英国政府在2026年10月13日宣布扩大AI网络安全行动，此前一轮排查在其数字基础设施中发现1352个漏洞。由AI News披露的这一动态，把"政府亲自下场给AI系统排雷"从口号变成了可量化的行动，也为企业安全团队提供了一个参照样本：AI资产该按什么口径做漏洞盘点，边界在哪里。
事件脉络：从1352个漏洞到扩大投入
据AI News报道，英国政府此次扩展AI网络安全工作，直接背景是排查发现1352个漏洞。数字本身足以说明问题：当AI系统被大量接入政务、医疗、交通等关键场景时，攻击面不再局限于传统网络边界，模型接口、提示词注入、训练数据投毒都成了新的入口。
英国并非孤例。同期，AISI（英国人工智能安全研究所）在10月12日发布了前沿AI评估差距报告，核心观点是当前针对前沿模型的评估手段跟不上模型能力演进。一边是漏洞盘点，一边是评估方法缺口，两条线都指向同一个判断：AI安全正在从"事后修补"转向"主动盘点+前置评估"。
为什么AI网络安全不能只靠厂商
很多企业习惯把安全责任外包给模型厂商，但1352个漏洞的清单说明，模型层安全只是其中一环。真正的问题往往出在集成层：AI如何接入业务系统、权限怎么隔离、输入输出有没有校验、第三方插件是否受控。
政务场景尤其敏感。政府数据密度高、业务流程长，AI一旦越权或泄露，影响面远超商业场景。英国的做法是把AI安全纳入国家数字基础设施的常规检查，而不是等项目上线后再补救。
对企业安全团队的启示
第一，建立AI资产清单。不知道自己接入了哪些AI系统、模型由谁提供、数据流向哪里，漏洞盘点就是空谈。
第二，把提示词注入和越权行为纳入测试范围。传统渗透测试覆盖不到模型层，需要补充对抗性测试，例如伪造指令、边界输入、角色扮演攻击。
第三，关注评估框架的更新。AISI评估差距报告、工信部《人工智能安全评测框架（2026版）》等文件，都在给AI安全测试定标准，企业可以照此校准自己的测试集。
局限与观察
英国这次公开的数字是"发现1352个漏洞"，但未披露漏洞的严重性分布与修复进展，外部很难评估行动的实际成效。另外，政府主导的安全排查与商业环境的差异较大，企业不能简单照搬清单，仍需结合自身风险画像。
从产业视角看，AI安全正在成为一门确定性的生意：漏洞扫描、对抗测试、安全评测、合规咨询，每一个环节都需要专业供给。对创业者来说，这是比"再做一个大模型"更实在的切入点。
FAQ
Q1: 英国政府发现1352个漏洞说明了什么？
说明AI系统在真实基础设施中的攻击面远超预期，漏洞不仅存在于模型本身，更存在于集成方式、权限配置和输入输出链路，传统网络安全手段覆盖不到。
Q2: 中小企业也需要做AI安全排查吗？
只要业务中接入了AI，就建议做轻量排查，重点是AI资产清单、敏感数据流向、权限隔离三项。排查成本不高，但能显著降低数据泄露和合规风险。
Q3: 国内有对应的AI安全标准吗？
有。2026年10月中国人工智能产业发展联盟等机构发布了《工业和信息化领域人工智能安全评测框架（2026版）》，可作为评测口径的参考依据。
总结
英国政府在AI网络安全上的扩投入动作，本质是把"AI系统要纳入基础设施级安全审查"变成国家行动。对企业而言，1352这个数字是提醒：AI资产需要被当成正式资产来管理，漏洞盘点、对抗测试和评估框架必须前置到开发环节，而不是等出事再补救。
企业AI安全自查的三个动作
第一个动作是建立AI资产清单。很多企业说不清自己有多少个AI系统、分别接入了哪些模型、数据流向哪里，风险自然无从盘点。清单至少包含模型来源、部署方式、数据接口和责任人四项，有了清单，漏洞排查才有对象。
第二个动作是把对抗性测试纳入发布流程。提示词注入、越权调用、间接提示注入是AI应用最常见的攻击面，这类问题靠常规功能测试测不出来，需要在发布前做专门的对抗用例设计，并把测试结果作为上线的硬条件。
第三个动作是跟进评测框架与监管口径。AISI的评估差距报告提示，评测手段滞后于模型能力演进是普遍现象。企业不必自己造轮子，但应定期对照权威框架更新内部基线，把外部标准当成安全投入的优先级参考，减少方向性浪费。
回到实操层面，漏洞治理也要分优先级：先修能直接造成数据泄露的注入类问题，再处理模型幻觉导致的合规风险，最后才是性能与体验类缺陷。资源有限的企业可以按这个顺序排期，把安全投入花在刀刃上。
英国政府的行动还释放了一个信号：AI安全正在从可选话题变成监管议题。企业与其等合规要求落地后再补课，不如现在就把资产清单和测试基线建起来，成本更低，主动权也更大。
参考来源
- [1] AI News.《UK government expands AI cybersecurity efforts after finding 1,352 vulnerabilities》2026年
- [2] AI News.《AISI outlines priorities to tackle frontier AI evaluation gaps》2026年
- [3] 《2026人工智能产业大会：五项成果集中亮相》2026年
