AI赋能实践 | 从＂抽样体检＂到＂应评尽评＂

AI 赋能优秀案例

一条AI流水线如何重塑安全评估

信息系统安全评估检查，长期困在一道多选题里：有没有评估能力、多久能全量评估一次、每次评得准不准——三问之下，几乎总要牺牲其中一两项。

近日，信息技术研究院网络运维组采用多智能体协同模式，依托自主研发的"黑白盒串行流水线"，完成对院内系统的黑白盒安全评估，覆盖注入、越权、硬编码凭据、免鉴权接口、组件漏洞等主要风险类型，全部结论按系统归档交付。其中第二批系统于 10 月 19 日晚启动，约 7.5 小时任务内完成全部白盒代码审计与黑盒对外验证，实现"零失败、零事故"交付。

这条流水线的意义不在于"机器堆出了多少量"，而在于它换掉了做题的方法——把过去必须做取舍的三问，变成了可以同时回答的三项。

要理解这次改了什么，得先说清楚过去卡在哪儿。

覆盖率的天花板。 传统评估受限于人力和水平，只能"选重点、排批次"：核心系统上、边缘系统等等再看；有看不懂源码，审的不深入。结果是"评估过的系统"和"没评估过的系统"之间，始终存在一片说不清的灰色地带——而风险往往就藏在那儿。

节奏的天花板。 业内常规做法是"先集中白盒、再集中黑盒"的两段式批处理：分段分边界负责。大量时间消耗在等待与交接上，而不是消耗在分析上。一个系统从开始到出结论，动辄跨天；一批系统跑完传统扫描，往往需要等三个月的排期窗口。

质量的天花板。 更隐蔽的问题是交付质量。人工检查天然存在疲劳与水平差，"老师傅看得深、新手可能就直接跳过"，质量一致性难以保证；而报告写完、交上去，就算"完成"了——缺少独立复核机制，最后一道关往往是"口头完成"加人工抽检。

还有一个容易被忽略的天花板：可持续性。 三个月做一次，做完归档；业务一迭代、代码一发版，结论又回到了原点。评估变成了一次性的"体检运动"，而不是伴随研发的常态能力。

本次的破局点，不在于把代码审计、渗透测试的单一场景分析交给大模型，而在于把流程编排交给了机器。

流水线的架构可以概括为一句话：每个系统"白盒完成即流入黑盒"，系统间并行推进、系统内严格串行。 白盒一结束，报告、证据、待验证清单自动流转到黑盒环节，不再等待批次收口，不再依赖人工交接。每批系统的平均全流程交付周期压缩至约 10 分钟。

更关键的是分工：AI 接手的是搬运、校对、巡检这些重复且标准的动作，人保留的是判断、决策与边界裁定。

•阅码、检索、跨仓库串联 → 流水线；

•权限设计是否合理、业务影响多大 → 人；

•报告结构、行号回读、覆盖对账 → 机检门禁；

•边界怎么定、纪律怎么守 → 团队预设的规则；

•休息的时候流水线卡住了怎么办 → 看门狗自动处置。

分工一旦清晰，检查效率和质量就不再互相拉扯：过去要靠加班才能同时追的两个指标，现在由两条不同的机制各自兜底。

这套流水线本轮覆盖的风险类型，几乎都是信息系统最难缠的老问题：

•注入类：外部输入未经充分过滤即进入后端执行路径；

•越权类：横向越权与纵向越权，身份认证与资源归属校验缺位；

•硬编码凭据：口令、密钥写在源码或配置里，一旦仓库泄露即全线失守；

•免鉴权接口：本应登录才可访问的端点直接暴露；

•组件漏洞：第三方依赖版本滞后引入的已知风险；

•"URL 即武器"：部分免鉴权写操作接口，仅凭构造一个访问 URL 即可触发业务操作；

•系统间口令复用：通过凭据复用横查发现的跨系统风险线索，一个口令失守可能牵连多个系统。

但要说"提质"，重点不在看见，而在怎么交付。每条结论都形成"五要素"——POC、接口、证据、影响范围、修复建议，并附带可复现路径与自测脚本；黑盒侧再对每条发现作出"对外成立／待证／仅内网"的三态判定。

对比很明显：传统报告回答的是"你有病"，这条流水线回答的是"病在哪、能不能被外部触发、照什么单抓药、吃完好没好自己怎么验"。业务组拿到即可验证、即可修复、即可复测，省掉了传统评估后反复拉群确认"怎么复现"的巨大沟通成本。

效率提上去的同时质量有没有被牺牲？这次的答案是相反的——流水线提效的同时，把质量控制从"事后复核"前移到了"事中拦截"。

质量门禁全部由程序机检，白盒审计报告须通过结构一致性、代码行号回读、覆盖对账三道闸，且门禁由编排程序独立重跑复核——明确"不采信口头完成"；黑盒验证报告须附完整请求台账与可执行自测脚本。

这套门禁实打实拦下了问题：某批检查共拦下 3 处产物缺陷并全部当场修复；1 处覆盖不足的审计被自动识别并触发重新深审，重新深审后发现数量翻倍。

一个细节值得玩味：如果靠人工复核，这 4 处大概率会被"看起来完成了"蒙混过去。机器把关的价值，恰恰在于它不会碍于情面、也不会因为疲劳而放行。

大规模黑盒验证天然伴随误触风险。团队为此执行了严格的"降速纪律"：所有探测请求一律经安全闸发出，逐条分类、逐条留痕，未经分类的请求一律拒发；写操作仅允许零副作用的畸形探针，真实写入与破坏性动作全程禁做。

针对"URL 即武器"这类端点，安全侧意图触碰、业务侧担心误伤，双方天然矛盾。团队建立了候选清单回执机制：将数百个候选端点整理成清单，随报告提交系统方逐条确认"存在／不存在／已下线"。

把"安全专业无法在动态测试中验证"的边界，交给最了解业务的系统方共同把关。这既守住了安全底线，也避免了对生产环境的误触风险——把协作边界也算进流程，本身就是一种工程质量的提升。

整套评估全程由"看门狗"机制自动值守：定期巡检一次流水线状态，自动识别并处置子代理停滞、算力配额耗尽等 5 类运行事件，7 次运行调整均实现无缝续跑、已完成工作零重复消耗。从启动到归档，全过程无需人工干预。

这才是"增效"最容易被忽略的一层：AI 赋能的价值，不只体现在"干得多快"，更体现在"能不能让人放心地离开"。 当运维不再需要通宵盯屏，被释放出来的人力投向哪里才是真正的落点——告警研判、攻击链复盘、修复方案设计、防御能力前移。机器接走了重复劳动，人回到了判断岗位上。