文章总结： 本文由中国移动专家撰写，系统阐述AI时代电信运营商漏洞安全治理体系重构与实践。文章指出攻防效率差距拉大、AI系统安全风险蔓延等挑战，提出五位一体治理体系，涵盖制度双轨、四层技术平台、AI全生命周期防护、实战育才与产业协同，并给出量化成效与行业共性瓶颈及优化路径，为行业智能化转型提供参考。
综合评分： 88
文章分类： 漏洞分析,AI安全,安全建设,安全运营
专题·原创 | 人工智能时代电信运营商漏洞安全治理体系重构与实践
原创
张峰等
张峰等
中国信息安全
2026年9月30日 18:21
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
张峰
文 | 中国移动通信集团有限公司 张峰 刘钊 崔庆虎 李艳东
随着5G-A、算力网络、云原生、物联网规模化落地，电信运营商资产体量呈指数级扩张，传统依赖人工经验和静态扫描的漏洞治理模式已难以应对人工智能（AI）驱动的攻防对抗。大模型、安全智能体覆盖漏洞挖掘、代码审计、风险研判、修复验证的全业务链路，推动防护体系由经验驱动转向智能驱动。但AI工具自身的提示词注入、模型幻觉、智能体越权等新型安全风险随之凸显，构成“以AI赋能漏洞治理，同步防护AI自身安全”的双重治理命题。
一、漏洞治理进入人工智能博弈全新发展阶段
当前，网络安全攻防已全面进入AI赋能的新阶段。攻击者依托大模型大幅压缩漏洞武器化周期，导致传统防御手段的效率差距持续拉大。与此同时，各类大模型与安全智能体自身漏洞持续集中爆发，叠加国家AI安全监管政策密集落地，漏洞治理正式进入攻防双向智能化、风险双重叠加的全新发展阶段。
（一）攻防效率差距持续拉大，传统处置体系难以为继
在攻击侧，Anthropic于2026年4月发布Claude Mythos Preview，其在CyberGym漏洞复现基准中达到83.1%的成功率，可自主发现数千个零日漏洞，将漏洞发现、验证与利用代码生成推进至可规模化复制的自动化流程。派拓网络（Palo Alto Networks）于2026年5月公布的内部测试结果显示，基于多款前沿大模型开展AI辅助漏洞分析，仅需3周即可完成等效于顶级渗透测试团队1年的工作量。在攻击速度方面，Palo Alto Networks发布了《2022年Unit 42事件响应报告》，其记录了攻击者可在CVE公开后15分钟内启动全网扫描；在AI驱动下，漏洞武器化周期进一步从传统数周乃至数月压缩至小时级。Mashable援引ZDI数据显示，2026年4月由AI发现的漏洞报告量同比激增490%。Google《M-Trends 2026》则指出，漏洞平均利用时间已较补丁发布提前约7天。
在防御侧，奇安信发布的《2025年中网络安全漏洞威胁态势研究报告》显示，漏洞整体平均修复时间为39.6天，而半数漏洞公开后3天内即遭利用，攻防时间差悬殊；传统SAST、DAST工具基于规则匹配和已知漏洞模式进行检测，对私有协议、微服务跨链路逻辑漏洞检出能力有限，致使大量逻辑类漏洞仍需人工经验介入，海量告警进一步加剧甄别压力。叠加《AI时代网络安全产业人才发展报告（2025）》指出的全球480万网络安全人才缺口，单纯依赖人工处置的传统模式已难以为继。
（二）人工智能系统安全风险快速蔓延，形成双向并行安全压力
据国家信息安全漏洞库（CNNVD）统计，2026年以来AI相关重要漏洞持续高发，仅2026年前两个月，CNNVD就收录OpenClaw相关漏洞82个（超危、高危占比约40%），涵盖远程代码执行（CVE-2026-28466，CVSS 4.0评分9.4）、认证绕过、沙箱逃逸等高风险缺陷。OWASP发布了《智能体应用十大安全风险（2026版）》，梳理出目标劫持、工具误用与利用、身份与特权滥用、记忆与上下文投毒、级联故障等十大原生风险。用于漏洞挖掘的安全智能体往往需要获取内网扫描、全量代码读取等高权限，一旦遭提示注入或样本投毒劫持，将导致资产拓扑、未公开高危漏洞大规模外泄，其危害远超普通业务漏洞。
国家层面已初步形成多层治理体系。《生成式人工智能服务管理暂行办法》要求具有舆论属性或社会动员能力的AI服务开展安全评估并履行算法备案；《智能体规范应用与创新发展实施意见》要求操作不得超出授权范围、建立行为可追溯机制；《人工智能安全治理框架》2.0版要求定期披露模型算法审计。实践中，面向关键信息基础设施的生产级大模型与智能体，普遍执行专项安全评估、最小权限与全链路审计。CNNVD已于2026年4月启动国家人工智能安全漏洞库（AIVD），推动企业同步搭建漏洞智能化与AI内生安全两套并行管控架构。
二、人工智能时代基础电信企业面临多重系统性治理挑战
在AI技术重塑漏洞全流程的背景下，电信行业数十年建设积累的网络架构、资产管理模式、研判流程、管理制度存在固有短板，在AI高速攻击、海量告警和新型AI风险冲击下，其带来的安全风险持续放大。当前，这些短板集中体现为以下四大系统性难题。
（一）动态资产全域可视能力不足，智能挖掘缺少精准底座
电信网络包含5G基站、核心网、移动云、政企平台、海量物联网终端，资产长期处于新增、下线、闲置的动态循环。传统按季度人工盘点更新滞后，大量临时测试环境、下线虚拟资源形成无台账的影子资产，AI扫描工具仅能覆盖已登记设备，边缘盲区极易成为AI自动化渗透跳板。CNNVD高危漏洞预警下发后，企业无法快速精准定位全网受影响资产，批量隔离、整改处置严重滞后。同时，现有资产台账仅记录设备基础信息，并未关联业务权重、数据敏感等级、公网暴露范围，致使AI风险评估模型难以完成精准分级。海量漏洞只能统一推送整改工单，加之有限的安全人力难以聚焦核心业务高危隐患，资产底数不清已成为制约智能化工具发挥价值的瓶颈。
（二）漏洞研判高度依赖专家，无法承接AI海量输出
传统漏洞处置全流程依靠人工完成情报解析、告警甄别、攻击链路推演，AI扫描与代码审计工具规模化部署后，每日产出大量原始告警，叠加每日更新的海外漏洞公告，人工逐条处理消耗大量安全人力。通信私有协议、定制化政企业务缺少公开漏洞标注样本，普通安全人员难以区分AI输出的真实缺陷与模型幻觉生成的虚假漏洞，复核校验成本居高不下。现有工具普遍不具备自动攻击链推演能力，AI发现单点漏洞后仍需人工梳理横向移动路径，工具无法直接支撑主动防御策略制定，AI带来的告警增量反而加重了安全团队负担，智能化提质增效的目标难以落地。
（三）软件供应链存在检测盲区，难以抵御AI定向攻击
电信运营商业务由自研代码、第三方固件、海量开源组件多层构成，传统SAST工具主要依赖规则匹配和已知漏洞模式检测，无法识别开源同源变体、业务定制新增逻辑缺陷。攻击者依托大模型快速解析软件技术栈，生成定制化利用载荷，供应链攻击门槛大幅降低。同时，传统安全手段仅支持上线前的单次扫描，未集成至持续集成与持续部署（CI/CD）流水线开展增量AI审计，代码迭代过程中新增缺陷无法及时拦截，致使大量供应链漏洞流入现网，持续扩大攻击面。AI驱动的自动化攻击将进一步放大此类盲区带来的安全损失。
（四）现有管理制度未覆盖AI新型风险，管控亟待完善
原有漏洞管理规范仅覆盖传统软硬件设备，缺少针对大模型、安全智能体的专项约束条款。准入环节缺少提示注入、模型幻觉、越权调用等强制评测流程；运行环节未划分靶场与生产智能体分级权限，高危操作的人工审批缺少制度依据；数据层面缺少漏洞样本、业务代码脱敏留存规范；应急层面缺少智能体劫持、知识库投毒等新型事件处置预案。制度建设滞后于AI落地速度，智能化平台上线后产生的新型风险缺少标准化管控流程与追责机制，双重安全目标缺乏制度刚性支撑。
三、中国移动人工智能驱动漏洞治理创新应对体系
针对行业四大系统性短板，中国移动依托九天·泰合安全大模型、MoMA移动模型服务平台，搭建“制度双轨、四层技术平台、AI全生命周期防护、实战育才、产业协同”五位一体全生命周期治理体系，同步兼顾AI赋能漏洞挖掘、AI自身安全防护双重目标。整套体系以国家AI相关法律法规及政策文件为顶层依据，对内打通资产、漏洞、AI工具统一管控链路，对外建立国家级常态化协同通道，从制度、技术、人才、生态多维度补齐行业各类短板，形成适配通信云网场景的智能化治理实践路径，为行业智能化转型提供落地参考。
（一）构建双轨制度框架，搭建内外协同治理机制
中国移动在既有《网络产品安全漏洞管理规定》及《中国移动网络产品安全漏洞管理办法》基础上，进一步制定了《中国移动人工智能风险防控工作指引》与《中国移动人工智能应用安全管理办法》，并配套制定了涵盖大模型备案、智能体安全、具身智能、数据投毒防护、一体机安全等领域的9项制度规范与技术指引，由此形成传统漏洞管理与AI风险防控并行运转的双轨治理体系。
在外部协同方面，中国移动于2026年牵头起草全球首部强制性国家标准《智能体应用安全基本要求》，联合20余家产学研单位完成总体框架设计，并参与支撑全国网络安全标准化技术委员会（TC260）编制《智能体安全标准化研究》，同步参与AI漏洞相关行业标准研讨。同时，配套增设AI漏洞挖掘专项奖励，鼓励网信安全蓝军依托大模型能力挖掘通信私有协议漏洞，持续扩充行业稀缺标注样本库，以激励机制提升能力建设，推动内外协同治理落地见效。
（二）四层一体化智能技术平台，解决行业核心技术痛点
中国移动正着力构建“资产测绘—多智能体挖掘—AI代码审计—多因子处置”的四层闭环能力架构，实现对漏洞从发现到修复全生命周期的系统性覆盖。
资产测绘层融合网管、云平台及流量数据构建资产图神经网络，可自动识别影子资产，并在高危预警触发后迅速定位受影响设备，大幅缩短应急响应窗口。
多智能体挖掘层采用规划、测试、验证等多智能体协同分工机制，在隔离环境中完成漏洞验证与概念验证（PoC）自动生成，落地“AI初筛+专家终审”的人机协同研判模式，显著压缩漏洞分析周期，提升研判效率。
AI代码审计层搭建知识图谱、污点追踪、检索增强生成（RAG）推理与沙箱验证四层子架构，深度嵌入开发安全运营（DevSecOps）流程，相较于传统静态分析工具，在逻辑漏洞检出能力和误报控制方面均有改善，有效减轻安全团队的人力负担。
多因子处置层则自动划分修复优先级，依托标准化设备实现修复脚本的自动下发与复测，形成从发现到验证的全线上自动化闭环处置链路。
四层协同联动，贯穿漏洞发现、分析、修复、验证全流程，系统性提升了企业级安全运营的智能化水平与响应能力。
（三）AI全生命周期防护，化解智能体原生安全风险
中国移动对标国家AI治理政策要求，并衔接《智能体应用安全基本要求》等标准框架，搭建覆盖上线评测、运行管控、工具链安全的完整AI防护体系。
上线评测环节依托多维度指标与大规模通信数据集的内部评测平台，开展提示注入、对抗样本等红队测试，部署输入输出双层安全护栏，对恶意提示进行有效拦截。
运行层面严格区分靶场与生产环境的智能体权限，生产环境仅开放只读探测接口，高危操作强制人工审批；全部提示词及工具调用日志加密留存，并搭建审计看板，实现异常行为的实时监测与阻断。
在工具链方面，外部扫描组件、微调模型均部署于沙箱隔离环境并按月巡检，训练所用的业务代码与漏洞样本统一脱敏处理，从源头防范内网拓扑、客户隐私及未公开漏洞外泄风险。多环节协同联动，为智能体应用构建覆盖上线前评测、运行中监控、运维侧防御的纵深安全防线。
（四）实战化培育复合型AI安全人才梯队
依托集团国家级仿真靶场搭建四级人才梯队，截至2026年6月，中国移动内部已累计认证安全人才超1万人，150余人具备AI漏洞挖掘、智能体评测复合能力并入选国家级实战库。靶场增设AI劫持、大模型辅助批量漏洞挖掘红蓝对抗科目，系统自动复盘攻防链路并输出能力评估报告，以实战同步锤炼传统漏洞分析、AI安全评估双重技能。深化产学研联合机制，联合高校、CNNVD共建通信漏洞标注数据集，设立AI漏洞联合攻关课题，打通算法仿真、电信运营商现网验证完整链路，定向储备兼具通信、代码、大模型能力后备人才，缓解行业复合型人才缺口。
（五）共建产业协同漏洞安全治理共同体
对内打通各省、专业公司AI漏洞审计日志，统一全网风险视图；对外与CNNVD建立多层协同机制，常态化报送新型AI、通信漏洞，参与行业标准编制；联合全球新一代信息通信技术合作组织（GTI）发布AI安全治理倡议；启动九天安全伙伴计划，联合厂商、高校共建通信漏洞标准化数据集，在脱敏前提下跨企业共享漏洞预警、防御方案，凝聚全行业合力应对5G、算力网络共性漏洞安全风险。
四、落地实践成效与行业长效优化路径
依托五位一体智能化治理体系，中国移动已完成全网平台规模化落地，在资产管控、漏洞处置、软件安全、AI防护及人才与产业协同方面取得量化成效。结合中国移动百万级通信资产现网落地经验，梳理出行业五大共性落地瓶颈，并从技术、平台制度、人才、生态维度提出长效优化路径，方案兼顾生产业务连续性与AI安全管控要求，可为行业提供参考。
（一）体系规模化落地量化实践成效
据中国移动全网平台运行统计（统计周期为2025年7月至2026年6月），在资产管控方面，全网试点资产扫描识别率达92.02%，台账更新压缩至小时级，高危漏洞资产定位由平均3天缩短至分钟级，动态资产盲区与应急响应滞后问题得到有效缓解；在漏洞研判环节，人工甄别工作量下降70%，异常行为识别效率提升85％，安全告警自动化处置率提升至99％，专家资源从重复性甄别中释放至高危漏洞深度分析；在软件供应链层面，DevSecOps全流程AI审计落地，大模型赋能SAST/IAST显著提升检测精度，上线缺陷同比显著下降。AI安全管控体系上线以来，未监测到智能体劫持、数据泄露事件，累计阻止上线存在安全缺陷的AI系统19套，AI工具自身安全风险得到有效管控；人才梯队持续扩充，多名专家参与国家级网络安全攻防演练AI专项演练，自动化渗透测试红蓝对抗科目纳入靶场常态化训练；产业协同建成共享样本库，实现高危AI漏洞小时级跨行业预警，体系运行成效得到初步验证。
（二）行业AI漏洞治理面临五大共性瓶颈
从中国移动现网实践与行业交流情况看，AI漏洞治理在规模化落地过程中仍面临以下五方面共性瓶颈。一是大模型幻觉尚无法根除，全自动化研判的可靠性有待提升；二是通信行业5G、算力专用标注漏洞样本稀缺，公开数据集无法适配行业场景，限制了大模型能力上限；三是智能体自主性与可控性难以平衡，放开智能体自主操作虽可提升效率，但会扩大风险敞口，多层审批又削弱自动化效率优势，行业缺乏统一的分级授权落地标准；四是漏洞挖掘、审计类AI缺少专项评测规范，现有标准面向通用大模型，各企业评估口径不统一；五是产学研转化壁垒明显，高校算法基于开源代码验证，缺少电信运营商海量真实网络环境打磨，一线实战经验难以转化为标准化公开数据集。
（三）分维度长效优化实施路径
在技术层面，固化人机协同路线，采用多模型交叉验证与沙箱双重验证抑制幻觉，联合CNNVD共建通信脱敏漏洞样本池，搭建智能体安全约束架构；在平台制度层面，迭代AI漏洞运营中枢，新增AI评测、CNNVD自动报送模块，牵头制定通信行业漏洞分析AI专项评测标准，完善智能体应急处置制度并纳入年度考核；在人才层面，持续升级AI对抗靶场，深化产学研联合实验室定向培育后备人才；在产业生态层面，在脱敏基础上搭建跨行业AI预警通道，依托第十六届网络安全漏洞分析与风险评估大会开展联合攻关，输出通信行业标准化治理实践经验。
五、总结与展望
全球AI攻防博弈持续升级，漏洞武器化周期不断缩短，基础电信行业作为数字经济核心底座，仅依靠传统防护手段已无法支撑长期安全发展。行业智能化改造不能片面追求自动化效率，必须同步统筹AI全生命周期安全管控，坚持人机协同、安全前置的思路。单一企业难以独立完成行业样本、评测标准、协同预警体系建设，需依托CNNVD等国家级漏洞管理平台，并通过行业会议联动产业链各方共建共享。中国移动将持续迭代升级大模型漏洞分析能力，完善智能体全流程安全管控体系，持续参与行业标准制定与联合攻关，不断输出电信运营商实战经验，推动漏洞治理由经验驱动向智能驱动转型，为关键信息基础设施主动防御和网络强国建设筑牢通信安全底座。
（本文刊登于《中国信息安全》杂志2026年第8期）
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：中国信息安全 张峰等
张峰等《专题·原创 | 人工智能时代电信运营商漏洞安全治理体系重构与实践》