HackerOne
4 节点1 篇5 来源
全球最大漏洞赏金平台 HackerOne（美国）发布的最新基准测试显示，尽管单一前沿 AI 模型如 GPT-6 Astra 能发现 85.5% 的技术漏洞，但多模型组合才能接近全覆盖（98.4%）。然而，AI 在判断实际攻击可行性及识别业务逻辑缺陷方面仍存在显著局限。HackerOne 指出，随着 AI 加速漏洞发现，企业面临“暴露债务”激增的挑战：虽然关键漏洞平均修复时间缩短至 62 天，但未解决的有效漏洞积压量两年间增长了 131%。目前，GPT-5.5 在验证速度上占优，而 Claude Opus 4.7 在处理复杂攻击路径和误报过滤上表现更佳，但两者均难以独立应对需理解业务流程的逻辑漏洞。
事情怎么走到这一步
HackerOne 发布研究资料《Benchmarking the Frontier》，评估 18 个 AI 模型变体在 Celestia 环境中的漏洞探索能力，结果显示 GPT-6 Astra 单独运行发现率为 85.5%，三模型组合达 98.4%。
byline.network ↗HackerOne 公布 2026 年安全研究报告，指出自 2024 年以来，有效未解决漏洞积压量增长 131%，而关键漏洞平均修复时间从 135 天降至 62 天，形成“暴露债务”。
hackerone.com ↗OpenAI 推出 GPT-6 Cyber，宣称在 ExploitGym 基准测试中得分 48.5%，并在 Linux 代码库中发现 948 个权限提升利用程序，强调其在保持授权范围内的对齐能力。
openai.com ↗Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2，其中 Fable 5.2 在 Irregular 的 CyScenarioBench 多阶段网络攻击基准测试中完成 76.3% 的挑战，优于 GPT-6 Cyber 的 61%。
thehackernews.com ↗
还没定论的部分
- AI 模型如何更有效地结合人类专家知识以识别复杂的业务逻辑漏洞？
- 随着漏洞发现速度的加快，企业应如何重构其持续威胁暴露管理（CTEM）流程以消化激增的“暴露债务”？
- 不同 AI 模型在特定任务（如广度扫描 vs 深度判断）上的最佳路由策略是什么？