一次漏洞，一场雪崩，我们能听出互联网崩塌前的哨声吗？

导语

1024，是计算机世界里熟悉的数字，也让10月24日成为属于程序员的节日。代码将无数设备与服务连接起来，支撑着日常生活，也让一个底层漏洞有可能沿依赖链扩散，引发连锁故障。当AI加速漏洞的发现与利用，我们该如何守护这个高度互联的世界？本文从网络安全事件出发，借助级联失效、相依网络与临界点预警等复杂系统理论，并结合张江新书《涌现：从简单规则到复杂世界》中的“涌现控制”，探讨如何通过增加多样性、降低耦合与识别关键干预点，提升网络的整体韧性。

关键词：网络安全、级联失效、相依网络、临界点预警、系统韧性、涌现控制

JK&WorkBuddy丨作者

张江、张倩、赵思怡丨审核

2026 年 10 月，互联网经历了不太平静的一周。一个藏在编程语言最底层的老漏洞，让好几个国家的政府抢在黑客之前把自己的网站关了；一家印度证书机构被发现，它保护全球网络通信的“私钥”居然是数字 4。

这两件事本身很技术，但把它们连起来看，会看到一个更大的问题：我们花了数十年搭建起来的这个网络，是否已经悄悄走到了一个临界点？而如果它真要崩溃，我们能不能提前听出这微弱的哨声？

这篇文章想做的，是把网络安全这件“工程师的事”，翻译成复杂系统科学里一个被研究了近四十年的老问题：级联失效与临界点。

一、黑色十月：两条新闻同时指向一个信号

一个藏在引擎里十四年的漏洞

10 月 21 日，PHP 官方发布了一次紧急安全更新，修补两个被称为 PHP2Shell 的漏洞（CVE-2026-109618 / 619），官方给出的危险程度评分是 9.2 分（满分 10 分）[S1]。

这里的关键词是“底层”。这两个漏洞不在某个网站、某个插件或者某段业务代码里，而在 PHP 这门语言解释器自身的内存管理中[S1]。这意味着：不管你的代码写得多漂亮，只要你的服务器在跑受影响版本的 PHP，就可能被一个不需要登录的普通网络请求直接接管。相关的问题代码甚至可以一路追溯到 2012 年发布的 PHP 5.4[S2]。

PHP 有多普及？按照 W3Techs 的统计，在能识别出服务端语言的网站里，约七成跑在 PHP 上[S3]。

其实更麻烦的是补丁本身。修复版本是 8.5.12、8.4.27、8.3.36 和 8.2.35，而官方同时明确了一句话：PHP 8.1 及更早的版本不再获得官方更新[S1]。按 W3Techs 的版本分布推算，接近一半的 PHP 站点跑在拿不到官方补丁的版本上[S3]。

于是出现了极为罕见的一幕：补丁还没到位，多国政府先关站了。据路透社和德新社的报道，荷兰（包括全国数字身份系统 DigiD）、芬兰、法国、丹麦、德国、日本等国的部分政府与公共网站预防性下线[S4]；维基媒体基金会、任天堂、柏林夏里特医院也部分停服[S5]。

令人匪夷所思的是，它们并不是被黑了，而是在补丁落地前自己抢着拔了网线。

一把“等于 4”的私钥

同一周，印度数字证书机构 eMudhra 爆出了一件更荒诞的事。

我们在浏览器地址栏看到的那把小锁，背后是一套“证书—私钥”的信任机制。私钥必须是一个极其巨大的随机数，大到全世界的计算机一起猜也猜不出来。

而 eMudhra 有八张中间证书的私钥，实际取值是：4、56、66、115、155、156、230、237。全部是小于 256 的整数。本该是一个 384 位随机数的东西，退化成了一个字节。

安全研究员 Scott Helme 在自己笔记本电脑上从公开证书反推，不到一秒就恢复了全部八把密钥[S6]；他还提到，事后一个 AI 智能体用一条提示词就重复了这件事[S7]。

这不是黑客偷走了密钥，是密钥从来就不保密。任何人都能从公开证书把它算出来，然后伪造出任何网站的证书。根本原因是 2025 年 4 月一次密钥生成仪式里的脚本缺陷，它在真实网络中存活了约十八个月，通过了两次独立审计；事后复盘还发现，早在 2025 年 5 月公司内部就出现过“签名验证失败”的异常，它被错过了十七个月[S8]。这家公司已于 10 月 22 日宣布退出全球证书业务，股价两日跌约四成[S7]。

真正改变事件性质的：AI

这次最值得推敲的，不是漏洞本身，而是它是怎么被发现的，以及披露是怎么失控的。

据 PHP 基金会的复盘[S9]，这个问题的苗头早在 2024 年的一次外部安全审计中就被核心开发者注意到了，但因为团队对修复方案争执不下、也没人证明它真的可以被利用，修复就一直搁着。

直到 2026 年 8 月，安全公司 Calif 的研究员 Ryan Austin 借助 AI 辅助审计 PHP 源码，报告了一条可以无条件远程执行代码的攻击链；几乎同时，Wiz Research 独立发现了同样的漏洞，并在 Drupal 和 WordPress 上验证了攻击。Wiz 的说法是：一名研究员用大约一周时间，完成了过去需要一支世界级团队数月才能完成的工作。

然后披露过程彻底失控[S9]。原定 10 月 22 日的协同发布，因为 10 月 20 日两个漏洞编号在论坛上泄露而被迫提前一天；一家容器厂商发布了已修补的镜像，比官方时间早了六个小时以上，这等于把新旧代码摆在一起让攻击者做对比，直接把漏洞位置标了出来；而亚马逊的蜜罐早在 10 月 17 日就记录到了利用了这个尝试，比公开披露早了整整四天[S9]。

三个比“又出了个大漏洞”严重得多的信号

把上面的事实抽象一下，会看到三条结构性的信号：

1. 同质化：约七成网站跑在同一套解释器内核上。一个内核缺陷，爆炸半径覆盖大半个互联网。

2. 相依性：解释器、应用、容器镜像、发布流水线、证书体系、AI 工具链彼此咬合，故障可以跨层传播。

3. 时间尺度失配：AI 把“发现并利用一个漏洞”压缩到天甚至小时级，而人类“测试—协调—发布—升级”的节奏还停在周乃至月级。

这三条恰好对应复杂系统研究中三个成熟的方向：网络上的级联失效、相依网络的相变，以及临界点的早期预警。下面逐一展开。

二、一个漏洞，怎么会变成一场雪崩

“级联失效”指的就是：一个小小的初始故障，通过系统内部的耦合，引发一连串后续故障，最后造成远大于初始扰动的后果。对这个过程的建模，大约经历了四代。

第一代：结构。2000 年，Albert、Jeong 和 Barabási 在《自然》上给出了一个悖论式结论[1]。真实网络的连接分布极度不均，少数“枢纽”连接着海量节点。这带来一个奇怪的性质：对随机故障极度鲁棒，对蓄意攻击极度脆弱。随便破坏掉一大批普通节点，网络还好好连着；但只要按比例挑出最关键的少数节点打掉，模拟显示这部分只有大约 4%，整个网络就碎成一片孤岛。

作者强调：这种鲁棒性是自组装的结果，不是工程设计的成果，“不要指望存在一颗能修复其结构性弱点的银弹”[1]。PHP 引擎在软件依赖网络里，正是一个这样的超级枢纽。

第二代：流量。第一代只管节点连不连得上，没算节点之间的流量。Motter 和 Lai 在 2002 年补上了这一环[2]：每个节点能承受的流量有上限，一个节点失效，它原本承担的流量就要沿新路径分给别人；别人接不住，就跟着失效，引发新一轮重新分配，这就是雪崩。他们发现：只要打掉一个关键枢纽，就可能触发覆盖全网的巨型级联[2]。

这也解释了关站的另一面：下线的网站，流量不会消失，而是被推向仍在线的服务器。如果剩余服务器的余量不够，一次“集体打补丁”本身就可能演变成一场雪崩。

第三代：从众。这里还有一条支线研究节点行为的传染。Watts 在 2002 年提出了一个简洁的模型[3]：每个人心里都有一个“随大流门槛”，当周围有足够比例的邻居采取了某个行动，自己就跟着做。他的结论很有意思：全局性的行为传染既不是“扰动够大就一定会发生”，也不是“永远不会发生”，而是落在一个狭窄窗口内以一定概率发生，结果呈双峰：要么几乎没人动，要么所有人都动。

政府门户的“预防性关站”、企业的“集体改密码”，都是这种从众行为。它与故障传播叠加，效果远大于一加一。

第四代：相依网络。2010 年，Buldyrev 等人在《自然》上把问题提升到了一个新层次[4]。他们指出，现代基础设施根本不是单个网络，而是彼此咬合的相依网络。

他们的现实原型是 2003 年意大利大停电：电站停机 → 依赖供电的通信节点失效 → 通信中断又让更多电站失去控制 → 如此递归。在这个模型里，结论发生了质变：

• 孤立网络被逐步破坏时，连通性是平滑下降的，像走下坡路；

• 相依网络则是断崖式崩溃：在某个临界比例之前，系统看起来一切正常；越过那一步，整个系统瞬间归零，没有任何缓冲；

• 更反直觉的是：单个网络里，连接越不均匀越鲁棒；相依网络里，连接越不均匀越脆弱；

• 而且这种崩溃带来了滞后性，恢复远比崩溃困难。

后续研究（Parshani 等人，2010）[5]还给出了一个极其重要的工程结论：降低网络之间的耦合强度，可以把断崖式崩溃“软化”成平缓的斜坡[5]。这是本文最重要的一条处方。

至于怎么防，Pastor-Satorras 与 Vespignani 在 2002 年的研究给出了一个反直觉的答案[6]：在连接高度不均的网络里，随机地、无差别地打补丁几乎无效，你必须按重要性排序，优先处理枢纽。Cohen 等人在 2003 年提出了一个更聪明的做法，叫“熟人免疫”[7]：随机找一个人，然后选择他随机的一位熟人进行免疫。因为枢纽和大量节点相连，被“熟人”指名命中的概率远高于普通节点，于是不需要知道全网的拓扑结构，也能高效地命中枢纽节点。

这个思路对应到网络安全上就是：与其逐台服务器无差别修补，不如优先处理依赖这个链上游的那几样东西，包括;容器基础镜像、包管理器、证书颁发机构等。

三、免疫系统给我们什么启发

“同质化放大风险”这个洞见在安全圈早有先声。2003 年，Dan Geer、Bruce Schneier 等人联署发布了一份名叫《CyberInsecurity：垄断的代价》的报告[8]，指出操作系统的近垄断地位让互联网变得系统性脆弱：同一个漏洞可以同时击穿世界上大部分计算机，唯一的出路是避免单一化。Geer 在报告发布当天就被雇主解雇，这件事本身成了行业隐喻。

二十多年后，这份清单变得更长了：三家云厂商占据商用云的绝大部分，一种浏览器内核占据绝大份额，两大移动端系统二分天下，Kubernetes、Docker、GitHub Actions 各自称霸。

物理学家 Helbing 在 2013 年的《自然》文章里把这一切上升为一般性原理[9]：强耦合系统的变化极快，可能超过人类的反应速度；一个事件引发下一个事件，产生放大与级联；极端事件的发生频率远高于我们按常识的预期。他开出的药方包括限制系统的规模与连通性、在系统中预设“断点”以阻断级联，以及，值得注意地是，借鉴免疫系统与生态系统的原则重新设计信息架构。

免疫系统这个比喻不是修辞，它是一条真实的技术路线。1994 年，Forrest 等人提出了“否定选择”算法[10]，灵感直接来自免疫细胞的成熟过程：免疫细胞随机生成受体，凡是能和“自身”蛋白结合的就被淘汰，剩下的才能上岗，它们天生就识别“非我”。

这套思路被移植到计算机上，用来检测从未见过的入侵。此后发展出三条路线：否定选择（区分自我与非我）、克隆选择（发现威胁后大量复制并优化检测器，留下“免疫记忆”）、以及免疫网络（检测器互相调节，维持动态平衡）。

中国工程院院士邬江兴提出的内生安全与拟态防御，是这条路线在中文语境下最有分量的实践[11]。他的主张是“构造决定安全”：安全不该靠一层层外挂的城墙，而应该长在系统构造里。拟态防御的灵感来自自然界的拟态，让系统内部多个功能等价的执行体动态、异构地运行，攻击者即使掌握了某个执行体的漏洞，也无法在不同时刻稳定复现攻击路径。

2019 年第二届“强网”拟态防御国际精英挑战赛上，来自十个国家的二十九支顶尖白帽战队，在主办方主动交出后门和控制权的“白盒”条件下，发起二百九十万余次攻击，无一完整突破。

这里有一个可以和第二节的相依网络理论直接对上的洞察。邬江兴自己说过的一句话[11]，几乎就是标准的复杂系统语言：把不确定的系统性风险，转化为可控概率的非系统性安全问题。换句话说，把断崖变成斜坡[5]。

值得把两种安全范式放在一起对照：

四、为什么崩塌总是“突然”发生

级联模型解释的是机制，但还有一个问题它回答不了：为什么偏偏是此刻？为什么之前一点预兆都没有？这个问题要由临界现象与相变理论来回答。

1987 年，物理学家 Per Bak、汤超和 Kurt Wiesenfeld 提出了一个影响深远的概念[12]：自组织临界性。他们的模型是一座沙堆。想象往一张桌子上慢慢撒沙子，沙堆会越来越陡；当某处的坡度超过一个阈值，就会发生一次小滑坡，而这次滑坡可能又触发更大的滑坡。

Bak 等人发现了两件关键的事。第一，沙堆会自己演化到临界状态：不需要有人精心调节参数，它就是会停在“再撒一粒沙都可能引发任何规模雪崩”的那个坡度上。第二，雪崩的规模分布服从幂律：小雪崩极多，中等雪崩有一些，大雪崩罕见但并非不可能，而且没有所谓的“典型规模”。

这套框架解释了为什么地震、森林火灾、股市波动、电网大停电的规模分布都是重尾的。对这些系统来说，大事件并不罕见。而驱动这种状态的，正是撒沙的速度远远慢于滑坡释放的速度，外部缓慢输入，内部快速释放，两者在时间尺度上分离。

把它和前面四代模型放在一起看，就能明白那种“突然”从何而来：

• 孤立网络的破坏是二阶相变，像走下坡，连通性一点点下降，有迹可循；

• 相依网络的崩溃是一阶相变[4]，像走悬崖，前面一步还在平地上，下一步就到底了，而且想爬回去比掉下来难得多。

那么，面对一个可能断崖式崩溃的系统，我们还能做什么？Gao、Barzel 和 Barabási 在 2016 年的《自然》文章中给出了一个很漂亮的答案[14]。他们的想法是：真实系统有成千上万个相互作用的部分，但我们不需要追踪全部，就像一锅水有无数个分子的运动，我们只需要一个数字：温度。

九十九度的时候警报就该响。他们的工作表明，无论网络多复杂，都可以找到少数几个真正关键的“控制参数”和“状态参数”，把整个系统的韧性坍缩到一条普适的曲线上。韧性研究的目标，就是为任意一个复杂系统找到它自己的那个“温度”。

这种脆弱性并不是互联网独有的。2011 年，英格兰银行的 Andrew Haldane 与生态学家 Robert May 在《自然》上指出[13]，金融系统和生态系统共享同一套脆弱性逻辑：危机前，金融部门相信机构之间高度连通能分散风险；但实际上各家的资产和风控模型变得越来越像，“对每一家机构单独看都最小化了风险，却最大化了整个系统崩溃的概率”。生态学早在七十年代就推翻了“越复杂越稳定”的旧信条：联系越强、差异越少，风险越大。

同一期杂志上，物理学家 Neil Johnson 提出了谨慎的批评：不要轻易从玩具模型外推到全球金融系统，“你会愿意坐一架按 747 尺寸放大的纸飞机吗？”这个批评同样适用于本文：我们用网络科学的模型谈论互联网，需要始终保持对模型边界的自觉。

五、我们能提前听出来哨声吗

现在回到那个核心问题：今天这个被 AI 加速的互联网，是否已经接近临界点？我们有没有办法判断？

临界慢化：山体开始发抖的声音

2009 年，生态学家 Marten Scheffer 等十位作者在《自然》上发表了一篇里程碑式的文章[15]，提出了一套与系统具体构成无关的通用预警信号。

其核心机制叫做临界慢化。用一个画面来理解：把系统想象成一颗停在山谷底部的球。山谷越深越窄，球被推一下之后滚回谷底就越快。而当系统接近临界点时，它所在的那个山谷会变得越来越浅、越来越平，于是同样的一脚踹过去，球要花更久的时间才能滚回原位。

这个“恢复变慢”的过程，会在时间序列上留下四类可以测量的痕迹[15]：

• 恢复变慢：前后时刻的状态越来越相似（关联性上升）；

• 波动变大：山谷变浅了，同样的一脚会踹得更远；

• 波动变得不对称：谷底的形状不再对称；

• 闪烁：系统开始在两个可能的稳定状态之间来回跳动，好像拿不定主意。

Scheffer 等人指出，这些信号出现在极其多样的系统中[15]：湖泊突然变绿、气候突变、渔业崩溃、癫痫发作、哮喘发作、金融市场的剧烈波动。

把它翻译到网络空间，我们可以设想这样一组“互联网体温计”：

• 补丁收敛时间：从漏洞公开到九成资产完成修复，这个时间是不是越来越长、越来越不稳定？

• 反复暴露程度：同一批资产是不是在连续几波漏洞里反复出现在暴露名单上？

• 关站事件的规模分布：小规模关站是常态，但如果关站事件的规模开始从“大家都差不多大”变成“偶尔出现极大的”，说明系统正在靠近临界。

• 攻防时间比：从“漏洞可被利用”到“补丁可用”的时间差，这就是撒沙速度与释放速度之比，比值越接近 1 越危险。

严谨地说，临界点预警有明确的失效边界，这四点必须讲清楚：

1. 有些崩溃根本没有预警。临界慢化只在“系统被慢慢推向临界点”时出现。如果崩溃是被一次巨大的外部冲击直接踢过去的，或是因为外部条件变化太快导致的，预警信号可能完全不存在。

2. 需要长而干净的时序数据。而网络空间有的多是离散快照，不是连续序列。

3. 假阳性。任何原因导致的波动增加，都容易被误读成“临界将近”。

4. 预警不等于可干预。知道要崩，和知道该拧哪个旋钮，是两码事。

2021 年，Bury 等人在《美国科学院院刊》上把这件事推进了一步[16]。他们的思路很聪明：无论系统多复杂，逼近临界点时它的动力学都会简化成有限的几种典型模式。他们在大约五十万个模拟模型构成的“可能临界点宇宙”上训练深度学习模型，再用生态、气候、热声学、流行病的真实数据测试，结果灵敏度和特异性都显著高于传统方法，而且还能预测即将发生的临界点属于哪一类，不只告诉你“要崩了”，还告诉你“崩完之后是会震荡还是会稳定”。

如果预警来不及：找一个最小的支点

另一条思路不是预测，而是控制。2011 年，Liu、Slotine 和 Barabási 在《自然》上研究了复杂网络的可控性问题[17]：要完全控制一个网络的动力学，最少需要在多少个节点上直接施加输入？这些节点被称为驱动节点。

其中一个结论尤其重要，而且反直觉：驱动节点倾向于避开那些显眼的枢纽[17]。真正能撬动整个系统的支点，往往藏在不起眼的边缘位置。这意味着“四两拨千斤”的那个支点，靠经验和直觉是找不到的，只能靠结构性的方法算出来。

六、AI 到底改了哪个旋钮

回到 2026 年 10 月。把前面几节的理论套到当下，会发现 AI 并没有改变网络的拓扑结构，它改变的是时间尺度。

用 Bak 的沙堆来表述最清楚[12]：

• 加沙的速度（发现并利用漏洞的速度）被提高了几个数量级，一个研究员一周，过去是一支团队几个月；

• 释放的速度（人类测试、协调、发布、升级的速度）几乎没变；

• 两者的时间尺度分离被急剧拉大，而这正是把系统推向临界的必要条件。

换句话说，AI 并没有制造新漏洞（PHP2Shell 的隐患早在 2024 年就被注意到了，AI 只是把它淬炼成了武器），AI 是把整个互联网这座沙堆的撒沙速度调快了几十倍。沙堆的临界坡度没变，但我们往上面倒沙的速度变了，于是雪崩的频率和规模分布随之改变。

那么，我们到底离临界点有多远？

诚实的答案是：现有的公开数据不足以给出定量结论。互联网没有单一的状态变量可以监测，它是多层相依网络的叠加；我们缺乏长时段、统一口径的暴露面时序数据；而一阶相变的本质决定了它可能根本没有渐进前兆。

但定性判断是可以给出的，而且四项慢变量指向同一个方向：

• 同质化程度在上升（AI 编码助手让技术栈趋同，云与开源组件集中度提高）；

• 相依性在上升（AI 工具链深度嵌入发布流水线、包管理与身份体系）；

• 攻防时间尺度比在恶化（攻击以分钟计，防御以周计）；

• 不可修复资产的存量在积累（拿不到官方补丁的 PHP 站点只是可见的一部分）。

我们可能不知道临界点的确切位置，但可以肯定地说：这些慢变量的方向都是错的，而且看不到任何能自动把它们拉回来的机制。应对也分三层：

1. 减速：限制 AI 在漏洞挖掘与武器化上的无约束自动化，重建发现、披露、修复的行业节奏。

2. 降耦：减少同质化[8]、限制系统的规模与连通性[9]、在架构中预设断点、用内生安全构造让单点失守不扩散[11]，把断崖变成斜坡[5]。

3. 换视角：从“修漏洞”转向“预判大势”[15][16]与“找准支点”[17][18]。

第三层，正是《涌现》这本书要讲的事。

七、从“修漏洞”到“预判大势”：

读《涌现》第三十章

复杂适应系统的视角

1998 年，遗传算法之父、圣塔菲研究所核心成员 John H. Holland 出版了《涌现：从混沌到有序》[19]。他提出了一个理解涌现现象的普适框架：少数简单的规则通过相互作用与连接，能生成出无法从规则本身直接预见的复杂行为。理解涌现的关键，不是把系统拆开看零件，而是理解机制与机制之间的约束和连接。

这个视角对本文至关重要。互联网的脆弱性不是任何一个人设计的，它是数百万工程师各自做出理性决策（选一个好用的语言、引一个现成的包、用一家便宜的云）之后，涌现出来的。Barabási 在 2000 年说得更直白[1]：互联网是自组装的产物，不要指望有银弹。

当问题来自涌现，解决方案就不可能来自“再多打一个补丁”。

第三十章“涌现控制”

本文梳理的这条线索，从级联失效到临界相变，从免疫算法到临界点预警，最终都汇聚到同一个问题：面对一个由简单规则涌现出来的、已经逼近临界的复杂系统，我们还能做什么？

这正是《涌现：从简单规则到复杂世界》第三十章“涌现控制”[20]试图回答的问题。

《涌现：从简单规则到复杂世界》，张江 著，人民邮电出版社（图灵原创），ISBN 9787115702708，546 页。作者为北京师范大学系统科学学院教授，集智俱乐部、集智学园创始人，主要研究领域包括因果涌现、复杂系统分析与建模、复杂网络与机器学习、社会与经济系统的规模法则等。全书分八篇，从“生命中的涌现”（随椋鸟、蚁群、黏菌）讲到“计算机程序中的涌现”“人类群体中的涌现”“走进物理世界”“揭秘涌现”“人工智能与涌现”“涌现理论的应用”。

第三十章的结构，几乎是为本文提出的困境量身定制的：

其中“基于涌现因果的涌现控制”尤其值得一提。因果涌现理论由 Erik Hoel、Larissa Albantakis 与 Giulio Tononi 于 2013 年提出[18]，用“有效信息”刻画系统的因果效应强度：如果宏观尺度（粗粒化之后）的因果效应强度反而高于微观尺度，就称系统发生了因果涌现。作者团队提出的强化版神经信息压缩器（NIS+），可以从观测数据中自动学习最优的粗粒化策略，并判断是否发生了因果涌现。

它对网络安全的启示很直接：当系统在宏观尺度上存在因果涌现时，在微观尺度上逐个打补丁是低效甚至无效的，真正有效的干预必须在宏观尺度上进行。这正对应从“给无数台主机打补丁”到“改变整个依赖结构的生成规则”的思路跃迁。

而“找到那只小蝴蝶”与“四两拨千斤”[20]，则为预警提供了落点：预警的终极目的不是“知道要崩”，而是知道该在哪一个点上、用多小的力、往哪个方向推。前面说过，驱动节点往往避开显眼的枢纽[17]，蝴蝶常常藏在最不起眼的地方，靠直觉找不到，只能靠结构性的方法算出来。

最后一句

2026 年 10 月这一周之所以重要，不是因为出了一个 9.2 分的漏洞，这样的漏洞每年都有，而是因为它同时暴露了三件事：我们的地基有多同质，我们的系统有多相依，以及我们的反应有多慢。

沙堆模型[12]告诉我们，一旦系统自组织到临界状态，一粒沙子会引发多大规模的雪崩就是不确定的，可能是零，也可能是整座山。我们无法保证永远不崩，但有三件事是确定的：少倒一点沙，把沙堆切成几座小山，以及学会辨认山体开始发抖的声音。

而“如何辨认山体发抖的声音，以及如何在它崩塌之前用最小的力把它推回稳定态”，正是《涌现：从简单规则到复杂世界》第三十章“涌现控制”要讲的故事。

参考文献&事件信息源

参考文献（20 篇，文中以 [1]–[20] 标注）

1. Albert, R., Jeong, H., & Barabási, A.-L. (2000). Error and attack tolerance of complex networks. *Nature*, 406, 378–382.

2. Motter, A. E., & Lai, Y.-C. (2002). Cascade-based attacks on complex networks. *Physical Review E*, 66, 065102.

3. Watts, D. J. (2002). A simple model of global cascades on random networks. *PNAS*, 99, 5766–5771.

4. Buldyrev, S. V., Parshani, R., Paul, G., Stanley, H. E., & Havlin, S. (2010). Catastrophic cascade of failures in interdependent networks. *Nature*, 464, 1025–1028.

5. Parshani, R., Buldyrev, S. V., & Havlin, S. (2010). Interdependent networks: Reducing the coupling strength leads to a change from a first to second order percolation transition. *Physical Review Letters*, 105, 048701.

6. Pastor-Satorras, R., & Vespignani, A. (2002). Immunization of complex networks. *Physical Review E*, 65, 036104.

7. Cohen, R., Havlin, S., & ben-Avraham, D. (2003). Efficient immunization strategies for computer networks and populations. *Physical Review Letters*, 91, 247901.

8. Geer, D., Schneier, B., Bace, R., Gutmann, P., et al. (2003). *CyberInsecurity: The Cost of Monopoly*. Computer & Communications Industry Association.

9. Helbing, D. (2013). Globally networked risks and how to respond. *Nature*, 497, 51–59.

10. Forrest, S., Perelson, A. S., Allen, L., & Cherukuri, R. (1994). Self-nonself discrimination in a computer. *IEEE Symposium on Research in Security and Privacy*.

11. 中央网络安全和信息化委员会办公室（2019-05-24）《我拟态防御网络挡住”白帽黑客”290 万次攻击》：邬江兴院士 2008 年提出的网络空间拟态防御理论，及第二届”强网”拟态防御国际精英挑战赛（10 国 29 支战队、290 万余次攻击、白盒条件下无一完整突破）。

12. Bak, P., Tang, C., & Wiesenfeld, K. (1987). Self-organized criticality: An explanation of 1/f noise. *Physical Review Letters*, 59, 381–384.

13. Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. *Nature*, 469, 351–355.

14. Gao, J., Barzel, B., & Barabási, A.-L. (2016). Universal resilience patterns in complex networks. *Nature*, 530, 307–312.

15. Scheffer, M., et al. (2009). Early-warning signals for critical transitions. *Nature*, 461, 53–59.

16. Bury, T. M., Sujith, R. I., Pavithran, I., Scheffer, M., Lenton, T. M., Anand, M., & Bauch, C. T. (2021). Deep learning for early warning signals of tipping points. *PNAS*, 118, e2106140118.

17. Liu, Y.-Y., Slotine, J.-J., & Barabási, A.-L. (2011). Controllability of complex networks. *Nature*, 473, 167–173.

18. Hoel, E. P., Albantakis, L., & Tononi, G. (2013). Quantifying causal emergence shows that macro can beat micro. *PNAS*, 110, 19790–19795.

19. Holland, J. H. (1998). *Emergence: From Chaos to Order*. Oxford University Press.（中译本《涌现》，陈禹、方美琪译）

20. 张江（2026）《涌现：从简单规则到复杂世界》，人民邮电出版社（图灵原创），ISBN 9787115702708，546 页。第三十章”涌现控制”。

事件信息源（新闻与公告，非学术文献，文中以 [S1]–[S9] 标注）

• [S1]PHP 官方安全公告（2026-10-21）：CVE-2026-109618 / 619，CVSS v4.0 评分 9.2，修复版本 8.5.12 / 8.4.27 / 8.3.36 / 8.2.35，8.1 及更早不再更新。 -10-21-5>

• [S2]国家网络安全通报中心预警（2026-10-22，经澎湃新闻转载）：漏洞位于 PHP 核心层，可追溯至旧版本。

• [S3]W3Techs 服务端语言统计：PHP 约七成；PHP 8 占 63.4%、PHP 7 占 28.6%、PHP 5 占 7.9%。

• [S4]heise online（2026-10-22，转引路透社与 dpa）：丹麦、芬兰、法国、荷兰等多国政府网站预防性下线。

• [S5]极客公园（2026-10-22）：关站具体名单（荷兰 DigiD、鹿特丹港、法国内政部、比利时外交部、维基媒体基金会、任天堂等）。

• [S6]Scott Helme（2026-10）《Eight Bits of Trust》：八把私钥为 4、56、66、115、155、156、230、237，笔记本不到一秒恢复。

• [S7]CyberScoop：eMudhra 于 2026-10-22 退出全球 TLS 业务，股价两日跌约 40%；AI 智能体一条提示词即可复现破解。

• [S8]Cyber Kendra（2026-10）：2025-04-30 密钥生成仪式缺陷、暴露十八个月、2025-05 吊销列表签名异常被内部错过。

• [S9]dev.to（2026-10，汇编 PHP 基金会与 Wiz 时间线）：2024 年外部审计已注意到苗头、2026-08 两家独立发现、一周 vs 数月、10-20 编号泄露与容器厂商提前发布镜像、亚马逊蜜罐 10-17 即记录到利用尝试。

可上下滑动查看

本文为科普性文献综述，旨在建立”网络安全事件”与”复杂适应系统理论”之间的概念桥梁。文中对事件事实的转述以所列信息源为准；对理论模型的阐述力求忠于原始文献，但为通俗性做了大量简化，深入研究者请直接查阅原始论文。

因果涌现第七季——从理论到应用

在神经系统中意识的生成、城市交通的拥堵演化、全球产业系统的协同与失稳之中，始终潜藏着一条贯穿微观与宏观的因果脉络：个体行为本身或许简单，却能在尺度跃迁中孕育出高度组织化、难以还原的整体结构。复杂现象并非微观规则的线性叠加，而是源于多尺度动力学作用下逐步形成的因果组织。正是在这一背景下，因果涌现理论被提出，并在因果涌现 2.0、工程化涌现以及多尺度因果抽象等工作中推进，逐渐发展出一套融合动力学分析、信息论度量以及谱方法与人工智能工具的研究框架，从而将研究重心从“复杂性本身”转向“因果结构如何出现、如何被度量并在现实系统中发挥作用”。

为系统梳理因果涌现领域的最新进展，北京师范大学系统科学学院教授、集智俱乐部创始人张江老师领衔发起，组织对该主题感兴趣的研究者与探索者共同研读前沿文献、交流研究思路。读书会将于2026年2月22日起每周日上午（创建读书会暂定时间为10:00-22:00）线上开展，持续约10周，包含主讲分享与讨论交流，并提供会后视频回放，诚邀相关领域研究者及跨学科兴趣者参与。

详情请见：

1.

2.

3.

4.

5.

6.

7.