精彩回顾！AI 赋能下的自动化攻防分享

近日，安全极客和 Wisemodel 社区联合举办了“AI+Security”系列的首场线下活动，聚焦于“大模型与网络空间安全的前沿探索”这一前沿主题。在此次活动中，墨云科技合伙人彭逍遥先生发表了题为《AI 赋能下的自动化攻防》的精彩演讲，从底层技术的角度，深入探讨了 AI 在小模型时代和大模型时代如何赋能自动化攻防实践，同时展望了未来发展的三大趋势，为与会者提供了一场内容丰富、视角独特的技术分享。

01 小模型时代的 AI 赋能实践

Cyber Kill-Chain 是一个六阶段的网络攻击模型，它不仅帮助我们理解攻击者的行为，还指导我们如何预防这些攻击。理论上，越早在 Cyber Kill-Chain 中采取行动，就越能有效阻止攻击。在 AI 小模型时代，人工智能（AI）在侦查、漏洞利用、安装植入和命令与控制阶段发挥了重要作用，显著提升了自动化攻防的能力。

彭逍遥先生指出，在小模型时代，知识图谱在数据驱动的行为中扮演着关键角色。通过定义 IP 资产、端口与服务、漏洞、数据、工具等数据实体，并构建攻击技战术的知识库，AI 能够表达和利用这些实体之间的关系，形成完整的攻击技战术。这不仅包括触发攻击的前置条件，还包括具体利用的漏洞和工具，使得攻击路径更加精准和高效。

AI 在小模型时代的一个关键应用是攻击路径决策。通过总结安全专家的渗透经验，自动化决策模型能够识别和梳理现有的资产信息，发现最优的攻击路径，实现在没有人类干预的情况下进行网络渗透攻击。这种方法大大减少了手动渗透测试的时间和成本，提高了攻击效率。攻击路径决策的实施涉及多个维度的提取和智能决策模型的应用。例如，决策模型需要考虑如何选择攻击目标、如何应用历史攻击数据、以及如何适应不断更新的攻击组件等因素。

如下图所示，彭逍遥先生通过 3 个精心挑选的应用案例，深入阐释了在大模型兴起之前，AI 在安全领域攻击端的赋能应用。他指出，在小模型时代 AI 模型各自承担着特定的角色，独立完成各自的攻击任务，这种“一对一”的应用策略意味着每个模型都是为特定的攻击场景量身定制的，通过专门的设计和训练，以确保在面对复杂多变的安全挑战时，能够提供精确且高效的解决方案。而且，通过持续的模型训练，人工智能系统能够不断学习并适应新的环境，有效弥补了传统规则驱动系统在面对快速变化场景时的局限性。这一训练过程不仅提升了 AI 模型的适应性和灵活性，同时也显著增强了其在安全领域攻击端的效能，使其能够更加高效地应对各类安全威胁。

02 大模型时代的 LLM 赋能自动化攻防

在大模型时代，AI 赋能的自动化攻防技术取得了显著进步，展现出更强的智能化和自动化能力。AI 技术不仅能够自主完成复杂任务，还能通过大规模数据学习和高级推理来优化攻击决策。

首先，AUTO_GPT 是一种 AI 智能体，能够自主执行复杂任务，减少人为干预。它能够根据任务需求自动生成攻击计划、执行渗透测试，并根据目标系统的防御机制调整策略。同时，大模型智能体（LLM Agents）也发挥着重要作用，它们能够利用 0day 漏洞，即在漏洞被披露的当天就进行攻击。借助大规模语言模型的理解和生成能力，LLM 智能体能够快速分析漏洞信息，并制定执行攻击计划。

在大模型时代的攻击决策中，基于 ATT&CK 模型和 CTI（结构化威胁信息表达式）的方法得到广泛应用。ATT&CK 模型详细描述了攻击者的行为和技术，而 CTI 提供了结构化的威胁情报数据。结合这两者，AI 能够更精准地进行攻击决策，选择最有效的攻击手段。

Vuls-Mapping 技术允许大模型将漏洞描述转化为结构化的 ATT&CK 模型技术。这种方法使 AI 能够数据驱动地进行行为分析和攻击决策，提高攻击成功率。为了优化攻击策略，大模型时代还引入了 t-SNE 数据降维与可视化方法。t-SNE 是一种高维数据降维技术，能够将复杂的攻击前置条件和参数可视化，帮助安全专家直观比较和优化不同的攻击策略。

在大模型时代，人工智能（AI）的应用已经扩展到了 Web 漏洞分析、多模态模型和逻辑漏洞分析等多个领域，极大地提高了自动化攻防的效率和智能化水平。

1. 在 Web 漏洞分析方面，AI 展现出了卓越的理解和分析能力。通过深入分析 JavaScript 注入、事件触发机制、输出结果以及 HTTP 报文，AI 能够精准识别 Web 应用中的安全漏洞，并利用这些漏洞进行有效的攻击。

2. 多模态模型的应用则进一步增强了 AI 的工程化能力。这些模型能够从人的视角出发，理解和解决复杂的工程问题。例如，开源的大模型能够深入理解页面的功能，识别填充内容和接口功能，从而提高攻击的精准度。

3. 逻辑漏洞分析是大模型时代的另一个重要应用领域。利用 RAT 技术（如 CoT 和 RAG 的协同提示策略），AI 能够进行复杂的逻辑漏洞分析，识别系统中潜在的安全威胁。这种分析能力对于提前发现并防范攻击至关重要。

03 自动化攻防的未来三大趋势

在分享尾声，彭逍遥先生结合当前大模型的应用和未来发展趋势，提出了自动化攻防未来的三大趋势：

1. 逻辑漏洞处理：在未来的自动化攻防领域中，逻辑漏洞将成为一个重要的关注点。这些漏洞通常隐藏在软件的深层逻辑中，难以通过传统方法发现和利用。AI 将利用更先进的模型和算法，自动识别这些复杂的逻辑漏洞，并提供相应的修复方案。

2. 防御对抗技术：随着攻击技术的不断进步，防御技术也需要持续升级以应对新的威胁。AI 将在这一过程中扮演关键角色，通过模拟攻击者的策略和防御者的对策，不断优化安全策略，从而提高整体的防护水平。

3. 智能工具编写：AI 将继续赋能安全工具的开发和优化。未来的安全工具将能够自动适应不同的攻击场景和目标，这将极大提高工具的使用效率和效果，使安全专家能够更快速、更精准地应对各种安全挑战。

04 写在最后

人工智能技术，尤其是大模型的广泛应用，为自动化攻防领域带来了新的机遇和挑战。通过 AI 赋能，安全防护的效率和准确性得到了显著提升。然而，当前技术仍存在一些局限，需要进一步研究和完善。未来，随着技术的不断进步，AI 将在自动化攻防中发挥越来越重要的作用，助力我们构建更加安全的网络环境。

"AI+Security"系列第二期专题分享嘉宾火热征集中。我们诚挚邀请来自人工智能（AI）和网络安全领域的行业专家与领军人物，共同参与分享。一起深入探讨并分享关于"AI+Security"技术理念的见解和经验。我们期待您的加入，一起推动 AI 与安全技术的融合与创新。

请关注微信公众号：安全极客，观看本次演讲视频