网络安全领域正经历一场由人工智能驱动的革命。随着AI技术从理论研究走向实际应用，我们正站在一个关键的转折点上——AI模型现在不仅能用于网络攻击，更能成为防御者的有力工具。Claude Sonnet 4.5的发布标志着这一转变的重要里程碑，它在代码漏洞检测、分析和修复方面的能力已经超越了仅两个月前发布的旗舰模型Opus 4.1。
AI与网络安全的交汇点
过去几年，我们的团队一直在密切关注AI模型与网络安全相关的能力演变。最初，我们发现这些模型在执行高级和有意义的安全任务时能力有限。然而，在过去一年左右，情况发生了显著变化：
- 研究表明，AI模型能够在模拟环境中重现历史上代价最高的网络攻击之一——2017年Equifax数据泄露事件。
- 在网络安全竞赛中，Claude的表现有时甚至超越了人类团队。
- Claude已经帮助我们发现并修复了自身代码中的漏洞，在发布前消除了安全隐患。
在2025年夏季的DARPA AI网络安全挑战赛中，各团队使用大型语言模型（包括Claude）构建了"网络推理系统"，检查数百万行代码中的漏洞并进行修补。除了已插入的漏洞外，团队还发现（有时修补了）先前未被发现的真实漏洞。在竞赛之外，其他前沿实验室现在也正在应用模型来发现和报告新的漏洞。
网络安全领域的AI军备竞赛
与此同时，作为我们保障工作的一部分，我们发现并破坏了自身平台上的威胁行为者，他们利用AI扩大了其行动规模。我们的保障团队最近发现并破坏了一起"氛围黑客"事件，网络犯罪分子使用Claude构建了大规模的数据勒索计划，而这项工作在过去需要一整个团队才能完成。
保障团队还检测并应对了Claude在日益复杂的间谍活动中的使用，包括针对关键电信基础设施的行动，这些行动表现出与中国APT组织一致的特征。
所有这些证据线索都表明，我们正处于网络安全生态系统的一个重要转折点，从这一点开始，进步可能会变得相当快，或者使用可能会快速增长。
因此，现在是加速AI防御应用以保护代码和基础设施的重要时刻。我们不应该将AI带来的网络优势拱手让给攻击者和犯罪分子。虽然我们将继续投资于检测和破坏恶意攻击者，但我们认为最具可扩展性的解决方案是构建AI系统，赋能那些保护我们数字环境的人——如保护企业和政府的安全团队、网络安全研究人员以及关键开源软件的维护者。
Claude Sonnet 4.5：网络安全能力的飞跃
随着大型语言模型在规模上的扩展，"涌现能力"——那些在较小模型中不明显且不一定是模型训练明确目标的能力——开始出现。确实，Claude执行网络安全任务（如寻找和利用软件漏洞）的能力一直是开发通用AI助手的副产品。
但我们不想仅仅依靠通用模型的进步来更好地装备防御者。由于AI和网络安全发展这一时刻的紧迫性，我们专门投入研究人员使Claude在代码漏洞发现和修补等关键技能上变得更强。
这项工作的成果反映在Claude Sonnet 4.5中。它在许多网络安全方面与Claude Opus 4.1相当或更优，同时成本更低、速度更快。
评测证据
在构建Sonnet 4.5时，我们让一个小型研究团队专注于增强Claude在代码库中查找漏洞、修补漏洞以及在模拟部署的安全基础设施中测试弱点方面的能力。我们选择这些是因为它们反映了防御者的重要任务。我们刻意避免那些明显有利于进攻工作的增强功能——如高级利用或编写恶意软件。我们希望模型能够在部署前发现不安全的代码，并找到和修复已部署代码中的漏洞。当然，我们没有关注许多其他关键的安全任务；在本文末尾，我们将详细阐述未来的发展方向。
为了测试我们研究的效果，我们对模型进行了行业标准评测。这些评测能够清晰地比较不同模型，衡量AI进步的速度，并且在新型、外部开发的评测情况下——提供了一个很好的指标，确保我们不仅仅是针对自己的测试进行教学。
Cybench评测
我们跟踪了一年多的评测之一是Cybench，这是一个源自CTF竞赛挑战的基准。在这个评测中，我们看到Claude Sonnet 4.5取得了显著的进步，不仅超越了Claude Sonnet 4，甚至超越了Claude Opus 4和4.1模型。也许最引人注目的是，当Opus 4.1每个任务给予10次尝试机会时，Sonnet 4.5在每次任务仅给予一次尝试的情况下取得了更高的成功率。作为此评测一部分的挑战反映了相当复杂、长时间的工作流程。例如，一个挑战涉及分析网络流量、从该流量中提取恶意软件，以及反编译和解密该恶意软件。我们估计，这至少需要熟练的人类一小时，甚至可能更长；Claude花了38分钟解决了它。
当我们给Claude Sonnet 4.5在Cybench评测中10次尝试机会时，它在76.5%的挑战中取得成功。这特别值得注意，因为在过去六个月内，我们将成功率提高了一倍（2025年2月发布的Sonnet 3.7在10次试验时只有35.9%的成功率）。
模型在Cybench上的性能。Claude Sonnet 4.5在k=1、10或30次试验中显著优于所有先前的模型，其中成功率被测量为在k次试验中至少成功一次的问题比例的期望值。请注意，这些结果是在原始40个Cybench问题中的37个子集上进行的，其中3个问题因实施困难而被排除。
CyberGym评测
在另一个外部评测中，我们在CyberGym上评估了Claude Sonnet 4.5，这是一个评估代理能力的基准，测试其（1）在给定弱点的高层次描述的情况下，在真实开源软件项目中查找（先前发现的）漏洞的能力，以及（2）发现新的（先前未发现的）漏洞的能力。CyberGym团队先前发现Claude Sonnet 4是他们在公共排行榜上最强的模型。
Claude Sonnet 4.5的得分明显优于Claude Sonnet 4或Claude Opus 4。当使用与公共CyberGym排行榜相同的成本约束（即每个漏洞限制2美元的LLM API查询）时，我们发现Sonnet 4.5取得了28.9%的新最先进分数。但真正的攻击者很少受到这种方式的限制：他们可以进行多次尝试，每次尝试花费远超过2美元。当我们移除这些限制并给每个任务30次尝试机会时，我们发现Sonnet 4.5在66.7%的程序中重现了漏洞。虽然这种方法相对成本较高，但绝对成本——尝试一个任务30次约45美元——仍然相当低。
*模型在CyberGym上的性能。Sonnet 4.5优于所有先前的模型，包括Opus 4.1。*请注意，Opus 4.1由于其较高的价格，在1次试验场景中没有遵循与其他模型相同的2美元成本限制。
同样有趣的是Claude Sonnet 4.5发现新漏洞的速率。虽然CyberGym排行榜显示Claude Sonnet 4只在约2%的目标中发现漏洞，但Sonnet 4.5在5%的情况下发现了新漏洞。通过重复试验30次，它在超过33%的项目中发现了新漏洞。
模型在CyberGym上的性能。Sonnet 4.5在仅一次尝试时发现新漏洞的能力就优于Sonnet 4，并且在给予30次尝试时其性能大幅超越。
漏洞修复的进一步研究
我们还在进行初步研究，探索Claude生成和审查修复漏洞补丁的能力。修复漏洞比发现漏洞更难，因为模型必须进行外科手术式的更改，移除漏洞而不改变原始功能。在没有指导或规范的情况下，模型必须从代码库中推断出这种预期的功能。
在我们的实验中，我们让Claude Sonnet 4.5基于漏洞描述和程序崩溃时正在做什么的信息，修复CyberGym评估集中的漏洞。我们使用Claude来评判自己的工作，要求它通过将提交的补丁与人类编写的参考补丁进行比较来对补丁进行评分。15%的Claude生成的补丁被判定为与人类生成的补丁语义等效。然而，这种基于比较的方法有一个重要限制：因为漏洞通常可以用多种有效方式修复，与参考不同的补丁仍然可能是正确的，导致我们的评估中出现假阴性。
我们手动分析了得分最高的补丁样本，发现它们与已合并到CyberGym评估所基于的开源软件中的参考补丁功能相同。这项工作揭示了与我们更广泛发现一致的模式：Claude在一般改进的同时发展了网络相关技能。我们的初步结果表明，补丁生成——就像之前的漏洞发现一样——是一种可以通过专注研究增强的涌现能力。我们的下一步是系统性地解决我们已确定的挑战，使Claude成为可靠的补丁作者和审查者。
与合作伙伴的协作
现实世界的防御性安全在实践中比我们的评测所能捕捉的更为复杂。我们一直发现，现实问题更复杂，挑战更艰巨，实现细节非常重要。因此，我们认为与实际使用AI进行防御的组织合作，以获取关于我们的研究如何加速他们工作的反馈，这一点很重要。在Sonnet 4.5发布前，我们与许多组织合作，他们将模型应用于他们在漏洞修复、测试网络安全和威胁分析等领域的实际挑战。
Hackerone首席产品官Nidhi Aggarwal表示："Claude Sonnet 4.5将我们的Hai安全代理的平均漏洞接收时间减少了44%，同时将准确性提高了25%，帮助我们更有信心地降低企业的风险。"根据CrowdStrike数据科学高级副总裁兼首席科学家Sven Krasser的说法："Claude在红队方面显示出强大的潜力——生成创造性的攻击场景，加速我们研究攻击者技术的方式。这些见解加强了我们在端点、身份、云、数据、SaaS和AI工作负载方面的防御能力。"
这些证言使我们更加确信Claude在应用防御工作中的潜力。
未来发展方向
Claude Sonnet 4.5代表了一项有意义的改进，但我们知道它的许多能力仍处于初级阶段，尚未达到安全专业人士和既定流程的水平。我们将继续努力改进我们模型的防御相关能力，并增强保护我们平台的威胁情报和缓解措施。事实上，我们已经开始使用我们调查和评估的结果来不断完善我们检测模型有害网络行为的能力。这包括使用组织级别的摘要技术来理解超越单一提示和完成内容的更大图景；这有助于区分双重用途行为与恶意行为，特别是对于涉及大规模自动化活动的最损害使用案例。
但我们相信，现在是尽可能多的组织开始实验如何利用AI改善其安全态势并构建评估以衡量这些收益的时候了。Claude Code中的自动化安全审查展示了AI如何集成到CI/CD管道中。我们特别希望研究人员和团队能够实验将模型应用于安全运营中心(SOC)自动化、安全信息和事件管理(SIEM)分析、安全网络工程或主动防御等领域。我们希望看到并使用更多针对防御能力的评估，作为不断增长的模型评估第三方生态系统的一部分。
但即使构建和采用以防御者优势也是解决方案的一部分。我们还需要讨论如何利用前沿AI模型使数字基础设施更具弹性，并使新软件在设计上更安全。我们期待与行业、政府和社会各界进行这些讨论，因为我们正处在AI对网络安全的影响从未来担忧转变为当今关键要点的时刻。
结语
AI在网络安全防御领域的应用正在从概念走向现实，Claude Sonnet 4.5的发布标志着这一进程的重要里程碑。通过专注于防御能力的提升，AI正在成为安全团队的有力助手，帮助他们在代码审查、漏洞检测和威胁分析等方面取得突破性进展。随着技术的不断成熟和应用的深入，我们有理由相信，AI将在构建更安全的数字环境中发挥越来越重要的作用，为企业和组织提供前所未有的防御能力。
未来的网络安全将更加依赖AI技术，这种依赖不仅体现在防御工具的智能化上，更体现在安全流程的重构和优化上。通过人机协作，安全团队将能够更高效地应对日益复杂的网络威胁，保护关键基础设施和数据安全。在这个AI与网络安全深度融合的时代，我们正站在一个充满机遇的新起点。
