概述
Axios 在 2026 年 5 月 13 日的独家报道指出：Palo Alto Networks 在引入 Anthropic Mythos Preview 和 OpenAI GPT-5.5-Cyber 等前沿网络安全模型后，一个月内在自家产品中识别出 75 个漏洞，约为其常规月度发现量的 7 倍以上。
文章核心判断是：防守方正在进入一个非常短的“窗口期”，需要在攻击者大规模获得同等能力前完成防线升级。
关键信息
1. 漏洞发现速度显著跃升
- Palo Alto Networks 表示，本轮发现总量达到 75 个问题（对应 26 个 CVE 披露批次）。
- 相比其“通常一个月不到 5~10 个”的水平，提升幅度明显。
- 这意味着 AI 在“漏洞发现密度”和“扫描覆盖广度”上已出现代际变化。
2. 不只是找单点漏洞，而是能拼接利用链
报道提到一个重要变化：这些模型能够把多个看似较小的缺陷串联成可执行的攻击路径（exploit path）。
这类“漏洞链推理”能力，正是早期通用模型和传统自动化工具的薄弱环节。
3. 攻防时间窗口被压缩到 3~5 个月
根据 Palo Alto Networks 高管在报道中的判断，组织大概只剩下 3~5 个月 的先发窗口，用于：
- 清理已知薄弱点；
- 加速补丁与修复发布；
- 提升针对 AI 辅助攻击的检测和响应能力。
一旦同等级模型广泛外溢到攻击侧，AI 驱动漏洞利用会更快成为常态。
4. 现实校验：仍然需要“人 + 流程”
即便模型能力激增，文章也强调：漏洞发现和验证仍依赖大量人工专业能力与流程定制，短期内不是“全自动一键防守”。
这意味着组织真正的竞争力，仍来自：
- 安全工程团队执行速度；
- 漏洞分级与修复优先级机制；
- 跨产品线的补丁编排与回归验证能力。
对团队的实务启发
1. 把“漏洞发现能力”当成持续产能，而非一次性项目
前沿模型会把发现量拉高，修复侧如果不扩容，会形成积压并抬高暴露面。
2. 修复节奏要从“按月”切到“近实时批次”
当漏洞发现频率翻倍甚至数倍增长时，传统低频补丁窗口可能不再适配。
3. 优先投入“利用链阻断”
不只盯单个高危漏洞，更要在网络分段、权限收敛、行为检测上阻断漏洞串联利用。
4. 以攻防演练验证 AI 时代防线
建议将 AI 辅助的红队演练纳入常规流程，提前暴露在真实攻击路径下的短板。
一句话结论
这篇报道释放的信号很明确：漏洞发现已被前沿 AI 显著加速，接下来真正决定胜负的，不是“能不能发现”，而是“能否在窗口期内修完并守住”。