NIST 征集面向 AI 时代 NVD 改造的公众蓝图

NIST 已启动为期 60 天的意见征询，计划重建一套漏洞系统；在 AI 加速软件漏洞发现与利用之前，这套系统本已面临压力。Google News 的标题概括了这一雄心，但问题远不只是为政府数据库增加一项 AI 功能。

国家漏洞数据库（National Vulnerability Database，NVD）将基础漏洞记录转化为安全团队可用于确定优先级的信息。NIST 现在希望该系统变得更加自动化、具备更多上下文、可互操作且更加透明。它也希望公众就哪些环节必须保留人工参与提出建议。

这一组合暴露出核心矛盾。自动化可以更快处理漏洞数据，但不可靠的自动化也可能生成错误评分、错误产品匹配以及不安全的修复建议。因此，NIST 正在询问：如何提升机器速度，同时不牺牲令 NVD 具有价值的可信度。

此次征询紧随四个月前宣布的一次运营收缩。4 月，NIST 不再承诺立即为每条常见漏洞与暴露（Common Vulnerabilities and Exposures，通常称为 CVE）记录提供增强分析。在提交量增长速度远超其分析能力后，NIST 转向选择性处理。

这并非一次例行技术升级。NIST 正在重新审视漏洞信息如何从发现，经由验证、披露、优先级排序，最终进入修复环节。其答案将影响政府系统、商业安全产品、开源项目和企业补丁工作流。

NIST 正在询问：谁应掌控自动化 NVD

眼前的变化是一项正式的意见征集，而非已完成的 NVD 架构，也不是部署自主 AI 的承诺。

NIST 的信息技术实验室已发布其现代化征询请求，并计划于 2026 年 8 月 12 日在《联邦公报》刊登。回复将纳入案卷 NIST-2026-0100，且必须在刊登后 60 天内提交。

该机构表示，其目标包括提高可扩展性、自动化程度、互操作性、透明度和实用性。这些目标远不止打造更快的分类模型，还涉及治理、数据标准、产品识别、风险评分、修复，以及公共与私营组织之间的协调。

目前，NVD 会在 CVE 记录发布约一小时后自动接收该记录。随后，NVD 分析师可添加严重性评分、受影响产品版本、弱点信息及其他上下文。安全工具则通过网站、数据源和应用程序编程接口使用这些补充信息。

这些增强分析之所以重要，是因为仅有 CVE 标识符并不能告诉组织其环境中是否存在受漏洞影响的产品，也无法确定是否存在利用活动、业务暴露程度或修复紧迫性。在将披露信息转化为运营决策之前，机器需要结构化的上下文。

该 RFI 询问，在漏洞生命周期的哪些环节，AI 驱动的自动化能够带来最大改进。它还分别询问哪些决策需要人工审查，以及审查人员应获得哪些证据。这一区分使人工问责成为拟议架构的一部分。

NIST 还询问，自动化优先级排序如何保持透明且可审计。可审计系统会保留足够的证据，使人们能够理解其如何得出某一决定。当某项评分或产品匹配影响到哪一个漏洞需要立即关注时，这一特性尤为关键。

修复会带来更严重的后果。此次征询询问 AI 应在生成和部署修复方案中扮演什么角色、需要哪些保障措施，以及组织应如何管理 AI 生成的修复。分类错误会浪费分析师时间，而有缺陷的自动化补丁则可能中断生产。

这些问题并未假定 AI 应控制每一个阶段。相反，它们邀请回应者界定自动化、专家审查、组织上下文与现有安全标准之间适当的边界。最终设计将取决于这些边界。

公共征询流程也使许多重大实施细节尚未确定。NIST 尚未在 RFI 中选定模型、公布部署时间表或定义新的资金结构。它正在确定长期技术方向之前收集需求。

这一限定对通过 Google News 看到报道的读者而言很重要。NIST 已启动一场架构讨论，但尚未完成许多标题所描述的改造。结果将取决于公众反馈以及后续机构决策。

Google News 的关注源于一场能力危机

NIST 推进现代化，是因为漏洞产出量已超出全面依赖人工增强分析这一模式的基本假设。

据 NIST 统计，2020 年至 2025 年间，CVE 提交量增长了 263%。2026 年第一季度的提交量比 2025 年同期高出近三分之一。这些数字描述的是一个在本轮新征询之前就已存在的运营问题。

NIST 在 2025 年为近 42,000 条 CVE 提供了增强分析，比此前的年度纪录高出 45%。但这一产能仍无法匹配涌入量。该机构从 2024 年初开始积累大量积压，后来承认无法将其清除。

4 月 15 日，NIST 通过一项运营更新采用了基于风险的增强分析模型。它开始优先处理 CISA 已知已被利用漏洞目录中的漏洞、联邦机构使用的软件，以及根据第 14028 号行政命令界定的关键软件。

NIST 的目标是在收到已被利用漏洞目录中的漏洞后一个工作日内完成增强分析。其他已提交的 CVE 仍会进入 NVD，但低优先级记录不会安排即时增强分析。若用户认为遗漏了重要记录，可请求额外分析。

该机构还不再例行添加独立的 NIST 严重性评分，前提是 CVE 编号授权机构已提供评分。除非变更实质性影响增强分析数据，否则它也减少对已修改记录的自动重新分析。这些选择通过限制重复工作来节约分析师能力。

在新流程下，2026 年 3 月 1 日前发布的积压记录被归入“未安排”类别。这一改变并未删除其 CVE 标识符，但它确实承认，对所有记录提供 NIST 增强分析已不再是可持续的承诺。

这次收缩为 8 月的 RFI 创造了条件。NIST 需要一种能够吸收分布式数据、而非在内部重复每一项分析的架构。它还必须区分可信的机器可读贡献，与不完整、相互冲突或偏向供应商的信息。

该机构已朝这一方向迈进。6 月 17 日，NVD 通过一名获 CISA 授权的发布方新增了利益相关方特定漏洞分类（Stakeholder-Specific Vulnerability Categorization，SSVC）数据。SSVC 可帮助决策者基于静态技术严重性评分之外的因素确定漏洞优先级。

同一次部署还增加了来自 CVE 记录格式的结构化“受影响”产品信息。根据NVD 部署更新，该模式变更影响了约 95% 的现有漏洞，同时也生成了更大的数据源和应用程序编程接口响应。

这一更新为现代化路径提供了一个小型预览。NVD 可以汇集其他获授权参与者的决策和受影响产品数据，而不必自行生成每个字段。但汇集也会将更多责任转移给通用模式、贡献者质量和来源追踪。

AI 从两个方向加大了压力。防御系统可以更快发现漏洞、归并重复项、提出严重性评估并起草修复方案。进攻方也可以利用类似能力发现可利用弱点，并扩大利用后的工作规模。

RFI 并未声称仅由 AI 导致了提交量激增。NIST 指出了多种因素，包括更快的开发周期、不一致的数据质量，以及对机器可读情报不断上升的需求。AI 辅助发现和利用则为既有负荷带来进一步加速。

因此，最有用的解读是运营层面的，而非宣传层面的。NIST 需要一套为持续机器活动而设计的漏洞系统，因为周期性、人工增强分析的模式已经达到能力上限。

核心权衡是机器速度与公众信任

只有当每一项自动化判断都保持可追溯、可质疑，并且足够安全以支持下游安全决策时，AI 辅助 NVD 才能成功。

漏洞管理传统上包含数种不同判断。分析师识别缺陷、验证缺陷、协调披露、描述受影响产品、评估严重性，并将结果与修复关联。自动化其中一项判断，并不会自动解决其他问题。

产品识别说明了这一难点。供应商公告对产品的称呼可能不同于资产清单系统或标准产品词典。AI 系统可以建议匹配，但错误匹配可能掩盖风险暴露，或造成代价高昂的误报。

优先级排序同样高度依赖上下文。一个技术上严重的漏洞在某一环境中可能无法触达，在另一环境中却可能立即构成危险。因此，NIST 询问准确的生产决策需要哪些组织和系统上下文。

KEV 目录通过识别已有利用证据的漏洞，提供了一项有价值的信号。它并不代表所有重要漏洞，且 NIST 公开承认，其当前标准可能遗漏高影响案例。

AI 可以帮助从供应商公告、资产清单、利用证据、漏洞披露计划和威胁情报中汇集更广泛的上下文。然而，所得建议必须说明其输入和不确定性。否则，用户得到的将是无法质疑的黑箱答案。

透明度同样影响偏差。基于文档充分的产品训练的模型，可能比评估小型供应商或资源不足的开源项目时表现更好。文档稀缺可能使一个严重缺陷显得不那么确定，即使其实际风险很高。

NIST 关于人工审查的问题直接针对这一问题。一个实用系统可以自动完成常规规范化，并将模糊案例留给分析师处理。模型不会取代审查，但可以将有限的专业能力引导至证据相互冲突的记录。

这种方法仍需要可衡量的表现。回应者必须帮助定义未来五年现代化工作的有用指标。处理速度固然重要，但纠正率、覆盖范围、贡献者多样性、可复现性和下游实用性也同样重要。

一条更快但频繁产生产品匹配错误的流水线，只会转移工作而非消除工作。安全团队会花更少时间等待增强分析，却要花更多时间验证不可靠的输出。NVD 的公共价值在于降低这种不确定性。

自动化修复再次提高了标准。AI 可以提出代码变更、配置更新或补偿性控制措施，但部署取决于本地环境。在测试中成功的修复，可能会破坏集成、削弱另一项控制措施，或改变预期行为。

因此，NIST 询问了如何防范 AI 生成的错误修复方案。这类控制措施可包括测试、分阶段部署、回滚机制、审批门槛、溯源记录以及发布后的监控。RFI 将具体组合留待利益相关方提出意见。

这个故事中的主要对立并非 NIST 与某家商业安全厂商之间的对抗，而是持续自动化的承诺与安全决策仍具情境性、且后果重大的现实之间的冲突。任何忽视这一矛盾的架构，都将难以赢得信任。

这正是此次征询值得获得更多关注的原因，远不止 Google News 的简短摘要所能呈现。NIST 实际上是在请安全社区为机器辅助的漏洞管理设计一条证据链。速度只是这条链中的一项要求。

更互联的 NVD 将给安全厂商和企业带来压力

现代化将责任向外转移，因为 NIST 无法通过一个中央数据库，为每个组织提供完整、与其环境相关的风险背景。

NVD 支撑着庞大的生态系统，包括扫描器、合规系统、软件成分分析工具、安全运营平台以及内部工程流程。一些产品直接摄取其数据，另一些则将 NVD 信息与专有研究和客户遥测数据结合使用。

选择性丰富数据会扩大这些方法之间的差异。主要依赖 NIST 新增元数据的工具，可能会在低优先级记录中遇到缺失的评分或产品映射。拥有独立研究能力的提供商能够填补部分空白，但客户仍须评估这一过程。

商业厂商有动力将专有情报描述为答案。这些数据确实可能提供实际价值，但也带来了透明度、可移植性和覆盖范围方面的问题。NIST 的公共基础设施仍然重要，因为它提供了一个广泛可访问的参考点。

RFI 询问 NVD 应如何与厂商公告、披露计划、威胁情报提供商、资产平台、安全工具和修复工作流程集成。这一措辞表明其方向是联邦式的。NIST 似乎有意连接可信贡献，而不是将每项分析任务都集中化。

联邦式架构可通过将工作分配给最接近证据的组织来提升规模。厂商了解自己的产品，研究人员了解发现成果，企业了解已部署资产。NVD 可以标准化这些参与方交换信息的方式。

不过，分布式贡献也会带来治理问题。厂商可能淡化自身漏洞的严重性，而研究人员可能缺乏完整的产品信息。相互冲突的评分和受影响版本声明，需要可见的溯源信息与纠正机制。

安全团队还需要保留本地决策。企业不能假设国家级优先级排序与自身暴露情况一致。互联网可达性、权限、数据敏感性、补偿性控制措施和业务关键性，都会改变合适的应对方式。

这使得资产清单成为情境化优先级排序的前提。若组织不知道自己运行哪些软件和版本，就无法判断一个漏洞是否重要。NIST 明确询问了在自动化修复前所需的发现和资产盘点等依赖条件。

开发人员也面临类似负担。更快的漏洞发现可能增加团队必须评估、测试和部署的补丁数量。更好的信息固然有帮助，但在数据丰富速度加快后，修复能力可能成为下一个瓶颈。

开源维护者面临的压力尤其突出，因为被广泛使用的组件往往依赖小型团队。机器生成的报告可能增加披露量，却无法提供可靠的复现步骤或修复方案。现代系统必须防止低质量自动化提交压垮维护者。

NVD 只是联邦应对措施的一部分。7 月的报道提到，由财政部牵头的 Gold Eagle 信息交换平台，用于分享与 AI 相关的网络威胁。卡内基梅隆大学的软件工程研究所也运营着 VINCE，这是一个用于漏洞报告与协调的平台。

这些计划如何互动仍不明确。NVD 专注于标准化的公开漏洞数据，而协调平台可以管理研究人员与厂商之间的披露流程。信息交换平台则可增加威胁共享和优先级排序功能。

重叠的项目可以提供有益的专业分工，但也可能导致重复提交和不一致的记录。NIST 关于互操作性的提问，应促使回应者说明标识符、证据、状态变化和修正如何在这些系统之间流转。

企业不应等到最终架构确定后才审视依赖关系。它们应识别哪些 NVD 字段驱动扫描器、工单规则、合规报告和服务级别目标。缺失的数据丰富信息会以不同方式影响每个工作流程。

团队还应保留自动化决策背后的来源和时间戳。如果一条记录发生变化，分析人员需要知道此前哪些数据触发了补丁或例外处理。随着更多系统贡献机器生成的上下文，这条审计轨迹将变得至关重要。

因此，现代化进程对采购方施加的压力不亚于对厂商的压力。采购方必须询问漏洞情报源自何处、冲突如何解决，以及自动化建议是否展示支持性证据。一个精致的风险评分并不够。

Google News 读者接下来应关注什么

三个信号将表明 NVD 改造会成为持久基础设施，还是停留在缺乏足够运营支持的雄心勃勃征询阶段。

第一个信号是意见征集期结束后的公开案卷。来自安全厂商、开源基金会、研究人员、联邦机构和企业运营者的提交内容，应能显示共享架构是否可行。就人工审核边界达成广泛共识，将强化 NIST 的方向。

分歧同样具有参考价值。厂商可能倾向于从专有来源自动摄取数据，而公共利益参与者可能优先考虑开放标准和透明证据。NIST 必须协调这些激励机制，同时避免让公共数据库依赖封闭系统。

第二个信号是具体的现代化路线图。RFI 询问未来五年的能力需求，但并未承诺交付日期、人员配置水平或技术里程碑。可信的计划需要分阶段发布、绩效指标、治理规则和明确的责任归属。

尽管当前通知未对此作出定义，资金也应纳入路线图。自动化需要模型评估、基础设施、安全测试、标准化工作和持续的人类监督。它不会消除对熟练分析人员的需求。

第三个信号是在 4 月优先级模型下的运营表现。NIST 应证明，已被利用的漏洞能够实现其一个工作日内完成数据丰富的目标，同时低优先级记录仍保持可见且可请求。除吞吐量外，纠正率和缺失元数据同样重要。

6 月的 SSVC 部署构成另一项测试。使用者必须能够成功摄取更大的记录、理解新字段，并保持与现有工作流程的兼容性。运营摩擦将暴露在庞大下游生态中扩展模式的成本。

未来版本应使自动化溯源信息易于检查。用户需要能够区分厂商提供的评分、CISA 评估、NIST 分析和 AI 生成的建议。这些差异应在数据馈送、应用程序编程接口和商业集成中得到保留。

在任何重大 AI 部署之前，应关注已发布的评估方法。NIST 应解释其如何测试分类准确性、产品匹配、优先级排序和修复建议。高风险功能应采用更严格的门槛，并接受更多人工监督。

还应关注该机构如何处理分歧。一个值得信赖的系统需要纠正渠道、版本历史和申诉程序，以处理贡献者对受影响产品或严重性提出的争议。没有可争议性的自动化，会以机器速度放大并集中错误。

更广泛的漏洞生态系统也会提供自身的证据。安全厂商可能增加溯源视图、独立数据丰富能力或情境化评分。开源项目可能采用结构化报告格式，以减少人工受理工作。

企业现在就可以通过梳理数据依赖关系做好准备。记录哪些系统使用 NVD 记录、哪些字段触发行动，以及分析人员在何处添加本地上下文。应将缺失的数据丰富信息视为一种明确状态，而非低风险信号。

当 NIST 发布下一项公告时，Google News 的报道会迅速推进。更重要的工作发生在标题之间，存在于标准讨论、公开意见、数据管道和安全运营团队内部。

依赖 NVD 的组织应阅读 RFI，并考虑提交来自真实工作流程的证据。哪些自动化决策能节省时间，当前记录在哪些地方失效，以及哪些判断仍需要可问责的人类审核？这些答案将决定 NIST 建立的是一个更快的数据库，还是一个更可信赖的漏洞系统。