研究解读 · 神机百见-具身解读

两天 28 个零日、75% 在部署之前:这份清单是赞助稿,但它提的问题是真的

28 个零日、不到两天、涉及 Google/NVIDIA/Meta 维护的项目——但这篇稿子额头上写着「由 VicOne 提供」,文末在推它自己的两款产品。数字不能当行业基线用,可它给出的那张「三层生命周期」暴露面图,恰好说清了一件事:机器人通过的安全测试,本身可能是被改过的。

一分钟速览
  1. 事实:东京的物理 AI 安全公司 VicOne 称,用 AI 辅助研究在不到两天内发现 28 个零日问题,涉及支撑机器人训练、仿真、测试与运营的软件工具,受影响项目包括由 Google、NVIDIA、Meta 等开发或维护的工程。
  2. 关键分布:这 28 条中约 75%(约 21 条)集中在开发/训练、仿真/验证工具上——也就是机器人还没部署就已经埋下的风险,而不是运行中的机器人本身。
  3. 最刺眼的一条:在另一组演示中,研究人员利用一个漏洞让机器人的远程急停指令失效。
  4. 必须打的折:这篇稿子刊于 IEEE Spectrum 的赞助栏目,页面明写「This article is brought to you by VicOne」,文末在推 Radeis 与 Rthena 两款产品;28 条尚无 CVE 编号、具体项目未点名、CVSS 与修补状态未公布,公司自己说数字可能随厂商与漏洞主管机构复核而变化。
  5. 判断一:把「两天 28 条」当行业漏洞密度基线是错的,它是一次厂商自报的初筛结果。但它给出的三层暴露面框架可以直接拿来自查,价值大于数字本身——尤其是「仿真环境被污染 → 机器人通过了本该失败的测试」这一条,它把安全问题从运行时前移到验收环节,动摇的不是代码,是「我们测过了」这句话的可信度。
  6. 判断三:急停一旦在软件层可被绕过,受影响的不只是安全,还有合同与保险——所有免责条款的前提都是「急停有效」。
数据来源与边界
本条采用的主源不是原稿复述,而是窗口内出现的三个新增口径:①glonce.com 的独立复核稿(glonce.com ↗ )首次明确指出原文页面上方标注「This article is brought to you by VicOne」,属厂商赞助内容而非独立报道——此前中文转述均未标注这一点;②explainx.ai 的复核稿(explainx.ai ↗ )给出刊出日期为 2026-11-16、并整理出「训练/仿真/部署」三层风险对照与 CVE 待定说明;③中文早报 2026-11-18 把「两天 28 个」提炼成当日要闻。素材时间窗为前一日 18:00 → 当日 09:00(2026-11-17 18:00 → 2026-11-18 09:00)。按扩窗规则如实标注:原始报道刊于 11-16,落在本窗口之外;本窗新增量是「赞助标识被独立媒体点出」「刊出日期与投稿性质被核清」「75% 集中于部署前阶段被提炼成结论」这三项原稿之外的信息,本文据此做了重新判断,而不是复述原稿。 边界与不确定:①28 这个数字是厂商自报的初筛结果,VicOne 自述「数目可能随厂商与漏洞主管机构复核变化」,且部分条目尚无 CVE 编号,具体涉及哪些项目未逐一列出,CVSS 评分、可利用性、修补状态均未公开,本文不将其作为行业漏洞密度基线;②受影响项目「包括 Google、NVIDIA、Meta 开发或维护的工程」为 VicOne 描述,未指明具体仓库或组件,读者不应据此推断某一家厂商的产品存在特定缺陷;③「远程急停失效」是一次独立演示中利用某个漏洞达成的结果,不等于所有急停链路都可被绕过,原文亦强调实际后果取决于攻击者权限、系统设计与其它防护;④原文明确这些是「潜在后果」,不是每一条都已证实的结果;⑤赞助内容属性必须与事实主张分开评价:赞助不等于结论错,但意味着不能作为采购依据或权威统计引用;⑥VicOne 在文末推广的 Radeis(部署前识别零日、评估模型与系统安全)与 Rthena(运行期威胁检测与响应)属商业产品,本文不评价其效果;⑦原文引用的白皮书《Why Robot Safety Depends on Cybersecurity》为厂商材料,本文未采信其中数据;⑧本文对「28 条按两天速率外推一个月约 400 条」的计算仅为速率示意,不构成预测;⑨所有关于验收可信度、合同与保险影响的论述均为作者判断,以「判断:」开头。版权与免责声明由模板自动附加。
本文事实信息来自上方标注的公开来源;解读、判断与延伸部分为作者个人见解,写作过程使用了 AI 工具辅助整理,已由作者人工核实,不代表信息来源方立场。如有雷同纯属巧合;如涉及版权或权益问题,请联系 shenjibailian@shenjibailian.com,我们将在核实后及时删除或更正。

这条消息在中文圈传了两天,标题基本都是「两天挖出 28 个零日漏洞」。这个说法没错,但它漏掉了三个决定这句话该打几折的信息。

第一,这篇报道刊在 IEEE Spectrum 的赞助栏目,页面上方有一行小字:This article is brought to you by VicOne。第二,文末在推广 VicOne 自己的两款产品。第三,28 这个数字没有 CVE 编号、没有点名具体组件、没有 CVSS 评分、没有修补状态,公司自己说「复核之后可能会变」。

先把这三条摆在前面,后面的分析才有意义。因为这不是一篇独立调查,是一篇厂商供稿——这不代表它说的不对,而代表它不该被当成行业统计来引用。

一、28 条不是「行业漏洞密度」,是一次初筛

VicOne 的说法很克制:这是「初始的一批」发现,在不到两天里由 AI 辅助研究得出;经初步验证,28 条都归类为零日漏洞;数量可能随厂商和漏洞主管机构复核而变化;部分条目还没有 CVE 跟踪编号;细节将通过协同披露流程公开。

换句话说,这是一份待确认的清单,不是一份已归档的漏洞库。这两者在用途上完全不同:前者可以用来做自查的方向指引,后者才能用来做统计和对比。

如果把「两天 28 条」当密度去外推,一个月就是四百条上下——这个数字看起来很吓人,但它只是速率算术,没有意义。真正有意义的不是速率,是分布。

判断:这个行业目前没有任何公开的机器人软件漏洞基线,所以任何「第一次统计」都会天然被当成基线用。这是最危险的地方——第一份数据往往来自有商业动机的一方,而它会被引用十年。读这类报告,第一件事是看谁付的钱,第二件事是看有没有第三方复核。
二、75% 在部署之前,这才是真信息

28 条里约 75%——也就是 21 条左右——落在开发/训练、仿真/验证这两段,而不是已经装在机器人身上的运行期软件。

部署前的工具(开发/训练/仿真/验证)
约 21 条(75%)
部署后运行期工具
约 7 条(25%)
柱长按 21 条归一化(7÷21≈33.3%);75% 为原文图注口径,条数为按 28×75% 折算的近似值,非官方逐条披露

这个分布讲了一个很朴素但很少被讲的事:机器人的安全,大部分不是在机器人身上被决定的。

原文给了三个具体路径,一个阶段一个:

开发/训练
团队下载一个预训练模型,加载恶意文件后攻击者拿到了训练系统的访问权,可以改训练数据、也可以改模型本身。被改过的模型在常规测试里表现正常,只在部署后遇到某个特定物体、场景或指令时才出错
仿真/验证
导入一个被污染的仿真场景或机器人模型,攻击者拿到仿真环境访问权,可以改仿真传感器读数、物理条件或测试结果——于是机器人「通过了」那些本该暴露它不安全行为的测试
部署/运行
改掉影响运动规划的文件、灌入恶意地图数据让操作员的监控画面崩掉;攻下遥控操作电脑,也就等于握住了发给机器人的指令

三段里第二段最要命。因为第一段和第三段的风险,行业已经有本能的防御姿势——下载模型要校验、遥控链路要加密。但第二段的风险,防御姿势是「信任仿真结果」。

而仿真结果恰恰是整个行业用来替代真实测试的东西。这一年所有关于「仿真里跑了几百万次」「sim-to-real 迁移成功率」的叙事,前提都是仿真环境本身可信。如果仿真环境可以被污染,那么「在仿真里测过了」这句话就不再是证据链的一环,而是证据链上最软的一环。

判断:这一条把安全问题的位置从「运行时」搬到了「验收时」。它动摇了不是某一行代码,是「我们测过了」这句话的可信度。而这个行业眼下正在把越来越多的验证工作往仿真里搬——为了省时间、省钱、省真机损耗。搬得越快,这一环越软。
三、急停失效:这不是安全问题,先是合同问题

原文里还有一个独立演示:研究人员利用一个漏洞,让机器人的远程急停指令失效。

技术上这是一条安全发现。但在商业上,它先是一条合同发现。

所有机器人交付合同里,安全条款的落点几乎都在这几条上:急停按钮在哪、遥控急停由谁持有、失联后机器人是否自动停、以及出事故时的责任划分。而这些条款的共同前提是同一个假设——急停是有效的,且不依赖于可能被攻破的软件。

一旦急停在软件层可以被绕过,这个假设就破了。后果不是「有漏洞要修」,是三层连锁:

保险层:机器人的公众责任险、演出活动的场地险,核保时会问安全措施。如果安全措施的有效性依赖于一个可被远程篡改的软件链路,费率与承保范围都会变。

责任层:出事故时,「设备故障」和「被攻击」是两种完全不同的定性。前者走产品责任,后者走网络安全事件,举证责任、赔付路径、甚至是否属于承保范围都不一样。

验收层:客户在验收时会测急停。如果测试方式是「按下按钮看停不停」,那测的是功能,不是安全性——功能正常但链路可绕过的系统,能过验收。

判断:对做现场交付和长期运维的公司来说,这一条比 28 个零日重要得多。急停是唯一一个「失效即事故」的功能,而它现在被证明可能整条链路都建立在软件上。可行的做法是把急停拆成两路:一路软件(方便、可远程),一路硬线或独立无线(不可编程)。后者才是合同里该写的那一路。这个成本很低,但现在很少有交付方案这么做。
四、补丁本身也要被验证,这是最容易被跳过的一步

原文还有一段讲得很实在:即使维护方发布了补丁,团队仍然要自己做三件事——找出哪些系统受影响、检查兼容性、确认更新没有改变原本的行为。

第三件事在机器人行业尤其麻烦。因为机器人的行为不是「功能列表」,是一组调好的参数:力控的增益、轨迹的加减速、视觉与力觉的融合权重、某个工位上的补偿量。这些参数往往是在现场花几周调出来的,而且没人写文档。

一个安全补丁如果改动了通信时序——哪怕只是让某个 ROS2 话题的延迟多了几毫秒——那些花几周调出来的参数就可能全部失效。表现是「机器人变笨了」,但没人会想到是上周装的那个安全更新。

这就是机器人的安全补丁比 SaaS 难的地方:SaaS 打完补丁跑一遍回归测试就行,机器人打完补丁要重新跑一遍真机验证,而真机验证要占产线、占场地、占人。

判断:这一条对国内的集成商是明确的机会点。「打完补丁之后行为有没有变」这件事,现在没人系统性地做——因为做一次要停机。谁能把这件事做成标准动作(一套黄金场景回放 + 关键参数快照比对),谁就在运维合同里多一个可收费的条目。这比卖机器人本身更接近可持续的服务收入。
五、该怎么用这份清单

结论很明确:不能当基线引用,可以当自查表用。

可以照着问自己四个问题,一个都不需要 CVE 编号:

第一,我们下载的预训练模型和数据集,来源可信吗,有没有校验,谁能往训练集群里写东西。

第二,我们的仿真场景和机器人模型文件(URDF、场景包、传感器模型)从哪来,导入前有没有人看过,仿真环境的访问权限开给了谁。

第三,我们的急停链路里,哪一段是可编程的,哪一段不是;如果可编程的那段被绕过,还有没有兜底。

第四,上一次装安全补丁之后,我们有没有重新验证过关键行为;如果没有,我们凭什么相信现在这台机器和调好那天一样。

这四个问题的答案,比 28 这个数字有用得多。因为 28 是别人的初筛结果,而这四个问题问的是你自己的暴露面。

至于 VicOne 的结论——AI 让漏洞发现变快了,攻击方也一样快,补丁窗口在缩短——这个判断本身不难成立,也不需要赞助稿来支撑。真正需要记住的是它顺手带出来的那件小事:机器人的安全边界,画在部署之前,而不是部署之后。