当零日漏洞开始“流水线生产”：AI正在改变漏洞挖掘方式——赛柏特安全观察

最近，安全公司Intruder做了一次实验。

研究团队选取了200个常用WordPress插件，搭建了一套自动化漏洞挖掘系统。系统先从大量代码中筛出可疑部分，再由AI判断漏洞是否成立、生成验证脚本，并在隔离环境中测试。

最终，这套系统在Creative Mail插件中发现了此前未公开的SQL注入漏洞CVE-2026-3985。

AI改变了漏洞挖掘的成本

过去，寻找一个漏洞通常需要研究人员阅读大量代码、梳理调用关系、搭建测试环境，再反复尝试不同的攻击路径。

这是一项费时，也十分依赖经验的工作。

因此，无论是安全研究人员还是攻击者，通常都会优先关注用户量大、应用范围广、攻击价值高的软件。至于一些使用人数较少、代码结构复杂，或者需要多个步骤才能利用的漏洞，往往不值得投入太多时间。

但AI自动化工具正在改变这笔成本账。

此次发现的漏洞并不能通过一次简单请求直接触发。攻击者需要先将恶意内容写入会话，再通过后续请求完成注入。

普通扫描工具很难识别这种跨越多个步骤的攻击过程，而自动化系统可以追踪代码和数据之间的关系，判断漏洞能否成立，并生成验证脚本。

这意味着，过去因为“投入产出不高”而被忽略的插件、开源组件和小型应用，也可能进入批量搜索范围。

事实上，AI并没有让软件中的漏洞突然增多。真正发生变化的是，越来越多原本藏在角落里的漏洞，开始变得值得被寻找。

“没人会专门盯上我们”不再可靠

不少企业在安全问题上存在一种隐性的侥幸心理：自身规模不大，系统也不是行业核心目标，攻击者未必愿意投入精力专门研究。

在人工挖掘为主的情况下，这种判断并非毫无依据。攻击者同样需要考虑投入产出，不可能逐一研究互联网上的每一个应用。

但自动化降低了这种限制。

当一套系统可以同时检查数百个插件或应用时，攻击者不再需要提前判断某个企业是否值得研究。工具可以先大范围寻找漏洞，再从中筛选真正具备利用价值的目标。

这时，企业是否知名、业务规模是否足够大，已经不再是决定风险高低的唯一因素。只要系统暴露在互联网上，并且使用了存在缺陷的组件，就可能进入自动化扫描范围。

攻击未必因某家企业而来，但漏洞一旦被批量发现，使用相关组件的企业都可能成为目标。

企业要知道自己暴露了什么

此次漏洞还有一个值得注意的条件：Creative Mail与WooCommerce需要同时运行，漏洞才可能被利用。

这说明，实际风险往往不只来自某个独立软件，还可能产生于插件、接口和业务系统之间的组合关系。

对企业来说，首先需要回答的，不是“有没有购买某款安全产品”，而是一些更基础的问题：

• 目前有哪些系统能够从互联网访问？

• 使用了哪些插件和开源组件？

• 哪些应用已经长期没有更新？

• 这些应用又能够访问哪些数据和内部资源？

如果连这些情况都不清楚，漏洞公开后，企业也很难迅速判断自身是否受到影响。

因此，面对逐渐规模化的漏洞挖掘，企业需要持续梳理互联网暴露资产、软件组件和访问权限。

过去，企业或许还能寄希望于系统规模太小、漏洞位置太偏，没有人愿意专门研究。但当寻找漏洞逐渐成为一项可以批量运行的工作，这种侥幸就越来越不可靠了。