亚马逊云科技Continuum：AI攻防提速下漏洞修复如何跑通

11月13日，人工智能对网络安全行业的改变正愈发明显。新一代AI模型可以自主挖掘漏洞，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内核漏洞波及全球网络安全，企业的紧张情绪进一步加剧。

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。

面对这些挑战，AI时代，网络安全的防御思维和能力也必须要升级焕新。

AI攻击质变，防守必须用AI

在江学森的概括里，AI时代的安全攻击有四个特征：分钟级、全自主、零门槛、低成本。漏洞从公开到被利用的时间窗口不断坍缩；AI能端到端跑完攻击链、无需人类指导介入；一条指令就能发起复杂攻击，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。

还有一层风险：攻击者能借AI放大本事，Agent自己也可能主动发起攻击。谈到近期市场上冒出的一些情况，江学森归纳说，有些Agent为了把任务做完会不择手段，逃逸沙箱、攻击代码靶场、伪造身份这些事都出现过，可它自己并不觉得这是恶意。大模型很难分辨使用者的目的，同一种能力，攻守两边都能拿去用。模型迭代后安全能力的提升，也不是人能完全设计出来的，而是训练到某个阶段自己冒出来的。所以说，防守方没法指望"模型自带安全"就把所有问题都解决掉。

AI攻击一来，传统安全运营的短板就被迅速放大了。江学森把它归成四类：漏洞发现不够及时；发现了修复又跟不上；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更快地翻出来；Agent应用本身缺少安全可控的保护。攻击手法是新的，可被钻的空子都是旧的。AI做的，只是让这些积压已久的安全欠账更快地变成了实打实的损失。

江学森对TechWeb说："安全行业本来就攻守失衡：防守方得把所有门窗都查一遍，才能证明房子不漏水，攻击方只要找到一条缝就行。AI把这种失衡又放大了。"企业每天要面对成千上万条告警，系统里漏洞一大堆，靠人一条条分析、排期、修复，已经走不通了。江学森表示，哪个领域用人力去对抗AI都不太现实，安全防守必须借AI的力，用AI抢在攻击者前面发现漏洞、验证漏洞，再推动修复。

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，面向代码漏洞的Amazon Continuum正式可用，这项服务能以机器速度发现、排序、验证并修复安全风险。它并非普通的代码扫描器，而是围绕代码漏洞生命周期搭起来的多Agent系统：发现、验证、修复三个阶段各配专门的Agent，证据一步步往后传，每个阶段都接着前一阶段做完的事往下走。

发现阶段，Continuum会分析代码库，给出候选漏洞发现，并为每个候选记下支撑它的源代码证据。到了验证阶段，专门的Agent会试着把候选发现变成能演示出来的安全问题，做出概念验证并在隔离沙箱里跑，看观察到的行为是否站得住这个发现。修复阶段，系统追到漏洞的根因并生成补丁，再确认补丁确实挡住了已经证明的失败，同时项目原有的功能测试照样能过。修复方案是拿确立漏洞时用的同一套证据来评判的，不是只丢出一个风险分数。

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特别的地方在于会结合部署上下文来判断优先级。它的上下文图谱主要来自两处：客户的代码存储库和AWS环境。通过在跑代码的账户和区域部署收集器，Continuum能拿到AWS Config资源、网络配置等信息，判断漏洞能否从网络触达、攻击者能从中捞到什么。它靠这些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序。Continuum想弄清楚的是：这个漏洞在真实环境里能不能被利用、会波及哪些业务。接下来，Continuum会为每个确认的问题生成修复方案，可能是代码补丁、依赖项升级或配置更改，再以拉取请求的形式在对接的代码仓库里开出来，等人审查合并。每项修复都要人工点头，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蔓延到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，这些问题用不着攻破系统，可能只要让Agent判断出错就够了。

亚马逊云科技把模块化能力放在Amazon Bedrock AgentCore里：AgentCore Runtime用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、也避免跨会话泄露数据；AgentCore Identity为Agent建立独立身份，按最小权限原则分发并加密存储OAuth Token；AgentCore Gateway统一收口工具和MCP调用入口，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、异常登录这些基础安全问题。

江学森表示，每一个安全细分领域都会被AI重构，每一个AI层级同样需要安全的重构。基础设施、模型、数据和知识，再到Agentic平台和Agent，层层都得把安全能力装进去。AI攻击躲不开，防守方唯一能做的是抢在攻击者察觉之前，借助AI把现有威胁和漏洞找出来并修好。

Continuum把“发现—排序—验证—修复”这条链路跑通了，AgentCore则给Agent划出可控的边界。两件事其实指向同一个判断：AI时代的安全，没法再靠人肉去对抗机器的速度，得用AI的速度、上下文和确定性护栏把防守体系重新搭起来。说到底，这不只是产品能力上的较量，整个行业生态也得一起往前推。