思科高管：不用AI就守不住安全，漏洞利用窗口仅八九分钟

思科安全负责人 Jeetu Patel 在近期对话中给出了一个相当直接的判断：AI 不是可选项，而是安全防护的前提条件。他的逻辑并不复杂——攻防两端的速度差已经拉到人类无法用手工流程弥补的程度，防守方要么把控制权和策略交给智能体，要么就接受被持续突破的现实。

攻防时间差：漏洞公布到被利用只有八九分钟

Patel 给出的这组数字是整个论述的支点。从漏洞被公开，到出现实际利用，中间的窗口通常只有八到九分钟。而企业打完补丁的平均时间是大约 45 天，更刺眼的是，真正被曝光的漏洞里只有 20% 最终被打上了补丁。

这三个数字放在一起，说明的问题不是"补丁管理做得不够好"，而是这套流程本身在结构上已经失效。防守方用天和周为单位调度人力和变更窗口，攻击方用分钟为单位发动自动化扫描与利用。在这个量级差面前，讨论"加强安全意识培训"或者"优化工单流转"已经没有意义。

Patel 用了一个很形象的说法：OpenAI 在"夜间作业"，从而把优势转移到防守方一侧。含义是攻击者不再独享自动化带来的速度与规模红利，防守方同样可以借助机器速度做持续监测、研判和响应。

**从漏洞公开到被利用的时间窗（time-to-exploit）**近年来持续压缩，主要驱动因素有三：其一，漏洞公告、补丁 diff 和 PoC 在公开渠道的传播几乎是实时的，攻击者可以对比补丁前后代码直接定位缺陷点；其二，自动化的漏洞扫描与利用框架使武器化成本大幅降低，N-day 利用常在数小时内完成；其三，勒索软件与初始访问代理已形成产业化分工，发现入口即可快速变现。与之相对，企业补丁周期受制于变更管理、兼容性验证和停机窗口，很难压缩到天级。这一结构性错配正是"假设失陷"（assume breach）理念流行、以及暴露面管理与分段隔离被优先投入的原因。

安全控制必须"智能体化"，策略不能是静态的

作为全球规模最大的安全厂商之一，思科的产品线几乎覆盖了所有安全品类。Patel 强调的重点不在于品类多，而在于这些控制手段的运作方式要发生根本改变：控制要走向 agentic（智能体化），并且控制、策略都必须动态调整，静态规则不再够用。

静态策略的困境在于，它假设环境在策略写好之后不会大变。但攻击面的变化速度远超策略更新周期，一条写死的访问规则往往在生效时就已经落后于真实威胁。动态策略意味着策略本身要能根据上下文、行为信号和实时风险状态自行调整，这正是大模型能力可以介入的地方——不是替代安全工程师，而是承担高频、上下文密集的判断工作。

Agentic（智能体化）安全指安全控制不再只是执行预设规则的工具，而是由具备目标理解、自主规划和工具调用能力的智能体来驱动。与传统 SOAR 编排或自动化脚本的区别在于：自动化按固定剧本执行，遇到剧本外的情况就停下等人；智能体则能根据当前上下文自行决定下一步动作，例如在检测到异常登录后自主查询资产重要性、拉取历史行为、判断是否隔离主机，并把结论和依据交给分析师裁决。这类系统通常由大模型负责语义理解与推理，由确定性工具负责执行高风险动作，形成"模型判断、系统执行"的分层结构。其关键工程挑战是权限边界、可审计性和误动作的可回滚性。

与 OpenAI 的合作：把模型能力嵌进安全底座

Patel 明确表示 OpenAI 已成为思科推进这套转向的核心基础。他提到的 Daybreak 与 Astra 相关工作，被他形容为"阶跃式改进"而非渐进优化——价值不只是思科自身安全态势的提升，也体现在客户侧的实际防护效果上。

这段表态值得注意的地方在于定位：模型不是作为一个附加的安全分析工具被引入，而是作为底层基础设施，支撑上层安全控制与策略的动态化。这也解释了为什么他强调"前提条件"——如果模型能力不进入控制回路，动态策略就无从谈起。

把模型作为安全底座而非外挂分析工具，意味着模型被放在数据流与控制流的中间层：向上承接策略生成与自然语言意图，向下对接防火墙、EDR、身份系统等执行点。这种架构与"在 SIEM 旁边加一个 LLM 告警摘要"的做法差别很大——后者只影响人的阅读效率，前者直接影响控制动作的时效。相应地，它带来几类新问题：模型输出的确定性与可解释性、提示注入与数据投毒对安全控制链的污染风险、以及模型调用本身的延迟是否满足分钟级响应要求。因此实践中通常采用小模型做实时分类、大模型做深度研判的混合部署方式。

对防守方的实际含义

Patel 反复把落脚点放在客户的安全态势上，而不是厂商的技术叙事上。

从这组数据出发，可以推出几个对安全团队的现实判断。补丁窗口的压缩不是靠流程优化能解决的，需要把暴露面收缩、隔离和检测响应做成自动化的连续动作。覆盖率问题比速度问题更棘手——20% 的补丁率意味着大多数漏洞从未被处理，防守方必须假设系统长期处于未修补状态来设计纵深防御。人机分工的边界也在移动：人负责目标设定与风险裁决，机器负责在分钟级窗口内完成识别、研判与处置。

Patel 的论述没有给出具体产品路线，但判断本身足够清晰：在攻防速度差达到数量级的领域里，不采用 AI 的一方不是在承担风险，而是在放弃防守。