沒有任何單一模型能抓到四成以上漏洞：深入 Palo Alto Networks 的 Unit 42 Continuous Frontier AI Defense

資安界維持了三十年的攻防平衡已經被打破，而 Palo Alto Networks 讓你看看精確的數字：2026 年 9 月 22 日，該公司發布了 Unit 42 Continuous Frontier AI Defense——一套全年無休的代理式（agentic）攻擊性資安服務，背後的論點簡單得近乎殘酷：攻擊者早已用 AI 把入侵週期壓縮了 97%，防守方若不想坐以待斃，就得搶在真正的對手之前，讓受到嚴格管控的前沿模型持續攻擊自己的基礎設施。

這次發布的意義遠超過單一廠商的產品線。它是迄今最明確的訊號：前沿 AI 的「門控能力」（gated capability）層級——包括 Anthropic 的 Claude Mythos 5 與 OpenAI 的 GPT-5.6-Cyber 這類最危險的網攻能力被限制於公開使用之外的模型——已經找到了第一個工業化規模的商業落地模式：不是聊天機器人，不是副手，而是以機器速度對真實企業環境進行的持續性攻擊測試。

被量化的不對稱困境

伴隨發布公布的數據，讀起來像一份防守方正在悄悄落敗的軍備競賽報告。在 Unit 42 近期調查的一起案例中，攻擊者使用代理式 AI 工具與拆除安全防護的開放權重模型，串聯了超過 50 種 MITRE ATT&CK 技術，把原本需要數週的系統性入侵手法壓縮到不到 10 小時——比一支熟練的人類紅隊快了 97%。真實攻擊中的滲出（exfiltration）時間已被壓縮到一小時以內。而當新的 CVE 公開揭露時，自動化的攻擊端掃描器能在** 15 分鐘內**將其武器化。

面對這樣的時鐘，傳統的定期滲透測試——一份固定期程、產出一份 PDF 報告、出爐即過時的服務——在結構上已經淘汰。Continuous Frontier AI Defense 是 Palo Alto Networks 的答案：用一台隨環境變化持續重掃的常駐引擎取代一次性評估，並配上與攻擊方同級的模型。

服務實際上做些什麼

根據官方說明，架構包含五個組成：

• 持續測試引擎（Continuous Testing Engine）——先對整個資產範圍做基準掃描，之後隨基礎設施、程式碼與身分的變動全年無休地重測。
• 多模型 AI 協作層（Multi-Model AI Harness）——核心創新。專有的編排層把每項攻擊任務路由到最適合的模型，在最大化覆蓋率的同時控制前沿 AI 的運算成本。
• 頂尖網安模型——協作層整合了門控能力模型，包括 Anthropic 的 Claude Mythos 5 與 OpenAI 的 GPT-5.6-Cyber，以及開放權重模型。
• 進階對手模擬（Advanced Adversary Simulation）——跨第一方與第三方 Web 應用、API、雲端基礎設施、原始碼儲存庫與網路資產，驗證端到端攻擊路徑的真實可利用性。
• 加速修復（Accelerated Remediation）——提供可執行且排定優先順序的修復方案、程式碼層級指引與虛擬修補建議；搭配 Frontier Virtual Patching，可在漏洞公開揭露或官方修補程式問世之前先行部署虛擬補丁。

零資料保留（ZDR）架構保護客戶的原始碼與遙測資料——這是對企業最顯而易見焦慮的回應：把王國的鑰匙交給負責測試王國的 AI 服務，資料絕不能被保留或用於訓練公開模型。

那個撐起整個設計的統計數字

Unit 42 自家的評測數據裡，藏著解釋這套服務為何以多模型為核心、而非押注單一旗艦的關鍵發現：

• 在複雜的企業環境中，沒有任何單一 AI 模型能抓到超過 40% 的漏洞。
• 兩大頂尖網安模型——Claude Mythos 5 與 GPT-5.6-Cyber——所識別出的暴露點重疊率不到 10%。

這個組合令人震驚。它意味著最強的攻擊性模型，第一近似下發現的是不同的東西。無論單獨選哪一個，你對自家攻擊面的大半都是盲的。多模型協作層不是行銷話術，而是被迫的必然。Unit 42 對模型在企業程式碼庫與即時環境中表現的評測得出了這兩個「殘酷的營運現實」，而路由任務、消除單一模型盲點的編排層，就是工程上的回應。

先在自家驗證，再推向客戶

Palo Alto Networks 表示，這套方法歷經六個月的內部測試與超過 100 個 Unit 42 客戶專案的驗證，幕後是** 1,700 萬美元**的方法論研發投資。

內部實測成果：持續性的 Mythos 掃描在三週內產出了相當於傳統滲透測試一整年的結果。協作層對每項產品發現的高與嚴重等級漏洞比傳統測試方法多出 3.2 倍，並協助工程團隊將平均修復時間縮短了 51%。

客戶端的評估則說了一個更細緻的故事。Frontier AI Exposure Analysis 在** 100% 的受測客戶中都找到了暴露點，其中 37% 屬於高或嚴重等級。多數暴露點來自第一方應用程式。而在第三方應用中，每三個經驗證的暴露點就有兩個沒有對應的已知 CVE**——這意味著傳統的漏洞掃描器在結構上根本看不見它們。

一起金融業專案具體展示了這套服務要抓的失效模式：協作層識別出一串各自輕微的缺陷——一個未重新驗證身分的支付連結、一個被跳過的一次性密碼檢查、一個 session 路由缺陷。每個缺陷單獨看都微不足道；串起來之後，攻擊者可以完成完整的帳戶接管與支付詐騙，且全程不需要受害者做出任何動作。

合作夥伴的表態

來自兩大實驗室的背書引言，精彩之處不在熱情，而在它們揭露的各自定位。

Unit 42 資深副總裁 Sam Rubin 直白地定了調：「AI 為威脅行為者創造了不對稱優勢，對抗的是以人類速度防守的組織。現代資安需要機器速度的防禦。」

OpenAI 全球網安夥伴負責人 McCall McIntyre 則確認了這樁合作背後的商業管道：「透過 Daybreak 以及我們與 Palo Alto Networks Unit 42 的合作，我們把 OpenAI GPT 網安模型與深厚的資安專業、嚴謹的治理以及人類判斷結合。」Daybreak 是 OpenAI 的門控存取計畫——正是硬體金鑰強制政策背後的同一套框架——而 GPT-5.6-Cyber 在進階網安提示上回答成功率 95%、標準版 GPT-5.6 Sol 僅 1.5%，這個能力差距如今被包裝成了產品。

Anthropic 網安負責人 Michael Moore 的說法或許最大膽：「Claude Mythos 找到了存活數十年人類審查的缺陷，以及全世界軟體中超過一萬個高嚴重度漏洞。這種能見度只有有人能付諸行動時才有價值。」言下之意：Anthropic 手上的發現規模早已超出任何人類 SOC 的消化能力，而這類服務正是把原始模型能力轉化為實際修復的管道。

為什麼此刻落地

產品譜系值得注意。Unit 42 的 Frontier AI Defense 於四月上線，當時是一次性的暴露分析加上現代化藍圖。八月，模型名單擴充納入 GPT-5.6-Cyber 與 Claude Mythos 5。本週的發布補完最後一塊拼圖：從評估，到模型存取，再到持續服務——全球銷售的年訂閱制，並依所用 OpenAI、Anthropic 與開源模型的不同區分方案。

這也延續了一個既有模式。Palo Alto Networks 九月初才收購 Console，明言要「代理化」（agentify）資安營運，而該公司更宏觀的命題——沒有安全就沒有代理採用，沒有代理就沒有安全——如今已成為它的商業組織原則。Continuous Frontier AI Defense 是這場豪賭的攻擊面。

更深層的意義在建築架構上。兩年來，業界一直在辯論前沿 AI 的網攻能力究竟是要圍堵的負債，還是要部署的資產。這次發布是第一個大規模的答案：把它們當作基礎設施——被路由、被編排、按任務計價、而且槍口向內。40% 的上限與 10% 的重疊率保證了沒有任何單一「廠商—模型」聯盟能壟斷這個市場——真正的產品是協作層，不是模型。

至於攻擊者，他們不需要訂閱。剝除防護的開放權重模型，就換得到 97% 的壓縮。這個不對稱，就是整個商業案的全部。