← 返回列表

AI网络攻防演化与安全重构

聚合站 SecWiki技术 作者 锐安全 发布 2026年6月9日 22:24 入库 2026-11-18T02:08:49

《AI・安全》栏目文章

左手AI,右手安全

本文3183字,阅读时长约12分钟

导读

近日,绿盟科技伏影实验室负责人吴铁军分享了他对AI时代网络攻防格局的深刻洞察。

前沿AI(如Mythos、GPT-Cyber)已经将攻击链条全面加速,当前真正的瓶颈并非技术选型,而是修复与响应速度能否跟上漏洞发现的速度。

大模型正在深刻重塑网络攻防的底层逻辑。

前沿AI(如Mythos、GPT-5.5)正推动网络攻防对抗从“人力密集的手工业”转向“机器速度的工业化”——漏洞发现到利用的全链路已实现自动化与并行化。

本文将结合绿盟科技在AI赋能网络攻防领域的最新研究与实践观察,勾勒一幅AI时代攻防态势的全景图。

如上篇安恒的洞察一样,对同一个历史性时刻的不同视角解读,能得到不同的启发。


AI攻击能力的飞跃:从数十到数万的跨越

当前以Mythos(神话)为代表的前沿模型,已经能够生成可用性约90%的工具代码。

在实际漏洞扫描测试中,原始系统仅能发现数个漏洞,而引入新模型之后,可发现一百八十多个漏洞,覆盖率跃升约90%。

更进一步,这类模型在一个月内可以挖掘出上万个潜在漏洞,其中包含数个0day漏洞。

更为引人注目的是,在实验室条件下——即无主动防御者、无EDR(端点检测与响应)、无SOC联动、且无沙箱限制的环境中——AI可以自主完成32步攻击链条。

OpenAI的最新模型目前也已达到同等水平。Mythos与OpenAI之外,前沿AI系统在漏洞发现和攻击执行上的能力边界,是当前整个行业的关注焦点。

AI攻击的四层架构:编排层才是核心

Mythos的“能力”是模型推理+Agent编排+评估环境的合成,不能简化为“单个模型=自动黑客系统”。

准确归因须区分四层。

第一层:LLM(推理层)。以大模型的推理能力驱动漏洞分析与攻击策略制定,这是AI攻击的“大脑”。

第二层:Tool-use Agent(执行层)。多个Agent负责具体攻击动作的执行,扮演“手和脚”的角色,承担扫描、代码编写、漏洞利用等具体任务。

第三层:Workflow System(编排层)。这是最核心的能力层。编排层犹如一个调度中枢,能够并行调度多个Agent同时工作——发起攻击、分析情报、编写代码、挖掘漏洞等均可并行执行。

当前很多研究聚焦于用这一层发动攻击,但实际上,防御方在这一层同样有巨大的发力空间。

第四层:Eval Environment(评估层)。在模拟环境或靶场中对攻击效果进行评估,并根据环境变化进行反馈调整。

虽然当前国外大模型在技术路线上有一定先发优势,但国内大模型的算法能力并不逊色;真正的差距主要受制于硬件算力(如显存容量和 token 处理吞吐量)。

近期Mythos等模型的最大变化,恰恰集中在执行层和编排层,而国内模型更多将精力倾注在推理能力上——编排与评估层面,本质上是工程化能力的体现。

攻击全链加速:比漏洞挖掘更值得关注的

高级攻击(如APT)从侦查到持久化,整个攻击链条周期原本非常长。但AI已经能够覆盖攻击链的每一个环节:在侦查环节,AI扫描关键设备与网络关联关系几乎做到零成本;在漏洞发现环节,这是当前关注度最高的领域;在武器化、横向移动、持久化环节,AI也都能贡献不同程度的能力。

然而,这恰恰揭示了一个常见误区:行业将太多注意力过度集中在漏洞挖掘上。从漏洞到最终窃取高价值数据,中间需要经过长周期的潜伏与持续窃取,这一过程远比单点漏洞利用复杂得多。

由于全链条攻击的复杂性依旧存在,因此挖到一个高价值漏洞,并不等于成功完成数据窃取,无需对现有AI挖漏洞的能力产生过度恐慌。

漏洞利用时间窗口急剧压缩:从“年”到“小时”

根据可查证的数据,漏洞从发现到修复的时间窗口正在发生惊人的压缩:

•2018—2019年:约需2—3年

•2024年:缩短至2—4周

•2025年:约5-7天

•2026年:压缩至数小时级别

漏洞发现到写出利用代码的时间急剧缩短,这意味着攻击方发动攻击的速度大幅提升,而防御方修补系统的时间窗口严重萎缩。

形势要求我们必须对漏洞进行优先级排序,结合业务系统实际影响程度进行分级修补。

当务之急,是快速布局防御能力,调整防御策略。

AI时代的攻防不对称性:结构性劣势正在放大

攻击方每次只需成功一次,防御方必须次次成功——这是安全行业亘古不变的铁律。进入AI时代,这种结构性的不对称被进一步放大。

但不应忽视的是,防御能力同样可以借助大模型的推理、调度和多任务执行能力来增强。然而现实是,当前整个行业的目光更多聚焦于AI挖掘漏洞的能力,对漏洞发现后的防御应对关注相对不足。

从攻防演进的长期趋势来看,基于英美相关研究报告的分析,当前阶段由于大量遗留系统(代码遗失、固件固化无法升级等),攻击者可能在一段时间内占据上风,防御方处于不利区间。

但随着大模型的普及应用,在软件和系统的开发阶段就引入AI进行代码审计和加固,攻防之间的差距将逐渐缩小,甚至可能在某一时刻趋于平衡——但这一平衡点何时到来,目前尚无法预测。

成本结构的颠覆:低端泛滥,高端昂贵

AI正在从两端重塑攻击的成本结构。

低端攻击成本骤降。大规模侦查、社工攻击、钓鱼邮件等低端攻击的制造成本已降至极低水平。

以银狐(Silver Fox)攻击为例,每次处理都是成百上千的事件。当前钓鱼邮件的内容极为逼真,不仅行业术语精准,在非中文语种环境中同样高度贴合语言习惯——而且这种能力并非今年才出现,早在两年前已经开始大规模使用。

高端能力仍然昂贵。高级AI攻击能力的成本依然很高。国内研究人员在使用高级模型时,暴露风险非常大,不可能进行高频率交互。

攻击者需要收集现场数据、回传远端分析、形成策略、生成武器、再下发的长周期谨慎动作,这一过程仍无法被完全自动化压缩。

这给防御方带来一个关键问题:攻击者只需打破一个点,防御方却需要用整个面来应对。

那么,在所有防御点上全面部署高阶AI能力,还是只在关键节点使用高阶AI、其他位置采用传统或差异化策略?这值得深入思考和评估。

AI能力的天花板:幻觉、误报与现实局限

AI并非万能。

当前模型虽然强大,但面临四大核心挑战:幻觉问题——在自动化渗透测试和漏洞挖掘实验中,AI经常产生无法实际利用的“假漏洞”,经实际验证后,大多数漏洞利用条件极为苛刻或受多种环境限制;提示注入风险;高误报率;人在环瓶颈。

从AI漏洞挖掘的成熟度来看,可以划分为两个区域:

•弱验证区:业务逻辑漏洞、多状态场景等,目前仍需要人工深度参与,AI难以独立完成。

•强验证区:理想状态,自动化验证和利用都可高效完成——这是业界持续追求的目标,也是AI攻击能力的终极天花板。

全球攻防格局的新态势:路径分化与不对等威胁

各国在AI攻防领域选择了不同的路径。

美国看似由企业驱动定义前沿方向,但企业背后很大程度上服务于国家战略,同时扮演着规则测评者的角色。

俄罗斯走典型的实用主义路线,直接将AI投入实战攻击研究。

中国则以自主技术研发和自我建设为主,同时推进漏洞上报等机制。

但更值得警惕的是另一种趋势:许多不具备自研大模型能力的国家,反而利用开源或商用大模型对中国的关键基础设施发起攻击。

这一趋势在2024—2025年已经显现明显端倪,尤其体现在钓鱼邮件模拟和恶意代码变异速度上。恶意代码不仅在终端侧变异,其通信协议层面也发生了显著变化。

对于关键基础设施而言,补丁优先级机制正在面临崩溃风险——如何解决漏洞优先级排序和快速打补丁的问题,是当前最需要关注的核心挑战。

安全责任前移:从修复到预防

安全责任正在发生根本性迁移。

以往的模式是“攻击发生-事后修补”。如今,安全的关口需要前移到软件生成阶段——在代码开发过程中就引入大模型进行安全检测和审计,在早期阶段就解决安全问题。

对于关键基础设施和行业安全发展而言,AI正在压缩攻击窗口、放大攻防能力的不对称性。

然而,最大的瓶颈并非技术选型,而是修复和响应速度能否跟上漏洞发现的速度。

当前阶段,绝大多数攻击仍是“使用AI的人类攻击者”,真正的“完全由AI驱动的自主攻击者”仍需一段时间才会出现。

而这段时间窗口,恰恰是我们加速修补和解决当前安全问题的最佳时机。

AI正在以前所未有的速度和广度重塑网络攻防格局。

一方面,漏洞发现效率提升了数十倍,攻击窗口压缩到了前所未有的短促;另一方面,防御方同样有机会借助编排层能力和安全责任前移策略重新建立防线。

当前最紧迫的命题不是“AI有多可怕”,而是“我们能否比攻击者更快”。

修复速度、响应效率、优先级排序——这些看似工程化的问题,恰恰决定了胜负。

把AI同时用在攻击和防御的两端,让大模型在代码开发阶段就参与安全加固,让编排层成为防御而非攻击的武器——这才是AI时代网络安全的正确方向。

Tips:伏影实验室

伏影实验室是绿盟科技五大核心安全实验室之一(星云实验室、格物实验室、天机实验室、伏影实验室、天枢实验室),2018年12月26日正式揭牌成立,隶属于绿盟科技安全研究院,现任负责人吴铁军。

伏影实验室专注于安全威胁监测与对抗技术研究。研究目标包括Botnet、APT高级威胁、DDoS对抗、WEB对抗,流行服务系统脆弱利用威胁、身份认证威胁、数字资产威胁、黑色产业威胁及新兴威胁。通过掌控现网威胁来识别风险,缓解威胁伤害,为威胁对抗提供决策支撑。

取名“伏影”,寓意追踪潜藏在网络暗处的黑客、恶意威胁、隐蔽攻击团伙。

关于锐安全:专注数字安全与AI伦理观察,致力于在技术热潮中保持冷静思考。

欢迎评论区留下你的宝贵观点和意见,咱们一起进步!

<本文完>

如果想获得深度资料或深入交流与咨询,请加入星球,在AI时代给自己找一个AI安全内参:

恭喜你,又看完了一篇文章。从今天起,和我一起洞察安全与AI本质!这里是锐安全,今天就到这里,咱们下次再见!

也可以加本人微信,加入【锐安全认知总群】,在不确定的世界,让你我再确定一点儿:

欢迎来到锐安全的大航海时代!

如果对描述的安全世界感兴趣,可以翻翻为你写的一本书,能够提高对安全行业的整体认知:

点击文末【阅读原文】,看到一个完整的安全系统

end

如果你对本文有任何建议,

欢迎联系我改进;

如果本文对你有任何帮助,

欢迎分享、点赞和在看

参考资料:

[1]伏影实验室简介.https://www.nsfocus.com.cn/html/4/90/96/

[2]让安全研究成果“研以致用”!绿盟科技五大安全实验室重磅发布,2018-12-27.https://www.51cto.com/article/589450.html

原文链接:https://mp.weixin.qq.com/s/KLtgMX0gqVZ78-3l3dcc0g