AI 技术:ITSEC Asia 称仅需 US$25 就能发动低成本网络攻击

关键要点

  • PT ITSEC Asia Tbk 于 2026 年 11 月发布白皮书,揭示了 AI 驱动的网络攻击每个目标的运营成本仅为 25 美元。
  • 根据 ITSEC Asia 的研究,包括 JadePuffer、Scarlet Loop 和 CAIRN 在内的五大攻击行动将全球 1,200 多个网站列为攻击目标,并导致 3,655 万个账户遭到入侵。
  • ITSEC Asia 建议采取四项防御措施:部署 XDR 和 UEBA 进行基于行为的威胁检测、实施零信任安全、通过 SOAR 自动化事件响应,以及使用 MLSecOps 保护 AI 基础设施。

PT ITSEC Asia Tbk 于 2026 年 11 月发布的白皮书披露,如今 AI 技术被用于发动网络攻击,每个目标的运营成本仅为 US$25。AI 技术的使用成本下降、获取渠道日益开放,使各方更容易发动复杂程度更高的网络攻击。网络威胁领域的技术发展改变了网络犯罪的成本结构,促使组织重新评估针对基础设施、数字身份和数据的防御策略。

ITSEC Asia 威胁情报团队发布的白皮书《AI-Powered Cyberattacks in the Global Threat Landscape》指出,能够执行网络攻击多个阶段、且越来越少需要人工参与的自主 AI 智能体正得到越来越广泛的应用。团队分析了多起攻击活动和全球威胁情报后发现,如今 AI 被用于自动化目标测绘、利用系统漏洞、窃取凭证,以及获取或销毁敏感数据。

ITSEC Asia 总裁兼董事 Patrick Dannacher 在周一(2026 年 11 月 9 日)的书面声明中表示,AI 改变了网络犯罪的成本结构。过去需要高超技术、耗费大量时间和资源的活动,如今可以以低得多的成本完成。“对企业而言,这种情况带来了不同程度的风险。攻击可以更快地发动、针对更多组织,并在传统应对流程作出响应之前触及关键系统,”Patrick 说。他表示,企业需要重新评估基础设施、数字身份和数据保护策略,以应对不断变化的威胁态势。

五起案例揭示 AI 网络攻击的演变

ITSEC Asia 的白皮书分析了五起案例,展现 AI 和自动化如何开始改变网络攻击的作战方式。其中备受关注的是 JadePuffer,Microsoft 报告称其也与 Storm-3168 的活动有关。这场攻击活动展现了 AI 智能体在入侵过程中调整行动的能力,目标包括企业数据库、云环境和 AI 资产。据报道,其破坏性活动甚至包括删除数据库,以及攻击 AI 模型及其训练数据。

另一案例是 Scarlet Loop,这是一项专注于自动接管账户和窃取金融资产的行动。据报道,该攻击基础设施已扫描 107 个国家和 47 个行业的 84,660 个 URL,并识别出 6,171 个高价值域名。其目标包括存有金融价值的账户,例如数字钱包、忠诚度计划和员工奖励福利账户。

ITSEC Asia 还重点介绍了 ARTEX,这是一种协调多个 AI 智能体执行目标测绘、漏洞扫描乃至系统利用的框架。与此同时,CAIRN 是一个自主平台,据称与针对 1,200 多个网站的攻击及窃取 600,000 多条有效支付卡信息有关。

第五起案例涉及 2026 年 9 月至 10 月期间日本多个组织遭遇的一系列网络事件。各组织中约有 3,655 万个账户及客户数据可能受到影响。这些事件暴露了组织共用的云基础设施、第三方访问权限以及相互连接的数字服务所存在的漏洞。不过,ITSEC Asia 强调,该研究并未得出 AI 参与了每一起事件的结论。

总体而言,这五起案例表明,可能成为攻击目标的业务领域日益广泛,涵盖云环境、客户账户、金融交易、数据库以及企业 AI 系统。

云身份与 AI 基础设施成为新目标

除了识别攻击模式,ITSEC Asia 的研究还将云环境中的数字身份遭入侵列为优先级最高的风险之一。攻击者可以利用被盗凭证和过宽的访问权限进入云资源,继而在不同系统之间横向移动,而无须使用传统恶意软件。

企业 AI 基础设施也开始面临严重威胁。组织对 AI 模型、训练数据集和机器学习管道的依赖,使这些数字资产面临被窃取、勒索乃至销毁的风险。这类信息技术问题需要采取全面且一体化的防御方法。

加强网络防御的四项建议

为应对日益迅速且复杂的威胁,ITSEC Asia 建议采取四项措施加强网络防御。第一,利用 Extended Detection and Response (XDR) 和 User and Entity Behavior Analytics (UEBA) 技术,提升基于行为的威胁检测能力。

第二,实施 Zero Trust 安全原则,以加强身份验证、限制访问权限并防止系统内未经授权的横向移动。第三,通过 Security Orchestration, Automation and Response (SOAR) 提高事件响应自动化水平,使安全团队能够更快地隔离并处置威胁。

第四,实施 Machine Learning Security Operations (MLSecOps),以保护 AI 模型、训练数据及其支撑基础设施。

未来 6 至 12 个月的威胁预测

展望未来 6 至 12 个月,ITSEC Asia 预计,基于 AI 智能体的勒索软件威胁、云身份滥用、AI 辅助诈骗以及针对企业 AI 基础设施的攻击将变得更加突出。

Patrick 强调,网络安全如今必须被视为业务责任的一部分,而不只是由信息技术部门处理的技术问题。随着企业运营中 AI 的应用不断扩大,安全因素必须纳入每一项战略决策的考量,从技术投资、数据管理到关键系统访问权限设置,无一例外。

“从现在开始就将安全列为优先事项的企业,将更有能力保护客户、维护信任并保障业务持续运营,”Patrick 总结道。

常见问题

根据 ITSEC Asia 的研究,自动化网络攻击的最低成本是多少?

根据 ITSEC Asia 白皮书引用的研究,对一家在线零售公司发动自动化攻击的运营成本仅约为 US$25。此外,Reuters 还在 2026 年 10 月报道了一起案例:黑客利用 AI 智能体,以数千美元的预算入侵了数十个网站。

ITSEC Asia 白皮书揭示了哪些基于 AI 的网络威胁技术进展?

2026 年 11 月发布的白皮书《AI-Powered Cyberattacks in the Global Threat Landscape》识别出五起主要案例:JadePuffer/Storm-3168、Scarlet Loop(扫描了 107 个国家的 84,660 个 URL)、ARTEX、CAIRN(针对 1,200 个网站发动攻击),以及影响 3,655 万个账户的 2026 年 9 月至 10 月日本事件。研究揭示了 AI 技术如何被用于目标测绘、漏洞利用、凭证窃取和数据销毁。

组织如何保护其基础设施免受 AI 驱动的攻击?

ITSEC Asia 建议采取四项主要措施:(1) 使用 XDR 和 UEBA 提升基于行为的威胁检测能力;(2) 实施 Zero Trust,以加强身份验证并限制访问权限;(3) 通过 SOAR 提高事件响应自动化水平;(4) 实施 Machine Learning Security Operations (MLSecOps),以保护 AI 模型、训练数据及其基础设施。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论