Visa 开源 AI 驱动的网络安全防御系统

随着人工智能加速发展，网络威胁也在以同样快的速度演变。对于防御者而言，这要求速度、纪律以及对韧性的持续关注。

为何这很重要

Visa 每年处理数千亿笔交易。我们的网络多年来通过零信任架构、分层防御以及为全球支付所需的规模和可靠性而构建的自动化安全运营和平台得到了强化。我们加入了 Project Glasswing——Anthropic 的防御性网络安全计划，以 AI 速度测试这些防御措施，并更好地理解先进 AI 能在哪些方面帮助我们走得更远。

Anthropic 的初步更新有助于量化这一转变的规模。Project Glasswing 参与者在测试的第一个月内，在广泛使用且具有系统重要性的软件中识别出超过 10,000 个高危或严重级别的漏洞。Anthropic 还表示，软件安全方面的进展不再受限于发现漏洞的速度，而是受限于验证、披露和修补漏洞的速度。¹

以 AI 速度测试我们的防御

为支持这些工作，我们的团队开发了一套多模型安全测试套件（现已发展到第五代），其核心是一个先进的扫描框架，能够系统地映射我们的代码库，在我们的环境中部署 AI 代理以发现漏洞，对发现结果进行分类和优先级排序，并为开发人员和修复代理生成详细报告。我们正在通过开源方式提供 Visa Vulnerability Agentic Harness，以帮助推动更广泛社区的防御性创新。

我们构建 Visa Vulnerability Agentic Harness 是为了以 AI 速度运行，我们也将以同样的方式继续演进它。自开源以来，我们扩展了它的能力，帮助团队不仅识别问题，还能快速、安全地支持修复和验证。AI 让发现代码缺陷变得更容易，但更难的问题是接下来该做什么。通过这些更新，Visa 在工作流程中加入了修复和验证，从而超越仅仅识别问题，转向帮助团队修复问题。

在工作流程的每个关键节点，人工监督仍然至关重要。我们的安全和工程团队会审查发现结果、验证严重性，并在推进变更之前确定修复路径。随后，补丁验证代理会自主处理并验证修复，简化流程并提高可靠性，以加速专家决策，而非取代专家决策。

该套件的最新版本能够解读自然语言目标，适应我们系统中的变化，并持续运行而无需手动维护脚本。这使我们的团队能够以与当前威胁被发现的速度相匹配的节奏运作，同时不牺牲保持我们网络韧性的人工判断。

迄今为止的三点经验

系统规模的高保真分析——该模型展示了执行全系统、意图感知和上下文感知分析的能力，产生的发现结果高保真、低噪声且可操作。Mythos 在识别堆栈深处的漏洞以及突出显示那些在串联后可能变得更严重的问题方面表现出特别的优势。

平均适应时间比检测时间更重要——发现漏洞不再是难点。真正的挑战在于团队能多快确认某个问题确实可被利用、修复它，并证明攻击路径已被关闭，而不是仅仅表明补丁已应用。我们称之为平均适应时间。我们通过资产清单的时效性、每次发布后仍存在多少真实攻击路径，以及我们能多快证明修复在生产环境中有效来追踪它。随着检测速度加快，以同等速度进行修复和验证的能力将日益决定有效的网络防御。

供应链风险正在上升——在AI加速的威胁环境中，供应链风险更加重要。开源和第三方软件中的漏洞可能迅速成为真实暴露面。Visa正积极参与行业行动，例如IBM和Red Hat的Project Lightwell，通过AI驱动的验证和协调补丁来大规模加强开源安全。与此同时，我们正加强对供应商安全的关注，利用漏洞指标和可利用性洞察来识别风险最高的环节，并确保供应商达到我们技术栈所需的韧性标准。

Mythos证实了什么

Mythos在Visa展示了什么？我们的防御经受住了考验。一些发现被标记为严重，但我们的零信任控制、网络分段和现有防护措施本可阻止利用。换句话说，在外部行为者能够利用这些漏洞之前，杀伤链就已被打断。它发现了新的漏洞，并指出了我们可以改进的地方，同时也证实了我们的安全基础，包括零信任架构，仍然有效且足以应对挑战。

接下来是什么

在后Mythos时代，其影响不止于更快的发现。随着AI压缩缺陷产生、发现、利用构建和武器化之间的时间，网络防御将需要从围绕告警和人工分诊构建的模式，演进为能够跨信号推理、应用策略护栏并以机器速度采取有界行动的架构。这包括在明确的治理下，组织如何同步扩展检测和修复能力的持续进展。

此外，Mythos并非孤例。其他前沿模型和快速进步的替代方案正在迅速缩小差距，表明这些能力将变得广泛可及。

Visa的应对围绕三个优先事项展开：

通过将安全进一步左移到我们的代码和构建流水线中，减少攻击面，使可利用的漏洞在到达生产环境之前就被设计消除。
通过在高风险、支持不足的开源和商业组件变成实质性暴露之前替换它们，消除对供应链的结构性依赖。
重构我们的防御，使其日益自主化，以便检测、验证和响应能够随威胁数量和零日攻击的复杂程度而扩展，同时保持在明确的人类治理之下。

这些优先事项反映了Visa如何看待防御性AI的未来：不仅仅是更好地发现问题，而是在由治理和人类监督定义的框架内，加强验证、优先级排序和响应。未来的攻击者不会像人类那样思考、运作或扩展，这就是为什么基于特征码、静态态势模型和被动人类响应的传统保护机制已不再足够。我们正在通过为AI代理设计控制平面来应对这一挑战，该平面专为以AI速度进行自主实时检测、防御、修复和遏制而设计，并在每一层内置韧性，在每个关键决策点保留人类问责。

这一转变强化了长期以来指导Visa安全方法的一项原则：韧性必须在每一层内置。我们的多层安全模型旨在实时检测、预防、响应和恢复威胁，同时保持我们网络的可靠性和完整性。随着威胁格局的演变，我们正在部署和评估先进的防御性AI能力，以进一步增强我们的安全态势，并将这些经验应用于加强我们所服务生态系统的保护。

攻击者已经在使用这些工具。那些尽早以这种纪律水平部署防御性AI的组织，将是能够守住防线的组织。对Visa而言，目标简单而恒定：为所有依赖它的人保障全球资金流动的安全。

要深入了解Visa从Project Glasswing中获得的经验，以及这对网络韧性意味着什么，请探索下面的完整技术简报。