多模型協作突破偵測瓶頸
Palo Alto Networks 發現單一模型偵測漏洞上限僅 40%,且不同模型結果重疊度不到 10%。因此新服務結合 Anthropic 的 Claude Mythos 5 與 OpenAI 的 GPT-5.6-Cyber,透過調度工具將測試分派給最合適的模型。執行長 Nikesh Arora 指出,模型標示的漏洞約 30% 不存在,但對攻擊者而言,十個中對七個已足夠發動攻擊,對防禦者卻遠遠不夠。
縮短修補時差與安全架構
企業發現並修補入侵平均需 3 天,AI 驅動攻擊卻可能 12 分鐘內展開。新服務從基準掃描開始,涵蓋 Web 應用程式、API 及雲端基礎設施,並在環境變動時重新測試。系統會驗證攻擊路徑,提供優先排序的修補建議與程式碼層級指引。客戶可搭配虛擬修補,在正式修補推出前部署暫時性緩解措施,且採用零資料保留架構,客戶原始碼與遙測資料不會被儲存或用於訓練公開模型。
市場規模與獨立驗證挑戰
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。然而,40% 與 10% 等數字均來自內部評估,公開資料未說明測試環境挑選方式,多模型組合在客戶環境的實際涵蓋率與最終修補比例,仍有待獨立驗證。