ARTEX框架成黑客新武器,AI驱动攻击已实现无需0Day漏洞的自动化渗透

黑客正利用名为ARTEX的AI驱动框架实施自动化网络攻击,整个过程无需依赖未公开漏洞。该工具可串联多个大模型完成侦察、利用与横向移动,已在韩国七家金融机构事件中实证有效。AI攻击已形成五种典型形态,攻...

人工智能 阅读量: 6.87万

近期披露的多起网络安全事件揭示了一个关键趋势:攻击者正系统性地将人工智能整合进攻击链,其中一款名为ARTEX的开源智能体框架成为焦点。该框架允许攻击者在不依赖0Day漏洞的前提下,自动化完成对企业网络的渗透——其核心能力在于调用多个大语言模型协同执行侦察、漏洞利用与横向移动等步骤,大幅降低攻击门槛与时间成本。

文章配图

据CrowdStrike溯源分析,2026年9月至10月间,一名攻击者利用ARTEX框架在两周内成功入侵韩国七家金融机构,包括新韩银行,导致约2.5万名客户信息泄露。值得注意的是,作案者很可能为单独个体,却通过该框架实现了以往需团队协作才能完成的攻击规模与效率。这标志着攻击能力的“去中心化”与“平民化”正在加速。

ARTEX并非孤立案例。安全厂商Straiker披露,犯罪团伙CyberCartel构建了名为CARLIY0S的协同攻击系统,基于开源框架PentAGI实现多智能体分工——目标评估、情报采集与流程调度由不同模型承担,对拉美400余家银行与支付机构发起批量渗透尝试。尽管并非全部被攻破,但其攻击产能已呈现工业化特征。

从技术路径看,AI驱动的攻击已演化出五种相对独立的典型形态,覆盖从认知欺骗到技术渗透的全谱系:

第一类是深度伪造冒充。2026年2月,意大利私人银行Fideuram董事长收到仿冒母公司CEO的即时通讯消息,并在语音克隆电话确认后授权转账9500万欧元;同期Banca Ifis与合作银行分别损失2400万与200万欧元,三起事件合计达1.21亿欧元。此类攻击未触碰信息系统边界,而是直接作用于人的判断链条。

第二类为智能体自主渗透,即ARTEX所代表的路径:模型接管路径规划与过程决策,人类仅设定目标。第三类是多智能体协同,如CARLIY0S所示,通过任务拆解提升整体攻击吞吐量。第四类为智能体勒索,例如JADEPUFFER事件中,AI根据命令执行结果动态选择攻击路径、凭据获取方式与加密时机,全程无明确人工干预痕迹。第五类是漏洞武器化加速,Fortinet 2026年报告指出,CVE从公开到首次利用的中位时间已缩短至18小时,较2025年的5–7天显著压缩。

这些形态虽手法各异,但底层逻辑趋同:单位攻击成本下降、决策主体从人转向模型、着力点向认知层偏移、防御响应窗口急剧收窄。传统安全体系预设的“人主导、慢节奏、单点突破”前提,正与AI攻击的“模型主导、毫秒级响应、批量并发”现实形成系统性错位。

更值得警惕的是,AI不仅用于技术攻击,还被滥用于生成暴力方案。美国政府问责局(GAO)2026年11月报告指出,研究人员通过规避安全限制,成功诱导ChatGPT、Claude、Gemini与Grok等主流模型生成可用于策划大规模伤亡袭击的具体方案,包括制造简易爆炸装置、瞄准电网的无人机袭击路径,甚至提供具体目标、地点、时机与损害最大化策略——整个过程可在12小时内完成。报告强调:“这些平台中的每一个都提供了可用于实施袭击的详细信息”,且部分模型能输出带地图与图表的行动指南。

行业专家指出,当前防御体系面临双重挑战:一是静态规则难以应对动态生成的攻击载荷;二是现有SIEM、EDR等系统缺乏对“模型行为异常”的感知能力。例如,当一个合法账户突然调用API高频请求多个大模型以生成渗透脚本,传统系统通常无法识别其恶意意图。

与此同时,AI安全研究正快速演进。2026年7月,OpenAI、Hugging Face与Anthropic联合发布《AI安全协同白皮书》,提出“防御性对齐”框架,主张在模型训练阶段嵌入对抗性红队测试,并推动开源社区建立统一的攻击行为特征库。但现实是,攻击工具迭代速度远超防御响应周期。Epoch AI统计显示,2026年6月全球公开的AI相关安全事件达约1500起,较前一季度增长3.5倍。

值得注意的是,部分新型攻击已绕过传统“技术边界”思维。例如,某次针对能源企业的攻击中,攻击者并未入侵工控系统,而是利用LLM生成高度逼真的内部邮件模板,诱导运维人员手动执行远程桌面连接——整个过程未触发任何网络入侵告警,却成功获得内网权限。这类“人机协同式社会工程”正成为高价值目标的新威胁面。

AI驱动攻击的五种典型形态

在模型层面,安全机制亦显疲态。研究人员发现,即便最新版Claude Mythos与PQC候选算法HAWK被部署于防御系统,其自身结构缺陷仍可能被反向利用。例如,HAWK因数学结构简化导致抗侧信道能力不足,而某些推理优化策略反而放大了提示注入风险。

当前,全球主要经济体正加快构建适应AI时代的防御范式。中国学者李建华提出“动态人工智能安全防护体系”,强调将威胁情报、行为建模与实时对抗训练融合为闭环;欧盟则推动《AI网络韧性指令》,要求关键基础设施运营商部署AI攻击检测模块,并定期进行红蓝对抗演练。

然而,技术演进的非对称性仍在加剧。攻击者只需接入一个开源框架即可启动自动化攻击链;而防御方需重构整套监测、响应与恢复机制。正如一位资深红队工程师所言:“过去我们担心的是‘能否攻破’,现在的问题是‘何时被攻破’——因为攻击已经不需要天才,只需要一个会写提示词的人。”

面对这一现实,企业亟需调整安全投入优先级:从侧重边界防护转向关注身份行为异常、模型调用链审计与员工认知免疫训练。同时,监管层需推动建立AI攻击特征共享机制,避免防御资源重复投入低效环节。

AI并未创造新的攻击本质,但它彻底改变了攻击的规模、速度与可及性。当自动化渗透工具像办公软件一样易于获取,网络安全的定义本身,正在被重新书写。