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。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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」。
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。
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。
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。
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:
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。
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。
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。
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。