← 全部报道

AI 安全

Dark Reading:AI 工具正以极低成本催生大规模网络攻击

据 Dark Reading 报道,攻击者正利用 AI 工具以极低成本发起大规模攻击:其中一个攻击活动使用开放权重模型瞄准了 105 个网站,另一案例中公开模型仅以 12 美元的成本就实现了完整的域控。

AI 安全报道封面

据 Dark Reading 报道,人工智能工具正在大幅压低发动大规模网络攻击的成本,这一趋势可能迫使防御方重新审视现有的防护思路。

报道列举了两个引人关注的案例。其一,攻击者在一个攻击活动中利用开放权重模型瞄准了 105 个网站——这类模型的参数完全公开,可以在没有商业服务商常见安全限制的情况下运行。其二,在另一起案例中,攻击者借助公开可用的 AI 模型实现了对目标环境的完整域控,而成本仅为 12 美元。

这两个案例共同揭示了一个日益严重的不对称局面:过去策划并实施入侵所需的资金与专业门槛正在迅速下降,而单次行动的潜在波及范围却在扩大。侦察、漏洞利用、在已被攻破的网络中横向移动等以往需要熟练人员完成的任务,如今越来越多地可以交给廉价且唾手可得的模型来执行。

Dark Reading 的报道据此得出结论:网络防御必须随之改变。当攻击者只需花一顿快餐的钱就能攻陷一个环境时,那些建立在“攻击成本高昂、需要大量人力”假设之上的防御策略将难以为继。

报道将这一趋势视为对安全团队的行动警示:发起实质性攻击的门槛正在崩塌,防御方需要适应一个新现实——由 AI 驱动的大规模攻击活动将廉价到可以成为常态。更多细节可参见 Dark Reading 的原始报道。

如何阅读本页

仅限授权 · 基于证据 · 反映检测时点的状态。Aegis 无法保证不存在弱点或隐藏设备。在本机上,对外的 HTTP/TLS 实时检测可能被网络拦截,此时会如实标为覆盖缺口。严重程度与置信度分开呈现。已启用持久存储时,完成的评估会保存在加密存储中。主题选择可能保存在此浏览器中。你也可以导出一份副本带走。