先编写的流程，而是逐条调查告警，并根据其性质灵活调整。
这次访谈中最有启发的部分，是对大语言模型（LLM）在网络安全领域应用的批评。它们的工作方式依赖采样，会引入一定的随机性，这对生成文本有用，但在需要可重复决策时就成了问题。这位创业者提到了 2025 年在 Black Hat 大会上展示的一项实验：一百项调查，每项重复一百次，用一个大语言模型取代其公司的调查引擎。据他介绍，面对同一条告警、在相同条件下，该模型约 30% 的情况下判定为恶意活动，约 50% 的情况下得出相反结论，其余 20% 则不作判断。这些数字来自公司本身，应与原始发表内容进行比对。
因此，他的架构建立在一种“图上人工智能”（graph AI）之上，这是一种较为传统的机器学习算法，负责决定调查的下一步。随后，它调用专门的智能体（包括大语言模型）来完成后者擅长的任务，例如对邮件正文进行语义分析。目标是打造一个可解释的系统，其决策可以追溯；同时它还要具备确定性，也就是对同一个问题给出相同的答案。在艾哈迈德·阿查克看来，信任是自主性的前提，这一工具旨在增强分析师的能力，而不是取代他们。
需要谨慎对待的数字
这位嘉宾提供了若干关于公司业务的信息，此处按其原话转述。
- 融资：累计约 4400 万欧元，分三轮完成，其中系列轮融资于 2026 年初完成。
- 覆盖范围：全球约 1500 家机构受到保护，其中一部分通过托管安全服务提供商（MSSP）实现，这些服务商为其自己的客户部署该工具。
- 性能：告警处理时间为五分钟，而平均水平为四十分钟，且据对比测试，调查准确率高于人工。
- 客户：欧洲大型集团和网络安全服务提供商。
他没有披露营收。这些性能对比来自厂商本身，仍有待第三方评估的验证。
比主流论调更乐观的愿景
在访谈接近尾声时，艾哈迈德·阿查克提出了一种比主流论调更为细腻的解读。他借助历史作比：从青铜时代到铁器时代的转变，使获取力量的门槛降低，削弱了帝国。在他看来，人工智能发挥着类似的作用。它增强了进攻性威胁，但也赋予防御一直缺少的东西，即以接近攻击者行动的速度处理海量信号的能力。这种历史性的不对称，也就是一个突破口对上要守卫的千扇门，或许因此得以缩小。
这一论点颇具吸引力，但仍有待证明。它假定防御方采用这些工具的速度与攻击者一样快，而上文所述的不对称并不能保证这一点。它还假定团队的可见范围能够扩展到整个数字边界，包括软件漏洞和身份，而传统的 SOC 并不总能看到这些。这是这位创始人为公司设定的下一个挑战，此外还有地域扩张，以及为政府部门或国防等敏感客户提供本地化部署。
因此，真正的问题并不是人工智能是在加剧还是在解决问题，而是谁能最有效地利用它。答案取决于技术本身的程度较低，更多取决于各组织部署它的速度，以及对它的信任程度。
常见问题
人工智能真的增加了网络攻击的数量吗？
艾哈迈德·阿查克认为，它使大规模且更具迷惑性的攻击变得更容易。这一说法仍需用独立数据加以验证，例如各国网络安全机构的数据。
Anthropic 为什么没有公开发布 Mythos？
据该公司称，这一模型可能让非专家也能发现漏洞。使用权限仅限于少数合作机构。
什么是 SOC？
它是安全运营中心，分析师在这里审查组织的告警，以判断其是否指向真实的攻击。
为什么不单靠大语言模型来完成调查？
因为这些模型含有一定的随机性，对同一条告警可能给出不同的答案，这使人们难以信任自动化决策。
