人工智慧正在重塑網路攻擊和防禦的經濟格局。

曾經阻礙針對國家的複雜網路行動的限制正在逐漸消失。過去，發動大規模網路攻擊需要調動大量專家。而人工智慧網路攻擊正在日益增多。

當增加一名有能力的攻擊者的成本接近計算能力的成本時，攻擊的情況就會發生巨大變化。

這已經成為現實：Dream 的威脅研究揭示了一個獨立的多代理框架，該框架對亞洲的政府實體發動駭客攻擊，在四天內使用八個並行代理執行了十二波攻擊，入侵了 85 個政府帳戶，並使用閉環學習在每次失敗後進行調整。

現在人們的關注點從專家的數量轉移到他們如何有效地擴展自己的專業知識。

人工智慧對攻擊者和防禦者都有好處，但防禦者擁有獨特的優勢：他們已經掌握了攻擊者需要去發現的地圖。

了解自身環境的防禦者可以利用人工智慧將這些知識轉化為廣泛的作戰能力。整合防禦能力

人工智慧驅動的獨立政府駭客

去年七月，我們的威脅研究團隊成功恢復了一個多代理獨立框架的運作工作空間，該框架曾對亞洲的政府實體進行駭客攻擊活動。

在約四天的時間裡，該框架執行了十二波攻擊，並同時運行了多達八個人工智慧代理。它利用公開的 Hermes 和 OpenClaw 框架，攻破了 85 個政府員工帳戶，並利用其中 84 個帳戶滲透到政府的單一登入環境中。

真正有趣的是它能夠獨立做出營運決策。這就是人工智慧的限制。

確定置信水平

我們為每項發現分配了一個貝葉斯置信度分數，以評估不同的路徑，然後選擇一種方法繼續進行，就像一個真正的團隊一樣。

同樣，當攻擊路徑失敗時，該框架會自動進入所謂的“學習循環”，搜尋漏洞資料庫和該政府技術堆疊中相關的安全研究技術，然後再次嘗試。這個框架本質上是在進行自我評估——形成一個閉環學習：調查、驗證、執行、監控結果、更新其運行知識，然後再次嘗試。

這並非自我改進的模型，而是一種自適應的網路攻擊——由一位真正的專家提供支持，並以人工智慧系統的形式嵌入其中。這種攻擊的基本原理並不特別令人印象深刻或新穎，但其規模——以及近乎無限的可擴展性——才是真正令人擔憂的地方。像黑客一樣思考。

直到最近，擴大複雜攻擊行動規模的一個關鍵限制因素是，需要專家具備足夠的思維能力來確定需要調查的內容、驗證結果、將其與可行的攻擊路徑聯繫起來，並在這些路徑失效時進行調整。這些行動成本高昂，無論是在資金或人力方面。這種短缺自然限制了攻擊規模，因為擴大複雜行動的規模意味著需要增加熟練專家的數量、時間投入和協調能力。

人工智慧已開始精準地自動化這項成本高昂的流程：識別需要調查的內容、驗證假設、從失敗中學習並選擇下一步。雖然這些決策的品質仍然取決於人才，但人才的數量不再是決定這些決策能否並行做出的唯一因素。

當擴大進攻行動不需要以同樣的速度增加執行該行動的專家人數時，會發生什麼事？

作為一個在網路安全攻防領域工作了 15 年的人，我每天都越來越清楚地認識到，人工智慧已經改變了這種局面；一個組織擁有的專家人才規模與其能夠執行的業務規模之間的歷史關係正在逐漸消失。

人工智慧並不會消除人才，而是在更大範圍內改變人才所能達成的成就。

一場規模堪比一個國家的攻擊

政府的IT基礎設施是一個歷經數十年建構的互聯生態系統。它由各部會、市政部門、營運技術、傳統應用、雲端服務、承包商、供應商以及將它們緊密聯繫在一起的無數信任關係組成。

這些聯繫通常是出於正當的營運原因（或至少是出於歷史上正當的原因）。

當然，每一個連接點都可能存在潛在的薄弱環節。

這就是現代政府攻擊的傳播方式：並非總是利用單一的關鍵漏洞，而是將多個常見漏洞關聯起來。像駭客一樣思考已成為理解這些機制的關鍵策略。

從歷史上看，這對雙方都構成了挑戰。任何防禦團隊都無法持續分析整個國家內的每項資產、身分、組成、漏洞和信任關係。但攻擊者也面臨類似的限制；他們的專家也必須決定如何分配時間，才能找到從滲透到最有價值資產的有效路徑。因此，整合防禦能力變得至關重要。

自主系統正在改變這種現狀。

獨立攻擊者無需事先了解整個政府環境。相反，他們可以不斷地探索：發現關聯、提出假設、驗證假設、從結果中學習，然後進行下一步。

各國政府可能首次面臨這樣的對手：他們能夠比負責防禦的機構更快地在全國範圍內分析攻擊面。

爭取改寫比分

攻擊性網路技術的成本大幅下降，這得益於人工智慧代理作為武器的開發和利用，這標誌著網路攻擊領域的根本性轉變。此前，這項技能僅限於少數人掌握，且價格極為昂貴。人工智慧驅動的網路攻擊激增，促使OpenAI和其他100多家公司發出警告，指出其潛在影響。

如今，發現、優先排序和將這些技術整合到可行的進攻策略中已經變得成本低廉，而且這個過程可以快速自動複製。

隨著人工智慧的發展速度，這一現實正日益顯現。

進攻能力正變得越來越便宜、快速、容易複製。

但這個問題還有另一面。

防禦方一直享有結構性優勢：遙測資料、更深層的背景資訊、對自身基礎設施的持續存取、對其配置、身分和關係的了解，以及更強大的行動能力。這些防禦能力需要整合起來，以確保作戰優勢。

但他們的能力也受限於人力。沒有任何團隊能夠持續不斷地分析所有資產和關係中的所有資訊。同樣，能夠讓攻擊者受益的人工智慧，也能讓防禦者大規模地獲得歷史性優勢。

在此，時間至關重要。分析所有資訊並不等於防禦所有資訊。如果人工智慧在幾秒鐘內偵測到身分被盜用，但憑證仍然有效長達六個小時，那麼攻擊者仍然有六個小時的時間。如果他們發現了一條可利用的通往關鍵系統的路徑，但處理該路徑需要三週時間，那麼這條路徑在這三週內將始終暢通無阻。

因此，真正的機會並非僅僅在於提升分析能力，而是縮短「採取有效行動的時間」：也就是從理解風險到改變結果之間的時間。這種資訊缺失往往會阻礙合理的決策。

有效性至關重要；僅僅停用身分、更改防火牆規則或修補漏洞是不夠的。系統必須驗證攻擊者是否已無法再達成其目標。

防禦週期不能僅止步於情報收集，甚至不能止步於採取行動。相反，它必須以經過證實且可驗證的安全結果為最終目標。

關鍵差距

人工智慧未必會偏袒攻擊者。

已發現的框架必須逐步收集環境資訊。相較之下，防禦者早已掌握了這張環境地圖。即使借助人工智慧，攻擊者也可能需要數天甚至數週的時間才能發現每一個設定、憑證、遙測流和信任關係。然而，由於缺乏人類專業知識，防禦者永遠無法持續分析他們擁有的所有資產——這種可視性差距阻礙了他們做出合理的決策。

人工智慧正逐步消除人類注意力方面的這種限制。它使防禦者能夠增強專家在數千個平行調查中的能力，持續識別攻擊路徑，優先處理風險最大的路徑，並將行動集中在最關鍵的地方。

攻擊者雖然也能獲得同樣的優勢，但他們的出發點並不相同。防守方擁有地面控制優勢：他們已經了解並控制了攻擊者必須探索的環境。

關鍵差距不再只是雙方專家的數量，而是雙方如何有效地擴展這些專業知識，並首先將其引導到正確的風險上。

歸根究底，這場競賽的關鍵不在於誰能了解 Plus。

更確切地說，關鍵在於誰能以正確的方式拓展人才範圍——並首先將這種拓展轉化為切實可見的成果。