Bugmageddon：当 AI 打破安全模型

XBOW 推出自主暴露管理（Autonomous Exposure Management）：以攻击者视角、无需源码与凭据，对企业整个外部应用资产并行发起测试，为每个发现附上可复现的利用证据。企业自有应用数量往往是渗透测试覆盖量的 3–10 倍，未被测试的应用并非低风险；AI 让软件产出与漏洞发现同时变便宜，证明可利用性成为把漏洞队列转化为处置决策的关键环节。

Bugcrowd 推出 Savant Forge，将模糊测试与符号执行相结合并持续集成到 CI/CD 流水线，为每个缺陷提供可工作的漏洞利用用例、优先级评分与回归测试以降低误报；配套的 Savant Runtime 跟踪生产环境实际运行的第三方组件，误报减少 80%，支撑 SBOM 合规。

Wiz 在 Forrester 2026 年 Q3《Proactive Security Platforms》Wave 评估中获评领导者，在 21 项标准中的 8 项拿到 5.0 满分，涵盖云与应用可见性、暴露验证、修复增强等维度。Forrester 认为 Wiz 适合寻求云优先、具备图谱化上下文与代码到云可见性的主动安全平台的企业，这一评价也印证了行业正从单一 CNAPP 走向基于 CTEM、覆盖云、SaaS、AI 管道与本地环境的横向安全布局。

SpecterOps 结合红队实战系统梳理 AI 在进攻性安全中的适用边界：侦察与数据降噪、工具开发、社会工程、漏洞发现与验证、长期自动化及报告整理等场景已见实效，但模型仍可能误读工具输出、虚报漏洞利用或提权结果。文章强调成败关键在于模型之外的工程化 harness——上下文、可用工具、持久状态、独立验证与人类判断。

Wiz 联合 Google DeepMind 与 CISA 推出 Scan for Good 计划，以 AI 扫描结合人工安全研究，帮助公共服务、关键基础设施和非营利组织发现公开暴露面与复杂攻击路径，已推动数百处暴露问题完成修复。

CVSS、EPSS 和 KEV 均围绕已公开的 CVE 设计，无法为自己应用代码中的租户边界缺陷、可重放审批逻辑等安全发现打分。本文给出在持续测试队列中为这类无 CVE 发现排定修复优先级的实用方法。