漏洞的技术严重性评分最高，并不一定意味着组织应当最先修复它。CISA 在 2026 年 6 月转向以运营风险确定优先级，把互联网暴露、已确认利用、攻击自动化和后果，与技术严重性一并考虑。同时，公开报道的 AI 实验表明，防御者还在识别受影响系统时，一些漏洞利用开发工作就可能在数小时内完成。
这些变化彼此相关，却不能证明每个缺陷都能被自主利用。政策涉及联邦机构的修复顺序；模型结果来自受控研究；Google 描述的一起事件说明犯罪方确有意图，但重要技术细节尚未公开。它们共同揭示了一个实际错配：攻击研究加速了，而漏洞队列仍依赖周期性更新和人工核对。
联邦指令改变了什么
报道指出，CISA 于 2026 年 6 月 10 日面向联邦民事机构发布了第 26-04 号约束性运营指令。其优先级框架综合互联网暴露情况、是否列入已知遭利用漏洞目录（KEV）、漏洞利用自动化程度及入侵后的技术影响。它并不意味着所有私营企业都受同一指令约束，也没有取消漏洞扫描或 CVSS。
每项输入对应攻击的不同环节。暴露情况回答攻击者能否接触资产；列入 KEV 意味着 CISA 掌握真实环境中遭利用的证据；自动化影响攻击能力的复用难度；后果则区分了入侵隔离测试服务与获得身份系统或生产控制平面访问权的差异。
运营要求不止是调整工单顺序。机构必须识别并标记公开暴露资产，保持扫描访问能力，并定期确认暴露的互联网地址和域名。特定情形还要求调查补丁安装前是否已经发生入侵。安装补丁和查明是否已被攻破，是两项不同任务。
CVE 是已披露缺陷的标识，不包含某家组织的架构、控制措施、业务依赖或事件历史。两家公司可以使用同一个有漏洞的软件包，却只有一家暴露受影响功能。同一家公司中，处理客户身份信息的生产实例，也不必与不可达、待删除的开发镜像接受相同处理。因此，政策把判断对象从孤立缺陷转向实际运行系统中的缺陷。
AI 证据有具体数字，也有边界
Google 在 2026 年 4 月的 AI 漏洞利用路线图中指出，通用模型发现漏洞、协助生成可用利用代码的能力正在增强。模型可以比较修补前后的版本，定位安全相关修改，帮助把崩溃变成可重复演示。这降低了验证假设的成本，却不保证生成的尝试能突破现代防御，或适用于不同配置。
5 月，Google 称阻止了一个犯罪团伙尝试用 AI 攻击另一家公司此前未知漏洞的行动。美联社报道把模型能力与真实敌对兴趣联系起来。Google 威胁情报首席分析师 John Hultquist 称 AI 驱动的利用时代已经到来，但有限的公开细节无法确定模型独立完成了多少工作。
据报道，Anthropic Mythos 测试评估了受测模型知识截止日期之后披露的漏洞，降低单纯复述已公开利用代码的可能性。系统在 31 分钟内生成首个 Windows 内核概念验证，在 21 个受测内核缺陷中生成 8 种不同利用；针对 18 个 Firefox 安全补丁，还生成了 8 个可用的代码执行利用。据报道，耗时最长的成功内核利用约需 5.7 小时。
这是受控研究结果，不能当作真实犯罪行动中的实测成功率。Anthropic 提供了模型访问、专业知识、评估基础设施和明确目标。真实攻击者面临环境不完整、不确定性和行动安全约束；很多生成尝试会失败、无害崩溃，或依赖不现实假设。另一方面，攻击者也能挑选有利产品、复用工具和购买访问权限。可以支持的结论是：在防御方完成首轮分诊前，攻击者能够研究更多披露，而不是自主攻破一切。
这之所以重要，是因为双方责任不同。攻击者只需一条可用路径；防御者必须发现受影响部署、找到负责人、评估后果、测试补丁，并协调变更窗口避免破坏生产。每周扫描后再导出、去重、开会，会留下 AI 辅助研究未必承受的等待时间。
CVSS、EPSS 与 KEV 回答不同问题
CVSS 仍为攻击复杂性、权限、用户交互以及机密性、完整性、可用性影响提供共同语言。但技术严重性评级不能确定某组织是否运行受影响版本、漏洞功能能否触及，或犯罪分子今天是否正在利用它。不可达测试镜像中的高分缺陷，可能不如公开身份验证服务中正在遭利用、又无有效补偿性控制的远程漏洞紧急。
FIRST 的漏洞利用预测评分系统指南提供另一种信号。EPSS 每日更新，估计一个已公开漏洞在未来 30 天出现利用活动的概率，输入包括公开利用代码、安全讨论、漏洞特征与已观测活动。它补充严重性判断，并不取代它，也不预测某家具体组织是否会被攻击。
KEV 记录已确认利用，而非预测。近期确认可能比概率预测更有分量，但目录并不完整覆盖所有活跃行动：收集和验证需要时间，部分定向活动始终未披露。KEV 和 EPSS 都不能证明本地部署、可达性或关键数据访问能力。低 EPSS 值不是安全保证，尤其不能忽视数千项发现的累积风险。
FIRST 还警告，不应把 EPSS 与 CVSS 相乘来制造看似精确的风险分数。一者是经校准概率，另一者是序数型技术评级，乘积没有明确统计意义。真正有用的组合是支撑决策的证据，而不是抹去差异的算术。
背景信息也会造成错误安心
可辩护的记录应把组件身份、部署版本和负责人，与 KEV、公开利用、EPSS 变化、扫描活动及可信情报等攻击方证据连接起来。还需记录部署和调用背景、经验证控制，以及面临风险的数据、身份边界、流程或客户义务。加速、延期、缓解或接受风险的理由也应保留。相关工程知识库指南讨论如何把可搜索的决策与技术文档一起留存，而不是替代资产发现。
难点在于背景会变：部署迁移、防火墙规则调整、新服务公开、负责人转移。短命容器、自动扩缩函数、基础镜像和传递依赖，都让云资产清单更难维护。软件物料清单可识别组件，却不证明执行；静态分析能找到可能调用路径，但实际行为仍取决于配置、流量和应用状态。
找不到可达路径，只是有边界的证据，不证明路径不存在。Web 应用防火墙、网络规则或端点控制可以降低暴露，却可能因误配、绕过或运营变更而失效。负责人、验证日期和失效后果，比“受防火墙保护”的标签更重要。缺失负责人或控制未经验证，应触发关注，而不是悄然成为降低优先级的理由。
供应商论点不等于独立产品验证
RapidFort CEO Russ Andersson 在一篇赞助分析中批评按 CVE 数量管理。其商业利益值得说明：作者经营软件供应链安全企业，销售的产品类别与所提方法一致。这不否定情境化排序，但该论点和联邦政策都不能证明某一个平台具备完整覆盖。
自动排序依赖集成、传感器覆盖和元数据质量。独立评估必须检查错误延期，而不只是紧急队列缩小。移除 90% 发现只是一个效率示例；如果被排除的可达漏洞后来导致入侵，就不能证明安全。已确认利用和关键公开暴露应设定高优先级底线；后果重大的资产应保守处理，信息不完整则明确升级。
防御 AI 可加速公告分析、组件映射、测试生成与补丁建议，也会编造技术细节或修错路径。自动化可以收集证据和创建工单，但停机授权与业务权衡仍需人判断。测试、代码审查和部署防护依然必须与影响相称。更快防御不意味着未经审查就改生产。
检验标准是缩短暴露，而不是美化仪表盘
三个证据方向将决定方法是否有效。联邦实施应体现流程更新、自动化与影响规则更清楚，尤其是暴露 KEV 漏洞被更快遏制。独立利用研究应报告跨模型、跨缺陷类别的可复现比较，包括人工投入、计算成本、失败尝试、工具和现实约束。更多真实事件说明能力向研究外扩散；报道稀少不消除风险，却会挑战即时普遍自动化的说法。
企业内部有意义的时间线，从披露经过发现、责任分配、缓解，一直到经验证修复。面向互联网的资产与 KEV 发现，应继续与内部系统、未确认发现分开统计。一个混合平均值，或关闭数千低后果工单，都可能掩盖仍开放的关键攻击路径。覆盖缺口和错误背景造成的延期，也应与修复速度一并记录。
最终模式是情报、生产遥测、负责人、工程与事件响应之间持续运行的反馈循环，而不是完全自主漏洞管理。今早部署的服务和今晚改变的防火墙，足以让上月电子表格失效。政策指明方向；最新证据、可信责任归属和经验证的工程工作，才决定漏洞利用窗口是否真正缩短。