CVE 漏洞数量近乎直线飙升，AI 成为安全研究的“增幅器”

近年来，CVE 年度新增编号持续攀升，曲线近乎直线上扬。表面看，这是漏洞数量激增；更深层看，它反映的是漏洞发现、报告与披露机制正在被技术和生态共同重构。AI 并非漏洞的源头，却正在成为安全研究的“增幅器”：它降低了代码审计、模糊测试、补丁差分和变异分析的门槛，使研究人员能够更快地从海量代码中定位潜在缺陷，并加速从发现到披露的流程。

AI 提升了漏洞发现效率，也改变了披露节奏

传统安全研究高度依赖专家经验和人工审计，覆盖范围有限。借助大模型与自动化工具，研究者可以对遗留系统、开源依赖和供应链组件进行更大规模扫描，并将疑似问题转化为可复现的安全报告。结果是，更多长尾漏洞被看见，更多“沉默资产”进入披露流程。CVE 数量上升，某种程度上是可见性提升的体现。

但数量增长不等于风险同比例上升

需要警惕的是，CVE 编号并不等同于独立、有效的高危漏洞。CNA 扩张、重复报告、低质量提交和争议编号都会推高统计曲线。AI 在提升效率的同时，也可能生成大量待验证线索，增加厂商、CNA 和社区的分类负担。若缺乏质量控制，漏洞披露生态可能陷入“数量繁荣、信号稀释”的困境。

安全研究进入“人机协同”阶段

因此，AI 对安全研究的真正影响不是简单制造更多漏洞，而是放大发现能力、披露速度和治理压力。未来关键不在于追逐 CVE 数量，而在于建立更严格的验证、去重和优先级机制，让 AI 成为提升漏洞治理质量的工具，而非统计曲线上的噪声源。