7 月 6 日，Anthropic 发布加拿大阿尔伯塔省（Alberta）的案例：省政府自 2025 年起使用 Claude Code 扫描代码、发现并修复系统安全漏洞。就在五天前，Sysdig 披露了 JADEPUFFER 勒索攻击，判断其多项技术步骤由 LLM Agent 自动执行，但人类仍参与选择目标、提供凭据与基础设施。两件事分别展示了 AI 在防御和攻击中的用途。
更早的 6 月 22 日，五眼联盟网络安全机构曾警告，前沿模型可能在数月内改变网络攻防能力。在这一背景下，阿尔伯塔省的部署提供了一个政府使用 AI 加强防御的实例：先大规模检查旧代码，再由工程师核实问题和批准修复。
约 50 个 Agent 并行扫描，工程师验证修复
据该省介绍，Alberta 省技术与创新部（MITI）维护着全省 27 个部委的系统——从社会服务、公共安全到野火应急响应，包括约 1,280 个应用程序和 3,400 个代码仓库。大部分系统从未经历过系统性安全审查，累积的技术债务估计达数十亿美元。
MITI 的解决方案是将 Claude Code 投入工作。约 50 个 AI 代理并行运行，使用 Claude Opus 和 Sonnet 模型，在 20 小时内扫描了 4.66 亿行代码。该部门估计，人工完成同等规模的审查需要约 6.5 年。
据案例介绍，扫描采用两阶段流程：首先由规则引擎标记已知漏洞模式，然后 Claude Code 逐一审查标记结果，精确定位到文件和行号供开发人员验证。Anthropic 称该方案发现了传统自动化扫描工具遗漏的漏洞。
找到漏洞之后，Claude Code 还能生成修复方案、编写测试、甚至重建遗留系统。一个大约 25 年前用 Java 手工编码的补贴项目门户，在 Claude 辅助下仅用 4 到 5 天就完成了重建——最初开发花了五个月。案例也说明，修复上线前均由省政府工程师审查和批准。
"Albertans trust their government with some of the most sensitive information in their lives, and it is our responsibility to protect it," Alberta 技术与创新部长 Nate Glubish 在 Anthropic 博客中表示。"By using AI to find and fix vulnerabilities across our systems, we accomplished in hours what would have taken a traditional approach years to complete."
红队寻找漏洞，蓝队提出修补方案
Alberta 的部署并非一次性扫描。该省网络安全团队基于 Claude Agent SDK 构建了一套持续安全审查的专用代理系统，灵感来自军事和企业安全测试中的红蓝对抗框架。
"红队"代理从外部探测应用程序，模拟攻击者的行为路径，绘制漏洞被利用的可能方式。"蓝队"代理评估应用程序对国际安全标准的合规性，并编写指向具体修复文件的补救计划。每次检查覆盖约 95 项安全控制。其他代理负责审查代码质量和面向公众的内容。
据部长介绍，这套流程会反复运行：红队探测、蓝队提出修补，再由红队复测，直到代理找不到新的侵入路径。这是测试的停止条件，不等于系统已不存在漏洞。Glubish 在他个人的 Substack 上写道："These AI tools aren't replacing our security teams. They're giving our people superpowers."
Alberta 省同时通过 Alberta AI Academy 培训政府雇员和公众。数千名政府雇员和超过 10,000 名公众已在该平台学习 AI 应用基础知识。该省还发布了名为"Velocity White Papers"的技术白皮书，供其他政府借鉴其经验，并将在 7 月于 Edmonton 举办行业日活动分享实践成果。
勒索攻击案例显示，自动化也在帮助攻击者
这份政府案例发布时，AI 辅助攻击的进展也受到关注。
6 月 22 日，五眼联盟（美国、英国、加拿大、澳大利亚、新西兰）的网络安全机构发布了一份罕见的联合声明，警告"前沿 AI 模型预计将超越当前行业预期，从根本上转变进攻和防御网络能力。时间线不是以年计，而是以月计。"
不到两周后，7 月 1 日，Sysdig 威胁研究团队披露了 JADEPUFFER：一场被研究团队判断为由 LLM Agent 串联技术步骤的勒索行动。该 AI 代理通过 CVE-2025-3248 漏洞入侵 Langflow 实例，自行枚举环境、发现凭证、内网横向移动，最终加密了 1,342 个 Nacos 服务配置项并删除原始数据。从一次失败登录到发出修正后的载荷，相隔 31 秒；这一时长并非整场攻击的耗时。
Anthropic 在 JADEPUFFER 披露后的第 5 天发布 Alberta 案例，为关于 AI 网络风险的讨论补充了防御侧的实践。攻击报告尚未确认所用模型，两起事件之间也没有已证实的直接联系。它们共同提出的问题是：自动化加快攻击执行后，防御团队能否更快地把发现的问题修好。
加拿大政府的采购选择，也涉及本土供应商
Alberta 的部署展示了 Anthropic 在美国以外的政府客户实践。公司此前与 Mozilla 合作检查 Firefox，也开展了 Project Glasswing 及 Patch the Planet 等安全项目。这些工作覆盖开源软件、行业合作和安全研究；政府客户的实际部署，还要进一步处理公共系统维护与采购要求。
美国政府 6 月曾限制外国公民访问 Fable 和 Mythos，使盟国使用前沿模型的问题受到关注。Alberta 使用的是案例中所述的 Claude Opus、Sonnet 与 Claude Code，不能据此推断它获得了受限模型，也不能用这次部署替代对其他模型的安全评估。
值得注意的是，The Logic 的报道同时指出，加拿大联邦政府和魁北克省政府选择了加拿大本土创业公司 Cohere 作为其 AI 工具供应商。这意味着 Anthropic 在加拿大政府市场面对的还有本土供应商竞争；不同政府的采购决定，也不能只用技术表现解释。
发现漏洞更快，不代表防御优势会一直存在
Glubish 在 3 月的 Substack 文章中提醒，当前防御优势未必持久。他引用 Anthropic 红队的一项研究：Claude 在数百次漏洞利用尝试中只成功两次；另一项研究则在广泛使用的开源软件中发现了 500 多个此前未知的高危漏洞，其中一些已潜伏数十年。这是不同任务中的结果，不能直接换算成统一的攻防成功率。
"Finding vulnerabilities is now cheap and fast with AI. Exploiting them is still hard and expensive," Glubish 写道。"That gives defenders like us a massive advantage right now. But this advantage won't last."
Alberta 案例尚未回答，扫描效率的提高能在多大程度上转化为长期防御效果。JADEPUFFER 显示 AI 辅助的漏洞利用已经进入实际攻击，安全团队需要同时关注新漏洞发现、修补和攻击执行的速度。
Alberta 提供了可供参考的部署经验，尚不能证明防御者会始终领先。Glubish 估计，一到两年后，发现漏洞比利用漏洞更容易所带来的优势可能缩小。这是他的预判，两种成本会以何种速度变化，仍需继续观察。
计划将 185 个旧应用整合为 16 个可复用应用
Alberta 的计划不止于扫描和修补。该省计划将一个部委的 185 个遗留应用程序整合为 16 个用现代语言和规范构建的可重用应用，将 AI 现代化工作扩展到全省政府。Anthropic 表示将继续与 Alberta 合作扩展这项工作，并希望其案例能为其他政府提供蓝图。
对 Anthropic 而言，这个案例展示了 Claude Code 除代码生成以外的用途：安全审查、修补验证与旧系统改造。它拓展了面向政府客户的应用场景，也使公司在与 Cursor、GitHub Copilot 等工具竞争时有了具体的部署案例。政府市场能带来多大的业务增量，仍要看后续采用规模和持续效果。
Glubish 在文中写道："The easy path would be to keep doing security the way we always have. Manual audits. Periodic testing. Hope for the best. That's what most governments are still doing." 其他政府若要借鉴，除了扫描规模，还需评估工程师审核、修补上线与持续复测能否形成稳定流程。
