背景

随着 Mythos 和 Project Glasswing 等 AI 网络安全系统的出现，业界开始认真思考 AI 对未来网络安全格局的影响。2026年4月21日，Hugging Face 的 Margaret Mitchell、Yacine Jernite 和 Clem Delangue 联合发表博文，深入分析了开放性在这一领域的关键作用。他们认为，真正的风险不在于模型本身，而在于系统如何被构建和使用。

核心内容分析

Mythos 系统的本质

Mythos 不仅仅是一个“前沿 AI 模型”，而是一个完整的系统，其威力来源于以下要素的组合：

• 足够大的算力
• 海量的软件相关数据训练
• 专为漏洞探测和修补设计的脚手架（scaffolding）
• 由算力和资本支持的速度
• 一定程度的系统自主性

正是这个“配方”使得 Mythos 能够快速发现软件漏洞、找到利用方法并构建补丁。重要的是，这并非模型的单一功劳——其他组织可以构建类似的系统，将较小的模型嵌入深度安全专业知识的系统中，可能以更低成本产生类似结果。

开放性的结构性优势

文章强调，软件安全已经演变为一场跨越四个阶段的竞速：检测、验证、协调和补丁传播。开放生态系统将这些阶段分布在整个社区中，而封闭项目则将知识和行动集中在单个供应商内部，形成单点故障。

开放开发具有以下优势：

• 分布式韧性：Linux 内核安全团队、开源安全基金会等社区能够多视角发现和修复漏洞。
• 攻防能力对称：封闭系统的“专有模糊”（proprietary obscurity）保护效果正在减弱——AI 辅助逆向工程能力越来越强，针对二进制文件的攻击更加容易。
• 内部漏洞风险：当企业使用 AI 编码工具并以“功能数量”而非代码质量评估工程师时，会加速引入漏洞。这些漏洞藏在封闭代码库中，只有单一组织能修复，而 AI 驱动的攻击者却能从外部发现它们。

开放工具与半自主代理的防御角色

对于防御方，开源模型和工具能够缩小能力不对称：使防御者获得与攻击者同类的能力，而这些能力本会被集中在少数资源充足的实体手中。基于系统卡（System Card），这些工具可以与半自主代理结合，构建更强大的防御系统。

行业影响/专业点评

这篇博文为当前 AI 网络安全讨论提供了重要的视角：与其恐惧 AI 的进攻能力，不如关注系统设计和开放性带来的结构平衡。文章巧妙地反驳了“封闭更安全”的传统观点，指出在 AI 时代，开放不仅不会增加风险，反而是更稳健的防御策略。

对于企业和政策制定者而言，这一分析意味着：

• 应鼓励使用开源安全工具和模型，降低对单一供应商的依赖。
• 在引入 AI 编码工具时，必须建立代码质量和安全审查机制，避免“AI加速漏洞”。
• 支持开源安全社区的发展，视为国家网络安全的公共基础设施。

随着 AI 代理的自主性不断提高，开放与封闭的平衡将是未来网络安全的核心议题。Hugging Face 的这篇文章为这一讨论提供了扎实的论据和清晰的框架。

来源