本年度公开 CVE
—
按真实 datePublished 统计
近 30 个完整日的披露速率
—
CVE / 日 · 不等于发现速度
CVE 披露机构覆盖
—
CNA / 分配机构 · 不是发现者排名
公开漏洞与模型演进
将模型发布时间叠加在真实披露曲线上；模型能力不是用发布时间衡量。
OpenAIAnthropic其他 / 开放权重
实线为公开数量，虚线为模型发布时间。点击数据点查看数量；末期数据可能不完整。
ANNUAL DISCLOSURES
年度披露量
相同日历年汇总，当前年单独标记为部分年。
数据源：CVE List V5 · 当前年总量不与完整年直接计算同比。
VULNERABILITY TAXONOMY
披露了哪些漏洞？
BREACH LANDSCAPE
数据泄露：入口与第三方因素
Verizon DBIR 报告样本占比，报告年与实际事件观察年不同。
绿色：漏洞利用作为初始入口；灰紫色：涉及第三方。两个指标可能重叠，不能相加。跨年样本构成变化，不能据此估算 AI 因果。
EVENT WINDOW
每一代发布之后，变了多少？
相同长度日历窗，比较模型首次公开后的 CVE / 日。窗口可能包含其他模型发布、批量公告和节假日。
不能据此前后差值估算“AI 造成了多少漏洞”。没有合适对照组，模型迭代、CNA扩张、披露政策与真实威胁变化无法分离。
TIME TO EXPLOIT
防守窗口正在缩短吗？
Mandiant 各观察期的平均已知利用时间（天）
2023 年剔除 15 个异常值后为 5 天，未剔除为 47 天。2021–22 年亦使用截尾处理。样本与方法变化，不连成严格同口径趋势线。
补丁 → 首次已知利用、CVE → KEV 收录、漏洞发现 → 披露，是三个不同的时钟。KEV 收录日期不能代替首次利用日期。
查看原始研究与方法 ↗DISCLOSURE ECOSYSTEM
全球披露机构观察
按 CVE 分配 / 披露机构汇总。含安全厂商、产品厂商、研究团队与协调机构，不能等同漏洞发现者或产品受影响方。
“全球所有安全厂商”的统一挖掘速度没有完整公开分母。本表提供 CVE 体系内可见机构覆盖；非 CNA 研究者、私下报告、无 CVE 漏洞和未披露活动可能缺席。
MODEL GENERATIONS
模型演进与安全能力证据
GPT、Claude，以及有公开安全研究实绩的其他模型。开源代码、开放权重、闭源服务分别标记。
THREAT EVIDENCE
能力、滥用与威胁环境
实测能力、厂商观测、真实活动分层阅读。报告发布日不等于攻击发生日。
自动采集线索
厂商 RSS 标题，仅供进一步核验；未分类、不计入攻击次数。
最新公开漏洞
最近入库的公开记录；CVE 标识去重。严重性与利用状态需回到原记录核实。
READ THE FOOTNOTES
研究方法与数据边界
01 · 统计范围、日期与去重
按 cveMetadata.datePublished 的 UTC 日期聚合，排除 REJECTED 和未来日期。CVE 编号中的年份不作为披露年份。机构字段是 assigner / CNA，不能识别实际发现者的全部贡献。日速率采用真实日历天数；本年和本期标记为未完结，不直接对比完整年总量。
02 · 模型前后比较如何计算？
发布前窗口为 [发布日期 − W 天, 发布日期)，发布后为 [发布日期, 发布日期 + W 天)，均不包含右边界。比较数值为记录总数 / W；变化率为 (后 − 前) / 前。当前 UTC 日不完整，未结束窗口显示不可比较，不年化外推。
这是描述性事件窗口，不是因果效应。重叠模型、季节性、CNA增长、Linux等批量披露、政策与研究投入、检测覆盖变化均可能混杂。没有统一的挖掘开始时间，无法画全球“发现速度”曲线。缺测数据不填零。
03 · 如何理解供应链、APT 与数据泄露？
Verizon DBIR 的第三方因素占比大于恶意包供应链攻击的范围，报告年份往往晚于实际事件。Sonatype恶意包数量不等于独立攻击活动数。APT 报告量不等于攻击次数；厂商自报 AI 使用情况保留归因和样本限制。
不将不同机构、不同分母的威胁数据合成“全球攻击指数”。实验成功率不直接转换为全球攻击成功率；模型发布日只是观察标记。
04 · 每日采集、失败与历史修订
自动公开源采集不调用付费模型。本 Cloudflare 站点每日自动采集 CVE、KEV 与厂商 RSS。模型发布时间和威胁研究结论保留当前已核验快照，新增研究需复核后入库，不能把 RSS 标题当作已验证证据；每条证据保留来源链接、报告日期、事件日期与证据类型。新报告作为新版本保留，不覆盖旧报告的观察口径。
持续观测，每天积累一份可追溯的证据
正在读取采集状态
采集由此 Cloudflare 账户的定时任务执行。