資安大廠 Palo Alto Networks 22 日推出「Unit 42 Continuous Frontier AI Defense」持續性資安測試服務，以年度訂閱上線全球。這項服務結合 Anthropic 的 Claude Mythos 5、OpenAI 的 GPT-5.6-Cyber 與開放權重模型，用來找出企業系統的安全暴露面、驗證漏洞能否利用，並協助擬定修補方案。
採取多模型組合的原因，來自 Palo Alto Networks 內測。Axios 報導，複雜的企業環境，沒有任何模型能找出超過 40% 的漏洞，而 Mythos 5 與 GPT-5.6-Cyber 的發現結果重疊度不到 10%。執行長 Nikesh Arora 認為，差異源自各模型的訓練資料不同。Unit 42 因此以調度（orchestration）工具，將各項測試工作分派給最合適的模型。
Arora 4 月曾讓尚未公開的 Mythos 測試公司基礎設施，找出弱點的速度與規模，讓他確信資安產業將永久改變。他估計模型標示漏洞約 30% 不存在，但十個對了七個，對攻擊者就相當夠用，對防禦者卻遠遠不夠。Arora 指出，企業發現並修補入侵的平均時間約 3 天，AI 驅動攻擊卻可能 12 分鐘內展開。
服務流程從客戶環境的基準掃描開始，涵蓋自行開發與第三方 Web 應用程式、API、雲端基礎設施、原始碼儲存庫及網路資產，並在環境變動時重新測試。發現弱點後，系統會驗證能否串連成完整攻擊路徑，再提供優先排序的修補建議、程式碼層級指引與虛擬修補建議；客戶也可搭配 Frontier Virtual Patching，修補程式推出前先部署暫時性緩解措施。Palo Alto Networks 另強調採用零資料保留（Zero Data Retention）架構，客戶原始碼與遙測資料不會儲存，也不會用於訓練公開模型。
Palo Alto Networks 客戶涵蓋約 95% 的《財星》500 大企業，2026 財年營收達 114.8 億美元，今年以 250 億美元收購身分安全新創 CyberArk。OpenAI 執行長 Sam Altman 也對《財星》表示，要修補網路所有漏洞並不容易，資安需要新模式。
不過，40% 與 10% 等數字均來自 Palo Alto Networks 評估，公開資料並未說明測試環境的挑選方式與比對定義，多模型組合在客戶環境的實際涵蓋率，以及已驗證攻擊路徑最終修補的比例，仍有待獨立驗證。
（首圖來源：AI）
