Claude Code 被曝后门隐患，“AI 安全”谁来守？

　　2026年7月，Claude Code被曝存在隐写式后门：可读取本地时区和环境变量，通过不可见Unicode字符标记请求、追踪用户并触发封号。

　　由于它拥有文件读写、Shell和Git权限，可能成为潜伏在开发者电脑中的攻击面；结合此前披露的CVE-2025-59536远程代码执行漏洞，攻击者还可窃取本地文件和API密钥、执行任意命令。

　　一面是AI把攻击门槛碾压到零，一面是AI开发工具自己成了攻击面。攻防天平正在急速倾斜，而企业手里能和他们掰手腕的AI安全工具——几乎为零。

　　安全范式已经转移，从“人对人”变成“AI对AI”的战争，问题是，防守方的AI在哪？

　　一、

　　 AI安全"清算时刻"

　　过去十年，网络安全是"专业选手"的游戏。挖0-day要懂逆向工程，写利用链要精通内存布局，一次渗透测试周期以"周"计。但现在，AI把两条线同时引爆了——攻击线和开发线。

　　冲击1：AI放大攻防不对称性，防守方面临"降维打击"

　　 Mythos证明了：AI可以自主发现0-day、自动构建利用链、批量扫描目标。攻击成本从"数周"压到"几分钟"，攻击门槛从"专家级"降到"会打字就行"。防守方还在人工分析日志，攻击已经完成闭环。

　　冲击2：AI编程工具自己成了最大攻击面，"友军变敌军"

　　 Claude Code事件撕开了最痛的伤口：隐写术标记、静默环境探测、远程代码执行漏洞——这不是理论推演，这是已经发生的事实。更要命的是，AI编程工具天然拥有代码仓库读写权限、Shell执行权限、网络通信权限。一旦被攻陷或被植入恶意逻辑，污染的不是一行代码，而是整个代码库和供应链。

　　冲击3：防守方AI能力严重滞后，缺乏强力、可信、与AI开发能力适配的安全审计能力

　　攻击方有Mythos，开发方有Copilot、Cursor、Claude Code，防守方却仍依赖规则驱动的WAF、人工调优的SIEM和误报频发的IDS。传统人工Code Review已跟不上AI的代码生成速度，企业开发能力越强，安全缺口越大。没有足够强大、可信且能适配先进开发工具的防御体系，AI时代的安全就是裸奔。

　　 AI 最大的安全冲击，不是创造新攻击手段，而是让攻击更快、更便宜、更易规模化。若防守方也掌握AI，凭借业务上下文、资产清单和数据优势，最终可能反超攻击方；前提是，必须先具备这种能力。

　　二、

　　我们的解法：双Loop AI安全体系

　　面对"攻击AI+叛变AI"两面夹击，蚂蚁数科的答案是：加固和提升现有安全体系的同时，用AI治AI——三层防御+双Loop驱动，从运行态和研发态同时构建"强力、可信、与先进AI开发能力适配"的安全体系。

　　图 1：蚂蚁数科双Loop AI安全体系——运行态Loop1全天候防御，研发态Loop2全生命周期闭环

　　 AI 时代，攻击面是动态的。过去的安全平衡已经被AI打破，在当前的攻击红利时代，我们首先需要加固和提升现有体系。我们聚焦于三层加固：第一层高效应急响应，第二层防御纵深，第三层资产分层管控。

　　加固提升是一方面，但想要达到新的安全平衡，快速、主动建设AI防御能力是关键。掌握AI能力的防御方，最终会比靠AI的攻击方更有优势。

　　我们构建了Loop1：企业运行态AI安全Loop，7×24自主防御

　　 Loop1像“全天候哨兵”，由4个Agent形成闭环：主动发现威胁、关联资产并打通数据、秒级响应处置、持续验证优化。专家全程把关，结合业务场景和风险偏好校验决策、调试方案。AI提升效率，人类负责判断，构建强大可信的主动防御。

　　我们构建了Loop2：研发态AI安全Loop，从源头消灭漏洞和后门

　　 Mythos能挖0-day，Claude Code能藏后门，根源都在研发环节。Loop2覆盖研发全流程：需求阶段开展AI威胁建模，编码时实时提示并拦截风险，自动完成安全审计、渗透测试、漏洞修复和验证，并通过反馈持续优化。

　　它让AI写代码多快，AI审代码就多快，实现与先进AI开发工具匹配的安全能力。

　　三、

　　范式转移：

　　从事后审计到事前预防的AI安全体系

　　通过聚焦端到端业务流数据流审计及状态识别和控制，我们实现了：

　　-Model-agnostic也即最小化模型差异影响，当前自有代码资产安全审计召回率接近100%，高危漏洞0遗漏

　　‐ 模型切换对审计结果影响极小，一致性>95%

　　‐ 应急响应时间缩短78%，从小时级降到分钟级

　　‐ 自有资产准确审计准确率94%

　　‐ 研发安全体系不断提升，代码层次的漏洞已经趋近0漏过

　　这些数字背后是安全范式的变化：从"人工审计"到"AI自主防御"，从"依赖某个模型"到"工程能力兜底",从"AI辅助防御"迈向"AI自主安全治理"。

　　第一，跨企业情报协同。行业级威胁网络要求安全情报格式"AI原生可读"，而非人工翻查CVE列表。

　　第二，自主对抗进化。防御AI须与攻击AI同步自主学习、自我迭代，打破"人工更新规则库"的被动节奏。

　　第三，人机决策无缝衔接。在关键节点实现"AI推荐+人类确认"的最优协作，而非简单分工。