稳定的观察窗口不是固定天数,而是“新漏洞不再改变结论”的那段时间。做法是:先选一个可重复的检测口径,按天记录同一批资产的漏洞数量与严重度分布,当连续若干天新增与关闭数量互相抵消、且高危存量不再单向增长时,把这段区间定为窗口;窗口长度由数据决定,而不是事先拍一个数字。
一个常见矛盾是:运维确认修复已完成,但漏洞检测报表上的数量还在波动,甚至隔天又冒出新条目。此时有两种解释。
两者都会让曲线抖动,但处理方式相反:前者应等待数据追平再判断,后者应立即进入排查。分不清就会误判——把真实新增当成延迟而放过,或把延迟当成新问题而重复返工。
能区分它们的不是数量本身,而是证据链是否闭合。可用以下几类可核查的证据交叉核对:
需要提醒的是,第三方估算流量、搜索引擎报告与站内统计口径本就不同,任何单一指标归零或跳变都不能单独证明某次处理正确。漏洞数量下降也可能是扫描未覆盖到,而非问题消失。
把上述证据落到窗口定义上,可设定三个条件,全部满足才认为窗口稳定:
“若干天”应按业务变更频率来定:每日多次发布的业务,窗口可能只需两三天;变更较少的业务,可以拉长到一周以上。关键是让窗口覆盖至少一个完整的变更周期,避免把发布高峰误读为检测延迟。
假设某业务每周三发布新版本,检测任务在发布后次日跑完。若把观察窗口设为发布当天到次日,报表几乎必然抖动,因为数据尚未追平;若设为发布后第三天到下一次发布前一天,覆盖已稳定、无新变更,窗口内的净变化才具备比较意义。这个假设说明的是窗口与变更周期的对齐关系,具体天数需按自身发布节奏验证。
实际动作是:在每次准备下结论前,先检查上述三个条件是否同时成立。若覆盖未稳定,下一步是等待任务跑完并重新比对,而不是修改结论;若覆盖稳定但净变化仍单向增长,下一步是核对资产与规则变更记录,把真实新增单独建单处理。窗口一旦稳定,同一口径下的前后对比才有意义,也才能判断上一轮修复是否真正生效。