對於許多工程師來說，安全掃描通常意味著在 CI/CD 流程中跑一次工具，然後面對數百個警告，其中大部分可能是誤報，或者雖然是漏洞但實際上在生產環境中根本無法被觸發。這種傳統的靜態分析方式讓開發者感到疲憊，也讓安全團隊難以定義優先順序。
為了改變這個現狀，AWS 推出了 AWS Continuum。這是一個整合式的安全平台，其核心在於引入了 Agentic AI（代理化人工智慧）的概念。所謂的 Agentic，是指 AI 不再僅僅是一個問答對話框，而是一個能夠理解目標、自主規劃步驟、操作工具並驗證結果的代理人。AWS Continuum 的目標是將漏洞的發現、強制執行與修復過程全面自動化。
AWS Continuum 涵蓋了漏洞生命週期的四個核心能力，旨在將安全檢查從單點的工具轉變為持續的流程。
首先是滲透測試（Penetration Testing）與程式碼審查（Code Review）。這兩項功能允許團隊在需求觸發或 CI/CD 流程中自動執行。不同於傳統的掃描，它能更深入地檢查原始碼是否符合公司內部的安全標準。
其次是威脅建模（Threat Modelling）。這對 Junior 工程師來說可能較為陌生，威脅建模是指在開發初期分析系統架構，預判攻擊者可能如何入侵。Continuum 會產出系統行為概覽，並根據 STRIDE 模型（一種將威脅分為竄改、否認、資訊洩漏、權限提升、服務拒絕及偽裝的分類法）來標記威脅等級，並提供具體的改進建議。
最後是程式碼漏洞管理（Code Vulnerabilities）。這是 Continuum 最強大的部分，它能整合企業內部的結構化數據（如基礎設施配置、權限設定、網路拓撲）與非結構化數據（如公司文件、溝通紀錄），來判斷漏洞的真實風險。
在漏洞管理上，Continuum 採取了四個連續階段：發現、優先級排序、驗證與修復。
在發現階段，它會掃描整個環境並建立攻擊路徑圖。值得注意的是，AWS 採用了模型不可知論（Model-agnostic）的設計原則，這意味著底層的 AI 模型可以隨時更換為最新、最強的版本，而不需要重構整個服務。
在優先級排序與驗證階段，Continuum 試圖解決誤報（False Positives）的問題。它會分析該漏洞所在的元件是否真的已部署，且在網路路徑上是否可被觸及。最關鍵的是，它會在沙箱環境中嘗試構建真實的漏洞利用範例（Exploit），如果能成功證明漏洞可被觸發，才會將其標記為高優先級。
最後在修復階段，AI 會建議具體的修正方案，例如修改網路策略或提供程式碼補丁。為了降低風險，它還會分析變更的爆炸半徑（Blast Radius），即這次修改可能會影響到哪些其他模組，並提供回滾策略。
為了讓企業放心，AWS 引入了分級信任模型（Graduated Trust Model）。企業可以根據風險配置文件，決定給予 AI 多少自主權。例如，某些低風險的修復可以由 AI 自動執行，而高風險的變更則必須經過人工審核。
然而，這項產品在市場定位上引起了一些爭議。由於 AWS 先前推出了 AWS Security Agent，而後將其功能併入 Continuum 並重新命名，導致目前市面上同時存在兩套名稱相似但功能重疊的產品頁面，讓使用者在選擇時感到困惑。
從產業大趨勢來看，AWS 走的是深度整合生態系的路徑。相比之下，Google 的 AI Threat Defense 傾向於跨雲平台（Cloud-agnostic）的策略，而 Microsoft 的 MDASH 則採取類似 AWS 的整合模式。
總結來說，AWS Continuum 代表了安全工程的轉型：從單純的漏洞偵測，演進為能夠理解業務脈絡、驗證可觸發性並提供修復方案的 AI 代理人。對於開發者而言，這意味著未來我們面對的將不再是冗長的錯誤清單，而是經過驗證且可直接執行的修復建議。
來源：infoq.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。