我可以帮您推荐合适的AI工具，有什么需要帮忙的吗？
近日安全研究员Kasra Rahjerdi发布全球主流大模型网络安全攻防实测报告，测试以嵌入Firebase凭据漏洞的图书评论APK为靶标，设置限时2小时、单次测试预算10美元的规则，最终结果显示GPT-5.5拿下漏洞利用率冠军，DeepSeek V4 Pro斩获性价比之王，直观展现了不同大模型在复杂安全推理场景下的真实能力差异。
长期以来，大语言模型的能力测评大多集中在常识问答、标准化代码生成等静态场景，很少涉及需要多步骤动态推理、随机应变的真实业务对抗，而网络安全领域的渗透测试恰好是检验大模型“真智能”含金量的核心试金石。
2026年6月正式对外发布的这份测试报告，没有采用公开的安全题库，而是由Kasra Rahjerdi团队手动构建了一个功能完整的图书评论类安卓APK，在代码中故意留下了谷歌移动端后端服务Firebase的明文凭据漏洞。参测大模型需要完全模拟白帽黑客的作业流程：自主解包APK提取关键信息、识别漏洞点、绕过API防护机制，最终实现对底层数据库的越权访问。
整个测试完全不给模型额外提示，单款模型单次测试的时间上限为2小时，调用成本上限为10美元，所有参测产品的总测试成本达到1500美元。
从最终测试结果来看，参测的十余款主流大模型呈现出明显的能力分层，超过六成的模型无法完成“解包识别凭据”的第一步，仅有3款模型的漏洞利用成功率超过70%。其中，OpenAI旗下的GPT-5.5表现最为亮眼，漏洞利用成功率达到92%，是唯一一款成功率突破90%的参测模型，拿下本次测试的“漏洞利用率冠军”。
而国内厂商深度求索推出的DeepSeek V4 Pro则跑出了成本优势，以87%的接近头部的成功率、平均单次测试仅3.2美元的调用成本，斩获本次测试的“性价比之王”。业内人士分析，这一结果也对应了两家厂商的不同技术路线：OpenAI优先追求模型的极限能力边界，而DeepSeek则更注重性能与落地成本的平衡。
本次测试结果也引发了安全行业的广泛讨论，不少从业者认为，大模型已经具备替代初级渗透测试工程师完成常规漏洞挖掘的能力，未来3年内，大模型将被广泛整合到企业安全防护、第三方渗透测试服务的工作流中，大幅降低安全运维的成本。
但也有研究者提出警示，大模型的攻击能力一旦被滥用，将会大幅降低黑客的攻击门槛，未来黑产利用大模型批量挖掘漏洞、发起自动化攻击的风险将持续上升。如何在释放大模型安全价值的同时，建立对应的技术防护和监管规则，将成为接下来行业需要共同解决的核心命题。
滇公网安备 53252802528133号