具身智能还没上岗,漏洞先上岗了
安全公司VicOne用AI辅助研究,不到两天挖出28个零日漏洞,波及Google、NVIDIA、Meta等维护的物理AI工具链。本文拆解漏洞为何不长在机器人本体、而长在训练仿真测试工具上,传统OT安全为何接不住,以及团队该怎么做这堂安全补课。
不到48小时,28个零日漏洞。
这不是营销号标题,而是 VicOne 通过 IEEE Spectrum 公开披露的研究结果:用AI辅助研究,在支撑Physical AI生态的软件和工具里,两天内识别出28个初始零日漏洞——其中涉及 Google、NVIDIA、Meta 等公司开发或维护的项目。我的判断很直接:具身智能的安全债,不是等机器人进了工厂才开始欠的,从它还在仿真环境里学走路那天,就已经开始欠了。
🚨 两天28个零日,这个速度让人心里发毛
攻防的成本曲线,正在被AI单向压扁。
先还原一下场景。过去安全团队挖漏洞,一年能稳定产出十几二十个高危确认,已经算得上一线水准:要逆向、要写PoC、要走确认流程,一个漏洞从发现到被厂商确认,几个月很正常。而这次 VicOne 用AI辅助研究,两天跑出28个零日,效率是数量级的跃迁。
几个关键事实值得划线:
- 这28个发现基于初始验证全部被归类为零日漏洞;
- 数量在厂商和漏洞权威机构复核后可能变化;
- 部分发现还没有CVE追踪编号;
- 研究覆盖的是支持Physical AI生态的软件与工具,涉及 Google、NVIDIA、Meta 等的项目。
当然要交代一句:这篇内容是 VicOne 的赞助研究,作为安全厂商,它有讲大故事的动机。但即便打上这个折扣,信号依然成立——当漏洞挖掘的边际成本趋近于零,任何一个生态的漏洞存量都会被快速清点出来。 问题在于,机器人生态的漏洞存量,此前几乎没人系统性地扫过。没人挖,不代表没有;只代表有人先到了。
过去我们说工厂安全,威胁模型大多是勒索软件加密MES、钓鱼邮件进OA。现在不一样了:攻击者可以直接研究机器人产业链上游的工具软件,一次投入,下游所有用户受益(对攻击者而言)。这是典型的杠杆效应,而杠杆现在握在AI手里。
🧠 漏洞不长在机器人身上,长在造机器人的流水线上
机器人的安全问题,十有八九不在机器人本体上。
跑了这么多年工厂,一个反复被验证的规律是:大家盯着产线上的PLC和机械臂,出事的往往是旁边的报表服务器、接口程序和那台没人管的工控机。物理AI时代,这个规律被放大了。
VicOne 的发现指向的正是这一层:这些工具帮助团队训练、仿真、测试和运行机器人。它们里面的弱点,可能影响三样东西——团队构建出来的模型、团队信任的测试结果、以及发送给机器人的指令。注意这个传导链条:
看明白了吗?工具链里埋一个弱点,相当于在机器人出生之前就给它注入了一段坏基因。模型是在被污染的仿真环境里训练的,测试结论是基于被篡改的结果做的,最后一条错误的指令直达实体设备——这已经不是IT安全事故,是物理世界的安全事故。
我在工厂见过太多类似的影子系统:不上资产台账、不在等保范围、没人负责打补丁,但它的输出直接决定产线动作。物理AI把这层影子系统从车间角落搬到了云端和每台机器人的开发环境里,规模大了一个数量级。
本质上,这是供应链式风险。你采购的时候没有买漏洞,但漏洞随工具链搭便车进了你的厂。模型即产品、工具即供应链——这是物理AI给制造业安全带来的第一个范式变化。
⚠️ 传统OT安全那套,接不住Physical AI
用OT安全的老地图,找不到物理AI的新大陆。
老工厂的安全三板斧,我闭着眼都能背出来:边界防火墙划安全区、工控机白名单锁死软件、按补丁周期定期打补丁。这套打法对付传统OT威胁够用了,面对物理AI生态,三条同时失效。
第一,零日漏洞没有补丁可打。厂商还没确认、复核数量还会变,你等官方通告,等于裸奔等雨停。
第二,物理AI的开发和训练环境大量在云端和开源社区里,边界概念本身就不成立。工具链横跨你的内网、公有云、开源仓库,安全区划到哪里?
第三,也是最要命的:部分漏洞连CVE编号都没有。主流漏洞扫描器和合规工具都以CVE为索引,没有编号等于扫描器直接漏报。你花大价钱上的漏洞管理平台,对这类风险是盲的。
把生态里几类环节按攻击暴露度和防护成熟度摆一摆,错配一目了然:
右下角那一块——暴露度高、防护成熟度低的区域,就是这次28个零日集中命中 grazing 的地带:开源工具和仿真训练平台。而很多团队的注意力还放在左上角的本体控制器上。钱花错了地方,比不花钱更危险。
📊 安全债和产线折旧一样,是每天在欠的
安全债不会突然爆雷,它只是安静地记账。
这次披露里有个细节特别扎心:一些发现还没有CVE编号,数量要等厂商复核后才确定。翻译成工厂的语言:这些工具很可能根本不在你的资产清单里。 连资产都不在清单上,谈什么防护?
这就是我说的安全债:不是某个漏洞爆出来才欠下的,而是从团队第一次pip install某个仿真框架、第一次把训练数据扔上公有云的时候,就已经开始按日计息了。等具身智能规模化进厂,本息一起结算。
VicOne 的研究同时指出了机器人团队面临的两个诉求,其中之一是把漏洞响应做成持续运营——它自己的博客里也在讲,漏洞管理正在被重塑,CISO需要了解VulnOps这套新打法。抛开厂商话术,方向是对的:面对没有CVE、没有补丁、随时新增的零日流,一次性项目制的漏洞治理注定失效。
把这堂补课拆成痛点和解法,大致是这几条:
🛠️ 安全不能是验收后的附录,得是第一道工序
补课有窗口期,窗口正在关闭。
给准备上具身智能的团队,一个务实的90天行动框架:
三条核心建议,按优先级排:
第一,把工具链当供应链管。 你上MES会查集成商资质、会做验收测试,凭什么对一个开源仿真框架不做任何审查就让它生成产线指令?训练、仿真、测试、运行四类工具,全部纳入SBOM,记台账、定责任人。
第二,仿真环境按生产系统分级。 仿真不等于沙盒。能影响模型和指令的环境,就该按能影响产线的系统来管——权限、网络、变更流程,一个都不能少。
第三,建AI对AI的对等投入。 对方用AI两天挖28个零日,你这边还靠人工季度巡检,这不是攻防,是屠杀。至少要让AI辅助的漏洞发现和处置成为常设能力,并且把与厂商、Zero Day Initiative 的协同披露流程纳入项目排期,而不是等媒体见报了再启动应急。
据多位接近头部机器人团队的人士透露,不少团队的漏洞响应流程至今还停留在邮箱加表格的阶段,安全预算和研发预算完全不在一个量级。这种剪刀差,就是下一次事故的剧本。
小结
两天28个零日漏洞,真正的信息不是某个具体CVE多危险,而是一面镜子:物理AI生态的攻击面已经成型,而防护体系还停留在上一个时代。工具链即供应链、模型即资产、仿真环境即生产系统——这三个认知不建立,买再多安全设备都是给自己拍照留念。具身智能进厂的节奏越来越快,安全补课的窗口期不会等人。下一个28个零日,最好由你自己先挖出来,而不是让别人替你挖。
| 工具链环节 | 被污染后发生什么 | 产线后果 |
|---|---|---|
| 训练工具与数据管线 | 模型在带病环境里训练 | 模型行为不可信 |
| 仿真测试平台 | 测试结果被篡改或失真 | 错误结论进入决策 |
| 运行与指令下发工具 | 错误指令直达设备 | 物理安全事故 |
| 开源依赖组件 | 已知/未知漏洞随版本搭便车 | 攻击面持续累积 |
(注:本文漏洞数据来自 VicOne 在 IEEE Spectrum 发布的初始研究结果,数量与定性以厂商及漏洞权威机构后续复核为准。)