文章总结： 长亭科技杨坤在首届中国网络空间安全大会上分享大模型自主攻防能力构建实践，指出AI正推动网络攻防走向工业化，模型能力需配合harness才能稳定交付。长亭推出monkeyscan、webhunter及agenticSOC等智能体实践，显著提升漏洞挖掘与安全运营效率，并呼吁共建国产大模型安全能力底座，开放数据计划以促进行业协作。
综合评分： 88
文章分类： ai安全,安全建设,安全工具,安全运营
首届中国网络空间安全大会，长亭科技杨坤谈大模型自主攻防能力构建
夺旗猫
夺旗猫
长亭安全观察
2026年9月20日 16:18
北京
在小说阅读器读本章
去阅读
在公众号小说中沉浸阅读
9月19日下午，第一届中国网络空间安全大会“智安融合、双向赋能 | 协同构建自主网络攻防大模型新生态”分论坛在安徽合肥成功举办。论坛由中国网络空间安全学会主办，中国网络空间安全学会智能化网络安全专业委员会、中国科学院信息工程研究所、北京长亭科技有限公司共同承办。
论坛共设八场报告，从中国工程院院士黄殿中的《物理智能体深空使命与安全测评》开始，中关村实验室、中国科学院信息工程研究所、北京大学，以及阿里云、阶跃星辰、海光信息等产业界机构先后登台，议题覆盖深空安全测评、AI赋能网络安全对抗、基于国产基础模型的安全Harness能力建设、智能化漏洞挖掘、智能化渗透测试、芯片内生安全等方向，勾勒出大模型自主可控智能化攻防体系的完整轮廓。
长亭科技联合创始人、首席安全研究员杨坤以《Mythos启示：大模型自主攻防能力构建与安全厂商赋能路径》做主题报告，分享长亭围绕大模型自主构建攻防能力智能体的实践经验，深入探讨如何以智能体重构新一代Agentic安全运营体系。
下面分享报告的主要观点。
01
网络攻防正在从”手艺人”走向”工业化”
当前，AI正在推动网络攻防走向智能化、规模化的“工业化”。
今年5月，Anthropic公司与约50家合作伙伴用Claude Mythos在全球最重要的系统性软件中发现1万+个高危或严重漏洞，Cloudflare在关键路径系统中发现2000个漏洞，其中400个为高危或严重。OpenAI今年9月发布的GPT-6 Astra在ExploitBench测试中取得100%满分，还自行发现并串联利用了20个新披露高危V8漏洞中的两个零日漏洞。
相比之下，我们成了一名叫“古法挖洞”的“手艺人”。
以往专家驱动的模式依赖个人经验，门槛高、难以复制。AI驱动的工业化模式是自动化、并行化、持续规划、规模复制，攻击流水线覆盖自动漏洞发现、利用开发与验证、目标筛选与侦察、自动化攻击实施。
派拓网络旗下的Unit 42团队在9月2日披露的一起真实入侵里，AI代理完成内网渗透、代码仓库凭证获取、权限提升、研发流水线劫持，覆盖50多种MITRE ATT&CK技术。传统人工红队约两周的工作量，智能体在10小时内完成。目标设定和关键决策仍由人来决定，但战术执行已实现AI代理化。
我们正站在AI攻击浪潮的前夜，必须认真思考：怎么用好AI，构建同样自动化、规模化的防御能力。
02
模型决定能力上限，Harness决定稳定交付的下限
模型的能力强，并不等同于可直接稳定交付的安全生产力。模型从“会做”到在生产环境中稳定应用，中间还需要一套好用的Harness把框架组织起来，长亭科技在此方面已经开展了大量前沿实践，一些成果已经成功落地应用。
#
- ## MonkeyScan：让模型真正看懂代码
#
第一个实践是白盒漏洞挖掘智能体MonkeyScan，把代码扫描从“规则命中”推进到“项目级安全推理”。
如果只给模型提示词，它会围绕危险函数做局部匹配，误报多、优先级低。MonkeyScan先为项目建立地图，把资源集中到高风险区域，再围绕候选点追踪数据流。
MonkeyScan已经开放使用，半年就有超过8000个用户注册使用，累计发现5.6万多个漏洞，其中高危及以上漏洞3万多个。
#
- ## WebHunter：让模型在真实业务里持续行动
#
第二个实践是黑盒漏洞挖掘智能体WebHunter。黑盒场景里，只给提示词，模型会随机探测，容易浅尝辄止。参照MonkeyScan，WebHunter先理解真实业务，再自主规划测试。它通过浏览器模拟业务流程并录制流量，自动发现API接口与参数，再解析前端JavaScript代码找到隐藏接口。
#
渗透测试是长期任务，模型上下文则有限制。我们把资产、身份、历史尝试、阻断原因和证据沉淀成结构化项目状态，调度器每轮据此判断下一步是继续探索、切换方向还是重新规划。
WebHunter在实际的安全服务项目中，每周可以稳定发现500个以上高危漏洞，成本大概只有传统人力成本的5%。
#
- ## Agentic SOC：从日志中心走向多智能体协同
#
第三个实践是Agentic安全运营。传统SOC以安全日志为中心做告警分析、研判和处置，但高水平的攻击不留安全特征，大模型时代分析的数据，还要包括业务日志、应用日志、身份、资产、威胁情报等。
未来的Agentic SOC要更广泛地连接数据和能力，通过多智能体协同构建从异常发现、分析研判到响应处置的完整闭环，把SOC升级为多智能体协同的控制中心。在落地时会遇到两个工程问题：怎样安全可靠地管理和运行海量agent，怎么让这些agent可控地接入海量数据和安全能力。围绕这两个问题，长亭建设了两套开源项目Agent-Compose和OctoBus。
Agent-Compose解决agent如何稳定运行和调度agent；OctoBus解决海量数据源和设备的统一接入，可以形容为是安全能力的“总线”。目前OctoBus已完成149个服务适配包，目标是充分接入国内主流安全设备，解决长期存在的厂商接口和标准不统一问题。
03
共建国产大模型的安全能力底座
模型真正做到能力强，又能落地跑通，靠的是一个公式：模型效果 = 数据 + 算力 + 算法 + 场景落地实践。
在算法和算力上，国内很多基模厂商做得非常出色。但回到网络安全领域，数据成为一个明显的短板：训练和评测数据覆盖场景单一，CyberGym虽涵盖188个开源软件，但难以代表我国关键基础设施使用的操作系统、数据库、中间件和行业应用。高价值数据很少存在于公开数据集里，更多来自安全厂商和行业单位的一线实践。
我们呼吁各方联合起来：模型厂商发挥算法训练优势，科研机构完善研究和测评体系，安全厂商和行业单位贡献专业数据、真实场景和专家经验。
今年7月，长亭发起了公益的数据集开放计划，开放五类数据：CVE漏洞分析与验证数据、AI项目漏洞分析数据、项目自动化编译与部署数据、大模型自动化攻击请求数据、Agent恶意行为识别数据，目标是构建可学习、可运行、可验证的安全实践闭环，让模型真正学会安全能力。目前这项计划已与近20家单位签署协议并开展合作。
AI时代的到来，让我们经历了焦虑，也经历了冲击。今天，我们必须主动拥抱AI，把少数专家的经验转换成可复制、可持续、可规模化交付的安全生产力。期待与各界携手，共筑可信的数字未来。
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：长亭安全观察 夺旗猫
夺旗猫《首届中国网络空间安全大会，长亭科技杨坤谈大模型自主攻防能力构建》