Palo Alto Networks：AI驱动的网络攻击可能在3–5个月内普及

该判断基于对多种前沿AI模型的测试，包括：

• Anthropic 的 Mythos
• Anthropic Claude Opus 4.7
• OpenAI GPT‑5.5‑Cyber

研究人员发现，这些模型在以下任务上表现出异常强的能力：

• 自动发现软件漏洞
• 推理多漏洞攻击链
• 生成漏洞利用代码

部分模型的能力甚至被限制或在受控环境中测试，以便让防御者有时间修补漏洞，再公开更强的功能。

换句话说，安全专家认为接下来几个月应被视为 防御部署期，而不是慢慢规划的阶段。

Google：AI攻击已经开始出现

来自 Google Threat Intelligence Group（GTIG） 的报告显示，攻击者对AI的使用正在从实验阶段走向规模化应用。

研究人员观察到，生成式AI已经被用于多个攻击环节，例如：

• 网络侦察与信息收集
• 漏洞研究
• 恶意软件开发
• 初始入侵攻击

更引人关注的是，Google发现了 首个已知由AI协助开发的零日漏洞利用代码案例。

该攻击利用一个开源Web管理工具中的 双因素认证（2FA）绕过漏洞。攻击者利用AI生成Python漏洞利用代码，并计划用于大规模攻击活动，但在实施前被安全研究人员发现并阻止。

报告还指出，使用AI开展网络攻击的既包括犯罪团伙，也包括部分 国家支持的攻击组织，说明这项技术正在快速扩散到整个威胁生态。

前沿AI模型如何改变攻击方式

变化并不仅仅是“黑客能用AI”。真正的变化在于 攻击效率和规模的提升。

英国 AI Security Institute（AISI） 的评估显示，Anthropic 的 Claude Mythos Preview 能够完成一次完整的企业网络攻击模拟流程，而研究人员估计人类专家完成同样任务大约需要 20小时。

早期评估还显示，OpenAI 的 GPT‑5.5 系列模型在网络安全测试任务中已经达到类似能力水平，这意味着这种攻击能力不再局限于单一模型或公司。

在实际攻击中，AI可以帮助攻击者：

• 扫描大型代码库寻找漏洞
• 分析漏洞之间的利用链
• 自动生成概念验证（PoC）攻击代码
• 根据反馈快速迭代攻击策略

结果是 攻击生命周期被大幅压缩。过去需要数小时甚至数天的安全分析，现在可能在极短时间内完成。

不过目前公开证据显示，大规模 完全自动化的AI攻击还没有普遍出现。更多情况是人类黑客与AI工具结合的“增强型攻击模式”。

企业现在应该做什么

安全专家普遍认为，在AI攻击全面普及之前，企业需要立即提升防御能力。重点包括：

减少攻击面
梳理所有互联网暴露系统、过期软件、管理接口和依赖库，并优先修补高风险漏洞。

加速漏洞发现
利用自动化安全扫描、AI辅助代码分析和红队测试，在攻击者之前发现问题。

强化身份与访问控制
部署抗钓鱼的多因素认证（MFA），清理长期未使用账号，限制高权限访问。

提升检测能力
集中日志数据，并使用行为分析检测异常侦察、横向移动或凭证滥用。

准备更快的应急响应
建立快速隔离和修复流程，确保补丁部署和备份恢复可以在攻击发生时迅速执行。

关键结论

AI正在从研究工具迅速演变为网络攻击的实际能力。前沿模型已经展示出自动发现漏洞和生成利用代码的能力，而威胁情报报告表明攻击者也在尝试将这些能力投入实战。

时间表或许仍有不确定性，但趋势已经很清晰：AI驱动的网络攻击正在逼近主流化。在未来几个月内加强防御的组织，更有可能抵御下一波网络安全威胁。