Google Cloud 新任 CISO Chris Betz 分享了在构建 AI Threat Defense 过程中学到的四个关键教训。核心观点是：安全团队必须采用原生 AI、智能体驱动且开放的防御策略，以对抗机器速度的攻击。

1. 准备：缩小攻击面与建立运营框架
Google 首先减少了软件攻击面，通过聚焦外部接口、简化依赖来降低复杂度。其次，投入建设支持漏洞扫描的运营框架，包括信息整合、代码访问、依赖图、Token 预算和基础设施，这些是减少摩擦的关键。第三，将安全工作与工程工作对齐，提前规划硬件和 Token 资源，管理变更量，并通过更小、更频繁的更新来降低风险。

2. 扫描与优先级排序：专家+AI+工具的组合
Google 持续扫描 Search、Ads、Android、Chrome 和 Google Cloud 的代码，管理数万个软件包。关键发现是：最佳扫描结果来自“产品专家+测试工具+AI 模型”的三者组合。如果只能选两个，优先选择专家和测试工具——一个不太强的模型配合好的工具和专家，比最强的模型缺少工具和专家更有效。建议使用多个模型。优先级策略上，建议先处理影响范围最大的基础代码（最大爆炸半径），而不是传统的从小处着手。AI 模型可以快速生成验证概念来测试准确性，并显著降低误报率。

3. 修复：基于风险的补丁与系统韧性
修复漏洞需要策略转变。首先，采用基于风险的方法，优先修复外部可达且影响范围大的代码，如 BoringSSL 和 gVisor。提供上下文给模型能加速修复。其次，建立中央系统追踪每个漏洞从发现到解决的全过程，强制执行补丁 SLO，实现持续自主打补丁（人工审核）。最后，目标是构建内在具备韧性的系统，不只是在代码层面修漏洞，而是强化整个系统。Google 采用“三 R”策略：刷新（Refresh）基础代码、移除（Remove）外围依赖（用自定义代码替换）、重写（Rewrite）关键组件为内存安全语言（用 AI 辅助）。

4. 监控：持续反馈循环与智能体演进
监控阶段建立持续反馈循环，追踪系统压力和漏洞热点。通过综合资产清单衡量长期修复健康度，对产品级漏洞管理 SLO 负责，并利用 AI 智能体验证补丁效果。未来规划包括：使用 AI 智能体自动化和标准化响应剧本，实现即时遏制；将关键库投喂给 Gemini 以改进模式识别，创建安全感知的编码智能体；AI 辅助的红队持续压力测试核心基础设施。

这套方法已用于保护 Google 数十亿用户，并作为一个可复用的框架，帮助任何团队构建持续学习、自适应、自我强化的防御体系。