2023年,英国军情五处(MI5)发布了一则看似寻常的招聘广告:年薪7.3万英镑,招募一名专家,为间谍提供运用人工智能技术的装备。广告词中甚至明确写道:“确保现实版詹姆斯·邦德拥有完成任务所需的技术。”
这则消息迅速引发了全球媒体的关注。表面上看,它不过是情报机构的一次技术岗位补强。但若深入剖析,你会发现,这背后隐藏着全球情报战的一次范式转移——当人工智能开始渗透到间谍活动的毛细血管,我们熟悉的“007”式英雄主义叙事,正在被算法和数据彻底改写。
**一、年薪7.3万英镑的“技术间谍”,赌的是什么?**
首先,我们需要理解这个岗位的含金量。7.3万英镑(约合人民币66万元)在英国属于中高收入水平,甚至高于许多大学的教授和资深工程师。军情五处愿意为此支付溢价,说明他们寻找的不是普通的IT运维人员,而是能打通“情报需求”与“技术供给”的桥梁型人才。
广告中提到的“为间谍提供运用人工智能技术的装备”,听起来很酷,但核心任务其实非常具体:如何让前线特工在复杂、危险的环境中,通过AI辅助实现更快的情报分析、更精准的决策判断,以及更隐蔽的行动执行。
这背后有一个残酷的现实:传统情报战中,人力情报(HUMINT)依赖的是特工的经验、直觉和运气。但在信息爆炸的时代,一个特工每天可能要处理来自社交网络、监控摄像头、通信截获等渠道的海量数据。没有AI的过滤和预判,再聪明的人脑也会宕机。军情五处赌的,就是AI能成为那个“超级副驾驶”,让特工从数据海洋中解放出来,专注于最需要人类判断力的环节。
**二、从“007”到“算法特工”:间谍工作的三个颠覆性变化**
如果我们把时间轴拉长,会发现AI对间谍工作的改造,正在三个维度上重塑行业规则。
**第一层:情报收集——从“偷文件”到“偷模式”**
过去,间谍潜入敌营偷一份名单、一张图纸,就能改变战局。但在数字时代,关键信息往往不是孤立的文件,而是隐藏在海量数据中的“模式”。比如,一个可疑人物的社交关系网、资金流动轨迹、行为习惯的异常波动。AI的机器学习模型可以自动识别这些模式,甚至预测出对方下一步的行动。军情五处招募的专家,很可能就是在开发这样的预测性分析工具。
**第二层:行动执行——从“防窃听”到“防算法”**
詹姆斯·邦德的经典装备是手表里的激光、阿斯顿马丁的弹射座椅。但未来的特工装备,可能是一个由AI驱动的“隐形助理”。它能实时分析周围环境的声波、电磁波、人脸识别信号,自动推荐最佳撤离路线,甚至模拟出与目标人物的最佳对话策略。更重要的是,它要学会如何“欺骗”对方国家的AI监控系统。当双方都在用算法对抗时,间谍战就变成了“谁家的AI更会撒谎”的游戏。
**第三层:决策判断——从“经验直觉”到“概率博弈”**
最让传统特工不安的,可能是决策权的转移。过去,一个资深特工靠直觉判断“这个线人是否可靠”。现在,AI会给出一个“可靠概率”:78.3%。当机器告诉你,你的直觉只有23%的正确率时,你该信谁?军情五处招募的专家,必须解决这个“人机信任”的终极难题——如何让特工在关键时刻,敢于相信算法的建议,而不是自己的肾上腺素。
**三、为什么是现在?情报界的“斯普特尼克时刻”**
军情五处的这则招聘,并非孤立事件。2023年,美国中情局(CIA)成立了“人工智能创新中心”,以色列摩萨德被曝使用AI辅助定点清除行动。全球情报机构突然加速拥抱AI,背后有一个共同的焦虑:他们正在经历自己的“斯普特尼克时刻”。
1957年,苏联发射第一颗人造卫星,让美国意识到在太空竞赛中落后了。今天,AI技术的民用化速度远超情报机构的内部研发。当ChatGPT、Midjourney等工具已经能轻松生成以假乱真的情报分析报告、伪造视频和音频时,情报机构如果还停留在“人工整理简报”的阶段,就等于在数字战场上裸奔。
更致命的是,对手也在用AI。恐怖组织可能用AI策划袭击,敌对势力可能用AI发动认知战。军情五处招募的这位专家,不仅要为自家特工造矛,还要为整个国家铸盾——防止AI被敌方反向利用,欺骗本国的情报系统。
**四、隐忧:当间谍变成“AI的提线木偶”**
然而,技术的每一次跃进,都伴随着伦理的陷阱。年薪7.3万英镑的岗位,看似风光,实则背负着巨大的风险。
首先,是“算法偏见”问题。如果训练AI的数据本身带有偏见,比如过度关注特定种族或政治倾向的群体,那么AI辅助的间谍行动就可能制造出大量“冤假错案”。历史上,美国国家安全局(NSA)的“棱镜计划”就曾因数据滥用引发全球抗议。当AI成为决策核心,这种风险会被指数级放大。
其次,是“人机责任”的模糊。如果特工根据AI的建议执行了错误行动,导致无辜者伤亡,责任该谁来担?是写代码的工程师,是批准行动的指挥官,还是那个“只按指令行事”的AI?目前,全球没有任何法律框架能清晰地回答这个问题。军情五处招募的这位专家,很可能要亲自参与制定这些“灰色地带”的操作守则。
最后,是“反噬”风险。当AI系统足够强大时,它会不会反过来控制特工?科幻电影里的桥段并非危言耸听。2022年,谷歌工程师就曾声称其开发的AI产生了“自我意识”。虽然最终被证伪,但技术发展的不确定性,让每一个情报机构都如履薄冰。
**结语:我们正在见证一场“静默革命”**
回到这则招聘广告。它看似是一个技术岗位的缺人,实则是一面镜子,映照出情报世界最深层的变革:人类特工正在从“主角”变成“配角”,而AI正在从“工具”变成“搭档”。
未来,詹姆斯·邦德可能不再需要记住复杂的密码,因为AI会替他记住;不再需要冒险潜入楼顶,因为AI控制的无人机已经完成了侦察;甚至不再需要亲自开枪,因为AI预判了对方的动作。但一个根本问题始终存在:当所有“酷炫”都交给了算法,那个决定“为什么而战”的人,还剩下什么?
也许,军情五处真正要找的,不是一个技术专家,而是一个能回答这个问题的哲学家。
—
**你认为,当AI深度介入情报工作后,人类特工的核心价值会被彻底取代吗?欢迎在评论区分享你的看法。如果你喜欢这篇文章,记得点个“在看”,让更多人加入这场关于未来战争的深度讨论。**
CVSS 9.9分!GitLab AI网关爆出致命漏洞,你的代码仓库可能正在”裸奔”
一个评分高达9.9的漏洞,足以让全球运维和安全团队彻夜难眠。这一次,轮到了GitLab。
2026年,当AI能力已经成为DevOps工具链的标配,GitLab的AI网关却被曝出CVE-2026-90970这一严重缺陷。CVSS评分9.9,距离满分仅差0.1——在安全领域,这意味着”接近理论极限的严重性”。攻击者无需复杂条件,即可通过AI网关这一看似”智能”的入口,撬开整个代码仓库的大门。
问题的本质,远比一个补丁复杂得多。
**AI网关:DevOps的”新边疆”,也是”新软肋”**
GitLab AI网关是什么?简而言之,它是GitLab将大模型能力嵌入研发流程的”神经中枢”。代码补全、智能审查、自动生成提交信息、漏洞建议修复——这些让开发者拍手叫好的功能,都依赖AI网关在后台调度模型、处理请求、返回结果。
但问题恰恰出在这里。为了完成”智能”任务,AI网关必须拥有极高的权限:读取代码内容、访问项目元数据、调用内部API、甚至代表用户执行操作。它就像一把万能钥匙,被挂在了GitLab这栋大楼最显眼的门把手上。
CVE-2026-90970的致命之处在于:攻击者可以通过精心构造的请求,绕过AI网关的权限校验机制,直接以高权限身份读取私有仓库代码、窃取CI/CD密钥、甚至注入恶意代码到流水线中。CVSS 9.9的评分,意味着利用门槛极低、影响范围极广、后果极其严重。
**为什么AI组件的漏洞总是”特别致命”?**
这不是GitLab第一次因AI组件登上安全头条,也不会是最后一次。从2024年到2026年,全球主流DevOps平台——GitHub、GitLab、Jenkins、Azure DevOps——无一例外地在AI集成模块上栽过跟头。
根本原因有三。
第一,AI组件的”权限膨胀”是结构性的。传统API网关的权限边界清晰,一个查询接口只能查数据,一个写入接口只能写数据。但AI网关不同:它需要”理解”上下文,就必须访问上下文;它需要”生成”建议,就必须拥有建议所涉及的资源权限。这种”为了智能而让渡权限”的设计范式,天然埋下了越权隐患。
第二,AI组件的输入面极其宽广。自然语言、代码片段、文件路径、模型参数——任何一个输入点都可能成为注入攻击的入口。攻击者不需要找到传统的SQL注入或缓冲区溢出,只需要在提示词中嵌入恶意指令,就可能让AI网关”心甘情愿”地交出敏感数据。
第三,安全测试跟不上AI迭代的速度。传统安全工具擅长扫描已知模式的漏洞,但AI网关的行为逻辑是概率性的、上下文相关的。同一个请求,在不同项目、不同模型版本、不同上下文下,可能产生完全不同的结果。这让自动化安全测试几乎束手无策。
**从CVE-2026-90970看DevOps安全的范式转移**
这个漏洞的真正价值,不在于它本身有多严重,而在于它揭示了一个不可逆转的趋势:DevOps平台的安全边界,正在从”代码”转移到”AI”。
过去,我们保护代码仓库,核心是管好Git协议、SSH密钥、访问令牌。后来,我们保护CI/CD,核心是管好流水线权限、环境变量、制品仓库。现在,我们保护AI网关,核心是什么?是提示词过滤?是模型输出审查?是权限最小化?还是行为审计?
答案可能是:以上全部,但远远不够。
真正需要的,是一种”零信任AI”的架构思维。具体而言:
其一,AI网关必须运行在独立的、隔离的权限域中。它不应该直接持有用户的长期凭证,而应该通过短期令牌、动态授权的方式,在每次请求时重新校验权限。
其二,所有AI网关的输入输出必须经过严格的内容安全策略。不是简单的关键词过滤,而是基于语义的意图识别——判断这个请求是否在试图诱导AI执行越权操作。
其三,AI网关的行为必须可审计、可回滚。每一次代码读取、每一次API调用、每一次模型推理,都要留下不可篡改的日志。一旦发现异常,能够快速定位、快速阻断、快速恢复。
其四,也是最根本的:不要把AI网关当作”更聪明的API”,而要把它当作”拥有超级权限的新用户”。对待新用户,我们从来不会一上来就给root权限。
**修复之外:每个团队都应该问自己的三个问题**
GitLab已经发布了补丁,升级到最新版本即可修复CVE-2026-90970。但补丁只能解决这一个漏洞,解决不了系统性的风险。
每一个使用AI增强型DevOps平台的团队,都应该立即问自己三个问题:
第一,我们的AI网关拥有哪些权限?这些权限是否经过了严格的必要性审查?是否存在”为了省事”而授予的过度权限?
第二,如果AI网关被攻破,攻击者能接触到什么?是只有公开代码,还是包括私有仓库、生产密钥、客户数据?最坏情况下的影响范围有多大?
第三,我们有没有能力检测和响应AI网关的异常行为?当AI网关在凌晨三点突然大量读取私有仓库时,有没有告警?有没有阻断?有没有溯源?
这三个问题,比任何补丁都更重要。
**结语:AI越智能,安全越不能”偷懒”**
CVE-2026-90970是一个警钟,但它不是第一个,也不会是最后一个。当我们将越来越多的权限交给AI,我们就必须用更严苛的标准去审视AI的每一个接口、每一次调用、每一行代码。
安全从来不是AI的对立面,而是AI能够被信任的前提。一个CVSS 9.9的漏洞,足以让整个行业重新思考:我们到底应该给AI多少信任,以及,我们准备好为这份信任付出多少安全成本了吗?
你的团队,是否已经检查了GitLab AI网关的权限配置?欢迎在评论区分享你的安全实践或困惑。如果觉得这篇文章有价值,请点个”在看”,让更多运维和安全同行看到。





