Anthropic 近期宣布扩展 Project Glasswing，将合作伙伴从约 50 家增至 150 家，覆盖电力、水务、医疗、通信等关键基础设施领域。这一扩展不仅是商业合作范围的扩大，更揭示了 AI 安全评估从实验室走向规模化部署时所面临的核心工程化挑战。本文将深入解析 Glasswing 的技术架构设计，并聚焦其在安全评估流水线工程化实现与可解释性研究规模化部署中的关键问题。
四层架构：从数据感知到治理编排
Project Glasswing 与 Claude Mythos 共同构建了一个四层 AI 安全治理技术栈，旨在实现从数据感知到策略治理的端到端自动化协同防御。
数据感知层作为系统基础，负责从网络、终端、云环境及 Glasswing 联盟网络收集多源异构数据。该层通过标准化接口和隐私保护预处理模块（如差分隐私、联邦学习预处理）确保数据可用性，同时满足合规要求。这一设计使得来自不同组织的敏感安全数据能够在不暴露原始信息的前提下参与联合分析。
计算推理层是系统的智能核心，以 Claude Mythos 多模态 Transformer 和强化学习（RL）模型为中心。该层依赖 NVIDIA Tensor Cores 和 Secure Compute Units（SCU）等硬件进行推理加速和敏感数据保护。安全沙箱为 RL 模块的策略探索与验证提供隔离环境，避免在真实环境中进行高风险探索。Mythos 采用多模态统一感知架构，将网络流量包（视为序列数据）、系统日志（文本数据）甚至潜在的可视化表示（如网络拓扑图）进行联合编码和特征提取，建立跨数据源关联，形成深度上下文感知。
控制决策层将 AI 推理转化为具体行动。AI-SOAR（安全编排、自动化与响应）引擎接收来自 Mythos 的策略建议，结合企业预定义策略，生成可执行指令，并分发至防火墙、EDR 等控制点。这一层实现了从 "检测" 到 "决策" 的关键跃迁。
编排治理层基于 Project Glasswing 联盟框架实现跨组织协作。该层定义威胁情报共享格式、结合红队测试和自动化基准的风险量化体系，并管理模型从开发、测试、部署到退役的全生命周期安全。
瓶颈转移：从发现漏洞到验证修补
Glasswing 初期成果显示，合作伙伴已发现超过 10,000 个高危或严重安全漏洞。然而，Anthropic 明确指出，当前网络安全的瓶颈已从 "发现漏洞" 转移到 "验证、披露和修补" 漏洞。这一瓶颈转移揭示了 AI 安全评估流水线工程化实现的核心挑战。
传统安全扫描工具的问题在于高误报率和低可操作性。Mythos Preview 虽然能够识别复杂的多步骤利用场景，远超传统基于规则的扫描器，但每发现一处潜在漏洞，都需要人工进行验证、风险评估和修复方案制定。当漏洞发现数量从数百增至数万时，后续处理流程的吞吐量成为系统整体效能的决定性因素。
为应对这一挑战，Glasswing 正从单纯的漏洞发现向 "发现 - 披露 - 修复 - 部署" 全生命周期演进。合作伙伴已开始使用 Mythos Preview 编写补丁，并进行预发布检查以防止漏洞首次出现。模型还可用于渗透测试、自动化威胁检测与响应，以及将遗留代码库重建为内存安全语言等防御任务。
Anthropic 正在与第三方讨论如何大幅扩展开源软件漏洞的审查和修补规模，并分享向开源维护者披露漏洞的最佳实践，旨在使这些报告更易于分类和处理。
规模化部署的工程化挑战
将 AI 安全评估能力从实验室环境扩展至 150 个组织的生产环境，面临三个关键工程化挑战。
强化学习的模拟 - 现实鸿沟是首要难题。Claude Mythos 的 RL 模块将网络防御建模为马尔可夫决策过程，AI 代理观察环境状态、执行动作（如阻断 IP、隔离主机）并根据结果获得奖励，持续优化策略。然而，在真实网络环境中进行探索行为不可避免地带来业务中断风险。安全沙箱能否真实模拟零日漏洞等未知攻击的级联影响，直接决定 RL 策略在生产环境中的可用性。工程化部署应首先在隔离的非核心网络或特定高价值威胁场景（如钓鱼邮件自动响应）中进行小规模试点，重点评估策略准确性和业务影响。
隐私计算协议的通信开销构成性能瓶颈。当 Glasswing 联盟成员联合评估 AI 模型安全性时，采用安全多方计算（MPC）或联邦学习（FL）协议。参与方在本地计算梯度或中间结果，仅交换加密或扰动后的信息，最终聚合全局安全评估结论。然而，多方安全评估的通信开销随参与者数量多项式增长，成为主要性能瓶颈。联盟需要建立透明的贡献 - 收益量化机制，优先共享勒索软件基础设施、漏洞利用代码等 "公共威胁" 情报，以快速建立信任并降低协作成本。
自动化决策的责任归属与合规是治理层面的核心问题。一旦 AI-SOAR 实现全自动响应，误阻断导致的业务损失责任如何在 AI 模型提供商、SOAR 平台厂商和部署企业之间分配，目前法律框架尚未成熟。技术上需要设计细粒度、可解释的 "人在回路" 中断机制，允许安全人员在关键决策点进行审查或否决，但此类机制的标准化设计尚不明确。
可解释性与安全评估的可操作性
AI 安全评估的可解释性直接影响其工程化落地。Claude Mythos 作为自主安全代理，其决策过程相比传统工具更为复杂和 "黑盒"，这导致责任模型发生根本变化：工具责任明确属于操作者，而代理的自主决策可能将部分责任转移至 AI 系统本身，增加企业合规和法律风险考量。
为提升可操作性，安全团队应建立以下工程化参数和检查清单：
部署前评估清单：
- 定义明确的威胁模型和攻击面范围
- 建立隔离的测试环境，模拟生产网络拓扑
- 制定 RL 策略的奖励函数，平衡安全性与业务连续性
- 设计人在回路审查点，明确人工介入的触发条件
运行时监控参数：
- 设置策略置信度阈值，低于阈值的操作需人工确认
- 建立误报率基线，当误报超过阈值时自动降级至建议模式
- 配置审计日志粒度，确保关键决策可追溯
- 定义业务影响评估指标，量化自动化操作的潜在损失
联盟协作配置：
- 采用标准化威胁情报格式（如 STIX/TAXII 扩展）
- 建立分级共享机制，区分公共威胁与敏感漏洞
- 配置隐私保护参数，确保原始数据不出域
- 定义 SLA 指标，包括情报共享延迟和响应时间要求
竞争格局与行业启示
Project Glasswing 面临来自 Google SAIF 框架、Microsoft Azure AI Security 以及 Robust Intelligence 等新兴 AI 安全初创企业的竞争。与竞争对手相比，Glasswing 的核心差异化在于：以自主代理而非工具集为中心的技术路径、开放联盟而非云平台锁定的生态策略，以及通过合作伙伴关系实现的全栈覆盖能力。
Anthropic 预计，6 至 12 个月内其他 AI 公司也将发布 Mythos 级别的模型，但可能缺乏防止滥用的安全防护措施。在这一背景下，Glasswing 的扩展具有战略意义：通过建立行业协作标准和共享基础设施，为防御方争取永久优势。
对于正在规划 AI 安全评估能力建设的组织，建议采取渐进式部署策略：首先在高重复性、低风险场景（如阻断已知恶意 IP、标准化勒索软件遏制流程）中实现 AI-SOAR 全自动响应，积累运营经验并建立信任；随后逐步扩展至更复杂的威胁检测和响应场景；最终实现对漏洞全生命周期的 AI 辅助管理。
资料来源
- Anthropic 官方博客：Expanding Project Glasswing
- VendorDeep 技术分析：In-Depth Technical Analysis Report: Claude Mythos and Project Glasswing
内容声明：本文无广告投放、无付费植入。
如有事实性问题，欢迎发送勘误至 i@hotdrydog.com。