你的事件响应计划中有多少是假设对手是一个会犯错的人类？几十年来，我们的安全态势一直依赖于攻击者是人类这一事实。人类会疲劳，会分心，而且在同时处理多个复杂任务时带宽有限。这种人类局限性曾是我们防御策略中的沉默伙伴。智能体 AI（Agentic AI）已经消除了这一约束。我们正在进入一个武器不再需要战士来挥舞的时代。这是从辅助工具向行动工具的转变。
我从前线观察到了这种进化。2023 年，我在 SANS 技术学院发表了一篇白皮书。它演示了即使是技术欠缺的用户也能诱导聊天机器人生成功能性恶意软件。当时，AI 只是一个复杂的画笔。它帮助编写代码，但人类仍然必须复制、粘贴并执行攻击。到 2025 年，随着自主智能体的引入，这种动态发生了变化。今天，在 2026 年，束缚已经消失。智能体就是操作员。
束缚已被切断
三年前的 AI 与今天的智能体模型之间的根本区别在于反馈循环。之前的进攻性 AI 迭代是被动的。你给出提示，它给出回应。智能体 AI 是主动的。它接收一个目标，然后选择使用哪些工具来实现它。它可以浏览网页、运行终端命令、扫描端口，并在遇到错误时重写自己的代码。这是一个不需要人类干预的循环。
这种变化正在从两个方向重塑进攻行动。它赋予了不具备技术能力的攻击者以能力，并为那些已经致命的攻击者提供了速度。如果你的职业是进攻性工作，你必须意识到，对手用来对付你的工具，也正是你必须用来防御的工具。阵地已经转移。我们不再是针对一系列离散事件进行防御，而是针对网络中持续存在的思考过程进行防御。
网络钓鱼特征的悄然消亡
最直接的影响之一是社会工程的完全自动化。在典型场景中，攻击者部署一个智能体来收集有关特定目标的公开信息。该智能体抓取 LinkedIn 个人资料，观看会议录音以模仿语音模式，并阅读最近的新闻稿。它利用这些情报构建一个人格。然后，第二个智能体负责管理对话。它发送消息，处理回复，并引导目标点击恶意链接或索取凭据。
这是我们过去所信任的信号的消亡。多年来，我们的网络钓鱼培训一直专注于明显的特征。我们寻找拙劣的语法、通用的模板和紧迫感。智能体 AI 抹去了这些指标。每条消息都流利且独特。它基于关于接收者的真实事实。我们的检测现在必须完全依赖基础设施信号，如发件人声誉和身份验证。我们正看着语言防火墙崩塌。网络钓鱼是一种数字木马，现在看起来与合法的交付完全相同。
脚本小子即服务的崛起
我经常将这种现状称为“脚本小子即服务”。从历史上看，技术欠缺的参与者受限于自身专业知识的匮乏。他们必须等待别人发布漏洞利用程序。现在，限制因素由 AI 模型的能力定义。因为许多未经训练的参与者使用相同的尖端模型，我们看到了行为上的单一文化。攻击是胜任的，但它们遵循可识别的模式。
这对于防御者来说是一个难得的优势。当成千上万的攻击者使用相同的基础模型来生成漏洞利用链时，他们会留下相似的足印。我们可以为这些默认行为构建检测。然而，这仅对大多数人有效。经验丰富的对手会调整并超越这些默认设置。他们使用智能体并行执行活动。过去需要三个人两周时间完成的任务，现在一个人和一个智能体只需四小时。高质量攻击的数量已成为新的基准。
漏洞利用链中的自动化
自动化已深入到漏洞利用阶段。随着模型在链接工具调用方面变得越来越出色，生成有效漏洞利用程序的门槛降低了。当联邦政府干预并将 Anthropic Fable 5 从市场移除时，我们清楚地看到了这一点。对其能力的担忧并非空穴来风。当你将一个能力强大的模型与已知漏洞数据库绑定时，它会执行自己的侦察。它判断目标可能暴露在什么风险之下，并从其库中提取匹配的漏洞利用程序。
它表现得像一只闻到了气味的猎犬。只有在准备开火时，它才会向操作员报告。恶意软件也正变得具有智能体化。我们看到一些变体通过重写自己的签名来溜过那些能识别旧版本的控制措施。这是我几年前首次讨论的引导式网络访问武器（GNAW）概念的自然进化。恶意软件不再是一个静态文件。它是一段可以推理其环境并改变行为以保持隐蔽的软件。
虚假神谕的自信
过度依赖这些智能体存在危险。它们以不容置疑的权威说话，但它们并不寻求真理。智能体寻求的是完成任务。它想提供一个看起来正确的答案。它对于主机是否真正存在漏洞并没有特权视图。它将指标与结论相匹配。如果你将智能体与漏洞检索库结合，它会呈现相关的内容，而非真实的内容。它经常忽略版本号或配置细节。
这就是虚假神谕的问题。智能体会指名一个并不存在的目标，并请求攻击许可。对于专业人士来说，这意味着判断力现在是核心技能。这门手艺的机械部分现在是机器任务。从自信的谎言中识别真实发现的能力是价值所在。每当智能体建议一条路径时，人类仍必须验证其逻辑。如果你盲目跟随智能体，它最终会带你跳下悬崖。
通过实用性证明防御
由 Rob T. Lee 开发的 SANS 安全 AI 蓝图为这一新现实提供了一个框架。它将挑战分为三个轨道：保护 AI、利用 AI 和治理 AI。治理关乎政策和监督。保护关乎加固系统。利用则是我们将 AI 投入工作为双方服务的地方。进攻行动存在于“利用”轨道中。
许多领导者认为 AI 安全仅仅关乎政策手册。他们错了。利用是唯一能产生证明的轨道。一个组织可以编写它想要的每一项准则，但直到有人针对网络使用智能体工具时，那些准则都只是理论。只有当防御与攻击接触时，防御才有意义。进攻从业者的角色就是将这种接触带到表面。我们是证明政策和加固是否真正有效的人。
如果你想了解你的真实风险，你必须进行包含自主攻击模拟的风险评估。传统的渗透测试已不再足以反映当前的威胁格局。你必须观察你的 SOC 如何处理一个不睡觉且不遵循人类作息的对手。审计你的第三方供应商，了解他们对智能体工具的使用情况。武器已经改变。握着武器的手已经后移，但开火的选择权仍在我们手中。我们的判断力是机器唯一无法取代的东西。
资料来源
- SANS Technology Institute: Whitepaper on Generative AI and Malware (2023)
- SANS Secure AI Blueprint: Developed by Rob T. Lee
- MITRE ATT&CK Framework: For AI-specific adversary tactics and techniques
- NIST AI Risk Management Framework (AI RMF 1.0)
免责声明： 本文仅供信息和教育目的。所提供的信息不能替代专业的网络安全审计或事件响应服务。作者不提供非法活动的指令。
