原创 天御 2026-10-28 11:03 广东

AI并未重写网络攻击手册，它只是改写了网络攻防经济学

2026年9月，Anthropic发布其第四份威胁情报报告《Detecting and countering misuse of AI》。报告覆盖2025年12月至2026年8月间被识别并中断的滥用行为，网络安全是其中篇幅最长、也最受关注的部分。与过去数月大量围绕“自主零日工厂”“模型直接产出全新利用”的讨论相比，这份报告呈现出一种更为克制、以实际观察为基础的视角：AI正在深刻改变网络攻击的成本结构与操作节奏，但并未发明全新的攻击技术，也并未自动放大单次事件的危害程度。

攻击手法依然熟悉，变化发生在经济学层面

报告明确指出，所观察到的攻击本身并不新颖。它们仍然依赖防御方早已熟悉的手段：盗取凭证、未修补的边缘设备、暴露服务、SQL注入与钓鱼。没有任何一次行动依赖某种“防御方从未见过”的全新技术。

真正发生变化的是攻击经济学。过去区分高资源行为体与普通行为体的关键劳动（侦察、利用、工具开发与数据处理）如今被委托给在harness中以机器速度并行运行的AI模型。结果是可量化的：突破可在两到三小时内完成，单个操作者能够并行处理数十个受害者。

这种转变的实质，是AI压缩了攻击者投资回报率（ROI）计算中的成本端。技能门槛与单位战役所需劳动显著下降，而潜在收益基本保持不变。由此产生的单位经济学改善，使此前因成本过高而处于边际状态的目标变得可行，并鼓励更高量、更低接触的操作模式。换句话说，AI没有让攻击变得更“聪明”，而是让更多人能够以更快的速度、更低的成本去执行原本就存在的攻击。

人类仍掌控关键决策：自主性与危害是两条独立轴线

报告在讨论自主性时提出了两点重要警示。第一，人类仍然保留对其最重要决策的控制，包括目标选择、发现结果的变现以及结果审核。即便在大量使用AI的行动中，这些环节依然由人类主导。第二，自主性与危害是分离的两个维度。自主性能够放大规模与速度、降低操作成本与复杂度，但单次事件的严重程度仍由多重因素决定。报告甚至指出，部分最严重的入侵案例，恰恰来自人类逐步指导、而非高度自主的操作。

这一区分具有现实意义。它意味着，观察到的AI使用强度上升，并不自动等于战略或战术影响的同步上升。意图、资源约束、政治与法律风险偏好等传统因素，仍然主导最终的危害水平。AI改变的是“做这件事有多容易、能做多少次”，而不是“这件事本身会造成多大破坏”。

对防御的启示

从防御角度看，报告的观察提示，传统通过静态检测抬高攻击成本的路径正在面临压力。当攻击者能够以机器速度迭代工具、并行处理目标时，单纯依赖签名或固定检测规则的成本优势会被压缩。防御方需要更多关注速度与规模维度：更快的侦察-利用循环、更高的并行处理能力，以及更低的边际攻击成本。

同时，人类仍掌控关键决策这一事实，也意味着针对操作者决策点、变现渠道与审核流程的情报与干扰并未失效。AI降低了执行门槛，但并未消除对人类判断与资源组织的依赖。

在更广泛的讨论层面，这份报告提供了一种有益的校准。过去一段时间，对AI网络能力的关注高度集中于模型能否直接发现或利用全新漏洞。而实际观察到的滥用案例表明，更显著的变化发生在对既有攻击流程的加速与经济化。这种以实际案例为基础的表述，有助于降低模型能力外推与现实滥用之间的落差，也为后续评估提供了更可验证的基准。

结语

Anthropic这份报告的核心价值，不在于宣告某种技术革命，而在于较为冷静地描述了一种正在发生的结构性变化：网络攻击的单位经济学正在被AI改写，而攻击手册本身并未被重写。人类仍保留对关键选择的控制，自主性提升并不等同于危害程度的自动上升。

对防御方与政策制定者而言，这意味着需要把注意力从“AI会不会发明全新攻击”转向“AI正在如何降低既有攻击的成本与门槛”。对讨论环境而言，它则提供了一种以经验观察为基础、避免过度外推的参照。随着模型与agent框架继续演进，这种成本压缩与流程加速的趋势是否会进一步扩大，以及人类决策点是否会逐步后移，仍将是需要持续跟踪的关键问题。

跳转微信打开