解构零日不对称论：从防御者修复吞吐量谈起

近期大型语言模型在生产软件中产生并确认漏洞的案例使 AI 将重塑攻击与防御安全的叙事重燃。新闻标题强调能力，却很少探讨成本与激励。本文从“bugonomics”视角审视 LLM 驱动的漏洞发现——生产、证明、优先排序和修复安全相关缺陷的运营经济学。历史上，最显眼的高端 bugonomics 来自进攻方：生产级零日漏洞和利用链昂贵的专业产出，供政府、经纪人和进攻供应商使用。防御方的 bugonomics 已存在于漏洞研究、奖励计划和供应商修复工作中；LLM 辅助系统改变其规模与分布。它们使候选生成、代码理解、测试环境构建、影响证明草案和报告准备在代码库规模下变得更便宜。利用和概念证明仍重要，但在防御工作流程中主要用于证明影响、指导优先排序和正当化修复。 resulting 的瓶颈不仅是发现更多漏洞；而是吸收、验证、分流、修补和发布更多报告。利用来自 Anthropic 的 Mythos Preview 与 Mozilla Firefox 合作的公开数据，以及公开的 exploits 市场价格锚定和漏洞奖励计划，我们认为，近期的转变不仅是更多零日漏洞，而是向更广泛的防御者修复吞吐量移动：低信噪比候选变得更便宜，证据丰富的修复变得更重要，稀缺资源转向维护者审查与发布工作。在开源领域，LLM 辅助发现可增加报告量，而维护者端的验证、分流、资金和发布容量可能无法按比例扩大。