亚马逊云科技推出Continuum：漏洞修复提速，CyberGym-E2E成功率89.0%

11月13日消息，网络安全行业正被人工智能改写。新一代AI模型已经能自主挖掘漏洞，漏洞发现从“几年一遇”变成“一年几遇”，甚至开始工业化批量产出。

研究机构Epoch AI的数据显示，仅2026年6月，全球高危及关键漏洞数量约为1500个，是此前月度历史纪录的3.5倍。10月刚曝出的PHP2Shell、Linux内核漏洞又波及全球网络安全，企业的紧张情绪被进一步推高。

亚马逊云科技安全合规高级经理江学森直言，传统网络安全正在被颠覆：AI带来的不只是更多漏洞，攻击速度、攻击门槛和攻击方式都在发生系统性变化。

这些挑战摆在面前，AI时代的安全防御思维和能力也必须跟着升级。

AI攻击质变，防守必须用AI

江学森把AI时代的安全攻击归纳为四个特征：分钟级、全自主、零门槛、低成本。漏洞从公开到被利用的窗口不断坍缩，AI能端到端跑完攻击链、不需要人类指导介入，一条指令就能发动复杂攻击，人人都能发起专业攻击；攻击成本越来越低，攻击质量却逐步逼近顶尖攻击者。

还有一点更该提防：Agent 未必只是被攻击者当工具用，它自己也可能动手。江学森结合近期市场上出现的一些动向归纳说，有些 Agent 为了把任务做成，会什么手段都用上，逃出沙箱、打代码靶场、冒用身份都在其中，可它自己并不觉得这算恶意。大模型很难分辨使用者的目的，同一套能力攻守两端都能使。模型一代代更新，安全本事变强，这并非人能全盘设计出来，而是训练到某个阶段自己冒出来的。所以防守方别把“模型自带安全”当成万能药。

AI 攻击一上来，传统安全运营的软肋就被放大了好几倍。江学森把它归成四类：漏洞查得不及时；查出来修得又不及时；安全基线不牢，弱口令、没开 MFA、密钥长期不换这些老毛病，被 AI 找得更快；Agent 应用缺乏安全可控的防护。手法是新的，被钻的空子却是旧的。那些攒了很久的安全欠账，AI 只是让它们更快变成了实打实的损失。

江学森对 TechWeb 说：“安全行业本来就有攻守失衡的毛病：防守方得把所有门窗查一遍，才能证明房子不漏水，攻击方只要找到一条缝就行。AI 把这种失衡拉得更大了。”企业每天收成千上万条告警，系统里漏洞一堆，再靠人一条条分析、排期、修复，已经走不通。江学森说，哪个领域拿人肉去对 AI 都不太现实，防守必须借 AI 的力，用 AI 比攻击者更早发现漏洞、验证漏洞，再推着修。

Amazon Continuum：把“发现—排序—验证—修复”跑通

今年10月，亚马逊云科技宣布 Amazon Continuum 正式可用，这项针对代码漏洞的服务能以机器速度发现、排序、验证并修复安全风险。它不是普通的代码扫描器，而是按代码漏洞的生命周期搭起来的多 Agent 系统：发现、验证、修复三步各用专门的 Agent，证据一路往下传，每一步都接着上一步的成果做。

到了发现环节，Continuum 会分析代码库，给出候选漏洞，并记下支撑每个候选的源代码证据。验证环节，专门的 Agent 试着把候选发现变成可演示的安全问题，构造概念验证，放到隔离沙箱里跑，看观察到的行为是否撑得住这个发现。修复环节，系统把漏洞追到根因，产出补丁，再验证补丁确实挡住了已经证明的失败，项目的功能测试也还过得去。修复方案是拿确立漏洞时那套同样的证据来评的，不是只丢一个风险分数。

在加州大学伯克利分校RDI推出的CyberGym-E2E基准测试中，Continuum以89.0%的端到端成功率位居第一，高出此前公开最佳纪录65.9%近23个百分点；在不设时限运行时，端到端通过率可达93.7%。该基准包含920项任务，基于139个开源项目的历史OSS-Fuzz漏洞，要求系统先识别并演示漏洞，再产出经过测试的修复方案，并检查修复后项目是否仍通过功能测试。Continuum的成绩既反映底层前沿模型能力，也体现多Agent安全系统的设计价值。

据透露，通过采用Amazon Continuum，跨境金融数字科技平台飞来汇将渗透测试效率由数天缩短至几小时，增量代码扫描在每次PR后1至2分钟反馈，构建“7×24自动化+关键场景人工补强”的智能AppSec体系。韩国SaaS合作伙伴LG CNS使用Amazon Continuum将渗透测试时间缩短最多80%至1天，全自主运行成本降低70%，上下文文档将评估可靠性从60%提升至90%。

江学森介绍，Continuum 的特别之处是结合部署上下文来判断优先级。它靠两个主要来源搭上下文图谱：客户的代码存储库和 AWS 环境。在跑代码的账户和区域里布置收集器，Continuum 就能收来 AWS Config 资源、网络配置等信息，判断漏洞能不能从网络够到、攻击者能从中捞到什么。它据此认出客户最值钱的系统，比如客户数据存储、支付管线和身份验证服务，再按攻击路径离这些系统的远近给问题排队。Continuum 想回答的是：这个漏洞在真实环境里能不能被利用、会牵动哪些业务。接着，它为每个确认的问题生成修复程序，代码补丁、依赖项升级或配置更改都算，以拉取请求的形式在连着的代码仓库里开出来，等人审、等人合。每项修复都得人点头，最后拍板的还是团队。

双向赋能：AI赋能安全，也要安全赋能AI

江学森强调，AI与安全是双向赋能：一方面要保护在云上构建的AI应用、数据和系统，即Security for AI（安全赋能AI）；另一方面要用AI提升安全效率，即AI for Security（AI赋能安全）。Continuum代表的是“AI赋能安全”的方向，但亚马逊云科技的布局不止于此。

企业争相搭建Agent，安全风险也跟着从网络边界挪到了Agent的上下文里。提示词注入、记忆投毒、工具滥用、数据泄露、沙箱逃逸，这些问题不用攻破系统，可能只要让Agent判断出错就能得手。

针对这类风险，亚马逊云科技用Amazon Bedrock AgentCore提供了一套模块化能力。AgentCore Runtime靠microVM技术给每个会话单独划出隔离的计算环境，避免Agent逃出沙箱、或跨会话泄露数据；AgentCore Identity为Agent建立独立身份，按最小权限原则分发OAuth Token并加密存储；AgentCore Gateway把工具和MCP调用入口统一管起来，提供调用链审计与OpenTelemetry遥测；AgentCore Policy基于Cedar策略语言，在Agent调用工具之前做确定性拦截；Amazon Bedrock Guardrails负责对输入输出做内容过滤、敏感信息保护、提示词注入防护、词汇过滤、话题控制和事实性校验。SHIP安全态势提升计划则帮客户排查MFA未开启、安全组过度开放、日志和监控未启用、异常登录等基础安全问题。

江学森表示，AI会重构每一个安全细分领域，安全也需要重构每一个AI层级。从基础设施、模型、数据和知识，到Agentic平台和Agent，每一层都要加载安全能力。AI攻击不可避免，防守方能做的，是在攻击者发现之前，用AI把现有威胁和漏洞找出来并修好。

Continuum跑通了“发现—排序—验证—修复”闭环，AgentCore则为Agent划出可控边界，两者指向同一个判断：AI时代的安全，没法再靠人肉去对抗机器速度，得用AI的速度、上下文和确定性护栏重建防守体系。这既是产品能力的竞争，也是整个行业生态需要一起推进的方向。