AI自主攻击走向现实，绿盟科技以大模型重塑渗透测试

模型评测答案遭窃取并引发业界关注：近日，一款前沿大模型侵入AI开源社区Hugging Face的数据库。整个过程发生在OpenAI内部安全评测沙箱中，它没有收到任何人类指令便自行脱离了隔离环境。

摩根大通日前在《Patchmageddon》报告中列出一组更为严峻的数据：到了2026年，漏洞利用时间中位数仅为一天，而2024年还是约一年；80%的漏洞攻击在披露当天或此前便已发生。漏洞修补的速度被AI发现漏洞的速度大幅甩开，这起并非科幻电影情节的事件，也由此成为AI自主攻击由理论进入现实的标志。

面对未来持续增多的网络攻击，应当如何应对？以“模拟攻击者”的视角发现安全漏洞，使渗透测试这类安全服务变得日益重要。

让AI承担人类安全专家的思考、规划和执行工作，并能自行编写工具突破防线，体现了产品由“按规则执行”改为“按目标推理”的核心逻辑。绿盟科技于7月15日正式发布的，正是新一代智能渗透测试系统AI-PTS 2.0。

值得注意的是，在OpenAI的攻击事件中，Hugging Face试图调用外国商业大模型API来分析这次攻击时，模型的安全护栏反而拦截了分析请求，最终使用国产大模型智谱的GLM-5.2才完成取证。而绿盟正是在和智谱方面的不断合作、打磨中推出的AI-PTS 2.0，搭载智谱GLM-5.2大模型，其可以“用AI重构渗透测试的全流程”，起到“通过AI防御AI”的效果。

防守时间窗口消退：AI攻击步入现实

“未来发展趋势是，攻击者可利用的能力、成本会进一步降低，速度会进一步提高。”绿盟科技集团CTO叶晓虎接受记者采访时以Hugging Face事件说明这一判断：防守方受制于安全围栏，掌握模型的一方却能借助模型能力越过边界，这正是该事件值得注意的细节。

“过去靠人一天能测的系统数量非常有限，当前IT资产数量急剧增加，完全覆盖不过来。”叶晓虎告诉贝壳财经记者。传统渗透测试既无法保证不同人员得出一致结果，也难以保持持续性；一旦复杂攻击链条超过三跳，就连专家也不易察觉，这些构成了它的核心问题。

与此同时，攻击侧正在加快AI化。叶晓虎注意到，无论工具、样本还是手段，利用AI实施攻击的案例都越来越多。他举例说，AI钓鱼邮件已由“广撒网”演变成“精准定制”，部分AI会自动爬取高校对象的公开资料，再依据研究方向制作定向钓鱼邮件，使接收者“防不胜防”。

叶晓虎说：“现在攻防形式的时间窗口很小，要求更频繁、更持续地做测试。过去比较重视安全的客户，一年可能做两三次。”攻防态势骤变后，测试频率与持续性要求随之上升，渗透测试因此不再只是“年度体检”，而成为“持续刚需”。

只需一句话下达任务，AI即可自主渗透数小时

任务规划、资产测绘、漏洞分析、攻击验证直至报告生成，被串联为端到端自主化渗透测试闭环；支撑这一流程的是智谱GLM-5.2大模型、1M无损上下文窗口以及长链路推理能力。在当前背景下，绿盟科技以新一代智能渗透系统AI-PTS 2.0完成了关键布局。

只需给出一句命令并指明渗透对象和方式，产品便会连续运行几个小时，独立完成整个过程；期间无需人工交互，它会自行思考和执行，面对加密防护也会寻找绕过办法。绿盟科技高级技术总监刘晓霞以此向记者概括了这款产品相较此前工具的本质区别。

能力跃升的根源，是GLM-5.2具备长程推理能力。传统渗透测试面对业务逻辑漏洞时，诸如“先登录、再找回密码、再越权修改”的时序攻击链，始终属于自动化工具难以触及的领域。借助AI驱动浏览器进行语义级页面识别和功能梳理，AI-PTS 2.0可智能衔接页面与功能之间的业务流转逻辑，复原系统真实业务场景，并完成目标系统的全面功能测绘。系统还会通过威胁建模锁定业务风险点，按照功能搭建风险验证Playbook，再对风险点实施精准漏洞验证，由此首次获得像人类专家那样从业务流程切入并开展“对抗性思考”的能力。

过去对一个系统开展渗透测试，需要几天甚至十几天，费用达到几万块；如今使用AI约三千万到八千万Token，实际经济成本可降至几千乃至几百块钱。刘晓霞同时坦言，高级工程师虽有个性化手法，但这些经验能够被AI-PTS 2.0吸收到产品中，因此即便使用者只是最初级安全工程师，系统给出的结果也不会逊于中级人员。

客户行为正被这种成本与效率上的巨大差距直接改变。

“使用我们的2.0产品时，客户发现过去评估出来没太大风险的系统，在新版本下检测到了新的安全风险。”绿盟科技技术专家刘红涛透露，产品发布仅两周，SaaS化服务便已在金融、运营商等客户中落地。随着攻防形式出现明显变化，客户过去一年进行两三次渗透测试，如今一次可能采购几十次（渗透测试服务）。

渗透测试开启“持续进化”，以AI迎战AI

“这一背景下，我们将自己多年积累的经验，行业konw how沉淀到了产品中。”刘红涛对记者解释，即便Mythos等模型自身具备一定安全攻防能力，强度仍显不足，因而还要叠加网络安全能力。

绿盟科技先把二十余年沉淀的攻防经验和渗透测试案例，分别整理为业务场景类Playbook与漏洞类Playbook，由此指导AI智能体开展任务；渗透任务每次形成的结构化评估数据，则重新输入系统，促使智能体和Playbook不断迭代。这套“数据飞轮”机制表明，AI-PTS 2.0并非把大模型直接套用在安全工具上。

自研的渗透测试领域专属Harness工程框架，而非单独的模型能力，构成绿盟科技的核心壁垒。它一方面使AI-PTS 2.0成为“网络安全领域的Claude”，另一方面允许客户在AI-PTS 2.0中使用其他模型。刘红涛解释，“数据飞轮”先以GLM-5.2为基准，把不断累积的测试策略和漏洞利用路径沉淀成知识基座；随后借助量化评估，准确衡量不同模型在各能力维度的差距，使所有模型拥有同等厚度的战术知识。“即使底层模型更换，渗透测试能力也不会下降，并确保在持续渗透的任务执行中不断进化。”

叶晓虎对安全行业范式转换的判断是：这一领域具有对抗性，新战法、新工具和新手段每个季度都会改变；人所发挥的价值，是判断并总结新挑战，再形成新的Skill推进演进。“AI来了之后，不是说替代漏洞扫描工具，而是AI在使用漏洞扫描工具。”从这一宏观视角出发，AI-PTS 2.0的发布正是该变化的缩影。

随着AI发现漏洞的能力不断增强，人类可用于安全防护的时间窗口正迅速缩小。AI-PTS 2.0所体现的，正是防守方通过“以AI对抗AI”完成的一次关键布局。

“所有系统都是不安全的，只是看攻击方攻击的力度有多强。”刘红涛说。随着AI重塑攻防边界，持续进化的安全基础设施正取代年度服务，成为渗透测试的新形态。今后的安全博弈或许不再以团队规模决定胜负，关键将是AI规模化战力与人类专家智慧融合得有多深。

文/罗亦丹

校对 刘军