Gemini 4 网络安全实测：漏洞发现量翻倍，防御者迎来反击时刻

当网络安全攻防的天平长期倾向攻击者时，AI 正在成为翻转局势的关键变量。Google 旗下安全研究团队 Wiz 最近公布了 Gemini 4 Argon 在真实系统中的安全测试结果——这款模型在漏洞发现能力上展现出令人瞩目的跃升，也让"防御者能否跑赢攻击者"这个老问题有了新的答案。

漏洞挖掘能力：两倍于基线模型，token 消耗反而更低

Wiz 研究团队将 Gemini 4 投入真实世界系统的影子 A/B 测试（shadow A/B testing），结果相当直接：Gemini 4 发现的漏洞数量是其他基线模型的两倍以上，同时消耗的 token 更少。

这个"双赢"结果值得拆开来看。传统上，提升模型的安全分析能力往往意味着更长的推理链和更高的计算成本——你要么牺牲效率换效果，要么反过来。Gemini 4 打破了这个权衡：更高的漏洞召回率配合更低的 token 开销，说明模型在安全领域的推理效率有了质的变化，而非单纯靠"暴力枚举"堆出成绩。

对于安全团队来说，这意味着同样的预算可以覆盖更大的攻击面，或者在同等覆盖范围下释放出更多人力去做修复和响应。

**影子 A/B 测试（shadow A/B testing）**是一种在不影响真实生产环境的前提下评估模型或系统能力的实验方法。具体做法是：将新模型与基线模型同时部署在真实系统上运行，但新模型的输出不直接作用于实际业务，而是被"影子"式地记录和分析，再与基线结果进行对比。这种设计兼顾了真实性与安全性——既避免了实验室环境与真实系统之间的分布差异，又防止了新模型在能力未经验证时对生产系统造成干扰。在安全领域，影子测试尤为重要，因为漏洞扫描和渗透测试本身带有一定风险，若直接在生产环境中执行未经校准的自动化操作，可能触发误报、影响服务稳定性，甚至被攻击者利用。

长时任务：连续数小时追踪复杂漏洞链

短周期任务上的表现只是起点。Wiz 将 Gemini 4 放到需要长时间推理的安全场景中测试，观察到的提升幅度比短任务更为显著。

模型能够连续工作数小时，将复杂的漏洞信号串联起来，最终定位到此前使用其他 SOTA 模型无法发现的关键风险。

这一点触及了当前 AI 安全应用的核心瓶颈。真实世界中的高危漏洞很少是孤立的单一缺陷，它们往往由多个低危信号组合而成——一个配置疏漏、一个权限边界模糊、一个日志暴露，单独看都不致命，但攻击者可以把它们串成一条完整的入侵路径。发现这类"漏洞链"需要持续的上下文保持、跨模块的关联推理，以及对"什么组合可能致命"的判断力。Gemini 4 在长时任务上的表现说明，它已经开始具备这种"链式思维"，而不只是逐条扫描已知漏洞模式。

**SOTA（State of the Art）**指某一领域当前最先进的技术水平或模型，通常以公开基准测试、学术论文或行业评测中的最优结果为参照。在 AI 安全应用中，"SOTA 模型"意味着该模型在漏洞检测、代码分析等任务上代表了现有能力的上限。文中提到 Gemini 4 能定位"其他 SOTA 模型无法发现的关键风险"，说明其能力已经超越了当前公开可比的最优水平。需要注意的是，SOTA 是一个动态概念，随着新模型和新方法的出现而不断被刷新，因此"超越 SOTA"的结论具有时效性，需要结合具体评测条件和时间窗口来理解。

实战案例：从公开文件下载到管理员权限的完整攻击路径

Wiz 与 Google 合作推出了"Scan for Good"项目，使用 Gemini 4 扫描政府、医院和关键基础设施的公开网站，发现漏洞并协助修复。其中一起医疗软件案例完整展示了 AI 如何还原一条真实攻击链。

Gemini 首先发现该软件存在一个公开的文件下载功能，这个功能可以被绕过，用于下载底层系统中的内部文件。

进一步分析中，Gemini 4 识别出一个配置文件，其中包含了应用程序的主密钥（master key）。通过只读操作，模型将这把主密钥转化为了管理员访问权限，随后还评估出了实际的爆炸半径（blast radius）——也就是说，攻击者原本可以借此获得系统控制权，而运维人员可能毫不知情。

这个案例的价值不在于"AI 找到了一个漏洞"，而在于它完成了一次完整的攻击路径推演：入口点识别、权限提升、影响范围评估。这正是人类安全研究员在渗透测试中所做的工作，只是 Gemini 4 把它压缩到了更短的时间内。该漏洞被修复后，大量敏感信息得到了保护。

**爆炸半径（blast radius）**是安全领域的常用术语，借用了爆炸物理学的隐喻，用来描述一次安全事件或漏洞被利用后可能波及的最大范围。它不仅包括直接受影响的系统或数据，还涵盖通过权限提升、横向移动等方式间接波及的资产。在漏洞评估中，准确估算爆炸半径至关重要：同样一个漏洞，如果只能读取单个非敏感文件，与能够获取管理员权限进而控制整个系统，其风险等级和修复优先级截然不同。Gemini 4 在案例中不仅发现了漏洞，还主动评估了爆炸半径，这意味着它输出的不只是"哪里有问题"，还包括"这个问题一旦被利用，最坏情况会怎样"，为安全团队提供了更完整的决策依据。

防御者真的获得优势了吗？

Wiz 研究人员的结论是乐观的：基于 Gemini 4 展现的网络安全能力，防御者现在拥有了以更快速度发现和修复漏洞的手段，有能力跑在攻击者前面。

这个判断有其依据。漏洞从被发现到被利用的窗口期一直是攻防博弈的关键变量——防守方修得越快，攻击者的机会窗口就越窄。如果 AI 能把"发现—分析—修复"的周期从数周压缩到一天以内，攻防节奏确实会发生结构性变化。

不过，这个乐观结论也有其边界条件。Gemini 4 的能力目前主要在受控测试和公益扫描场景中得到验证，大规模生产环境中的误报率、与现有安全工具链的集成成本、以及攻击者同样使用前沿 AI 来加速漏洞挖掘的可能性，都是尚未完全展开的变量。攻防双方使用的是同一代 AI 能力，防御者的优势能否持续，取决于谁能更快地把 AI 嵌入到自己的核心工作流中。

至少从目前的数据看，防守方第一次有了"跑得更快"的底气。

漏洞从被发现到被利用的窗口期是攻防博弈中的核心变量之一。这个窗口期通常被称为"暴露窗口"或"修复窗口"，指的是漏洞首次被引入或公开披露，到攻击者成功利用或防守方完成修复之间的时间差。窗口期越短，攻击者可操作的空间越小。近年来，随着自动化漏洞扫描和 AI 辅助攻击工具的发展，攻击者利用漏洞的速度不断加快，从披露到武器化的时间已从数周缩短至数天甚至数小时。因此，防守方若能借助 AI 将"发现—分析—修复"的周期压缩到与攻击者相当甚至更短的水平，就能在节奏上占据主动。这也是 Wiz 对 Gemini 4 持乐观态度的底层逻辑：不是单点能力的提升，而是整体响应速度的结构性改善。