AI 代理攻擊進入全自動時代:Google 揭露機器速度入侵,企業防線還跟得上嗎?

in ,
閱讀時間: 8 分鐘

Google 威脅情報組(GTIG)與 Mandiant 於 11 月 16 日發布本季的 AI 威脅追蹤報告 GTIG AI Threat Tracker, Agentic Threat Activity Crosses a Significant Threshold,標題直接告訴大家,目前 AI 代理式威脅活動已經超過一個重要門檻。報告指出,攻擊者已從手動下提示詞,進一步部署自主多代理框架、自動化漏洞利用管線,以及 LLMJacking 這類新型變現方式。

最關鍵的一句是,GTIG 首次確認攻擊者用 LLM 框架完全自動化漏洞發現與利用,整個流程沒有人員介入。

這份報告的價值在於它把過去一年半的變化串成一條線。CyberQ 整理報告中的量化資料與案例,並用表格比較 2025 年與 2026 年的攻防現況,最後指出企業現在就能處理的缺口。

報告的四個轉折

  • 從提示詞到自主工作流:攻擊者開始使用開源多代理滲透測試框架,包括 ARTEX、CAIRN、CyberStrikeAI、HexStrike AI 與 PentAGI,自動串接多階段入侵。
  • 漏洞研究與利用全自動化:以差異分析比對修補前後的程式碼,快速武器化 n-day 漏洞,並對外網伺服器大規模利用,不再需要人工逐個確認。
  • LLMJacking 與算力變現:財務動機攻擊者竊取雲端環境的 LLM 憑證與算力額度,再透過地下代理服務轉售。單日異常帳單曾超過 10 萬美元,最嚴重案例累計達 100 萬美元。
  • 資訊作戰全面整合:國家背景組織、商業影響力服務商與政治流量變現網路,已把 LLM 納入標準流程,用於生成合成媒體、建立在地化形象與跨平台自動發布。

2025 與 2026 年的現況比較

面向2025 年至 2026 年初2026 年第四季現況意義
操作模式以手動提示詞輔助分析與寫腳本,人仍主導每個階段。多代理框架自主執行偵察、利用、橫向移動與善後,人只在起點設定參數。攻擊時程從數天壓縮到數分鐘。
漏洞利用零日 exploit 平均每月 8 個,n-day 武器化仍偏人工。零日平均每月 11 個,8 月增至 22 個。揭露與利用總量在 1 月至 8 月幾乎翻倍。修補窗口變短,n-day 成為主要戰場。
工具生態少數框架處於實驗階段,多為單一代理。至少五個開源框架實戰化,另有組織自建框架,LLM 路由與推論服務開始專業化。進入門檻下降,複製速度快。
變現方式主要靠勒索、資料轉售與加密貨幣挖礦。新增 LLMJacking 與 LLM Mixer,憑證與 token 額度本身成為商品。雲端帳單成為新的攻擊面。
資訊作戰LLM 多用於翻譯與草稿,人工校對比重高。形象、圖像、影片、發布與互動全流程自動化,單一平臺可管理超過 10 萬個帳號。偵測協同行為更難。
隱蔽性人工操作節奏慢但痕跡少。代理框架換取速度,留下大量鑑識流量、可辨識的 User-Agent 與程式碼痕跡。現在仍有偵測窗口,但會逐漸縮小。
防禦負擔以修補與邊界防護為主。還須驗證大量 LLM 產出的假 POC、查核 AI 設定檔與代理執行權限。驗證成本成為新的資源消耗。

五個開源代理框架

框架架構與能力GTIG 觀測狀況
ARTEX多代理滲透測試框架,可自動探索與利用低複雜度漏洞。已在實戰中廣泛使用。Wiz 觀測到 Storm-0940 以它擴大對 IT 與軟體廠商的攻擊。
CAIRN採 OODA 循環,多個專用代理透過共享白板協作,從單一目標 IP 推進到作戰目標。GTIG 獨立觀測到實際入侵,目標包括美國航太產業。
CyberStrikeAIGo 後端作為 C2 與編排伺服器,連接 100 多項安全工具、YAML 攻擊配方與自訂腳本。觀察到攻擊者實驗使用。
HexStrike AIMCP 整合的攻擊框架,連接 150 多項工具,由 12 個以上子代理協調偵察、網頁測試、利用與二進位分析。觀察到攻擊者實驗使用。
PentAGI為降低操作門檻設計,適合初階操作者執行複雜戰役。2026 年 8 月底至 10 月初,GTIG 追蹤到攻擊者以客製化 PentAGI 平臺對亞洲多家組織進行系統性偵察與漏洞掃描。

框架之外,報告還提到 ZeroHollow 這類用於漏洞開發與 LLM 路由的推論服務,以及具備自主程式執行與動態工具生成能力的 Agent Zero。GTIG 也觀察到有中國背景的組織正在自建自動化攻擊框架,顯示工具生態仍在快速分化。

三個值得細看的案例

案例一:exploit_agent

GTIG 發現一台暴露在外的測試伺服器,上頭執行名為 exploit_agent 的多代理漏洞研究與武器化框架,整合多個前沿與地端 LLM。它持續對熱門網頁應用程式做差異分析,比對修補前後程式碼、找出問題、撰寫 exploit 並自動執行。伺服器上的痕跡顯示,操作者特別關注法國媒體娛樂產業與教育部門的網站。程式註解使用俄文,顯示操作者可能是俄語背景。

案例二:PaperCut 與 PHP 漏洞

2026 年 8 月底,攻擊者把 PaperCut 印表伺服器的兩個漏洞當作零日利用,分別是 CVE-2026-81578 的驗證繞過與 CVE-2026-82078 的不安全動態類別載入,串接後可達成未驗證的遠端程式碼執行。研究人員與 Huntress 在揭露後一天內就用 LLM 產出可用的 exploit。GreyNoise 觀測到揭露四天後的戰役活動,攻擊者可能用 LLM 建立與測試 exploit、組裝目標清單,並對數百家組織發動大規模利用,從初始落點擴大到網域管理員只花數分鐘。

案例三:AI 設定檔成為供應鏈入口

疑似 MIDNIGHT NEPTUNE 的組織在北美洲與歐洲的加密貨幣入侵中,把 LLM 軟體架構當成橫向執行的通道。它先以含 SynthID 浮水印的假招募人員照片建立形象,再用 ClickFix 誘導目標執行修復腳本,隨後進入內部程式碼儲存庫,修改 .claude/settings.json,讓使用者啟動 Claude Code 時自動下載 SOMBERMEME 後門。為了降低疑心,它還把產生的 GitHub Personal Access Token 命名為 Microsoft Copilot。

資料背後的三個解讀

第一,零日並沒有因為 LLM 而爆炸

2025 年平均每月 8 個,2026 年多數月份約 11 個,8 月才跳到 22 個。真正翻倍的是揭露總量與 n-day 利用,這符合 LLM 善於比對已知修補、快速改寫 exploit 的特性。換句話說,LLM 目前最強的領域是「把已修好的漏洞重新打穿」,不是「憑空找到新漏洞」。

第二,LLM 產出的 exploit 數量不等於品質

PHP 的 CVE-2026-109618 與 CVE-2026-109619 在 10 月 21 日修補後,社群湧現數百個聲稱可用但實際跑不通的 POC,多半由 LLM 生成。防禦方因此多了一層驗證工作,必須分辨哪些 POC 真的能重現問題。

第三,速度與隱蔽性目前是交換關係

GTIG 明確指出,這些框架以隱蔽性換取速度,會產生大量鑑識流量、依賴可辨識的識別字,並留下程式碼層級的痕跡。這代表現在仍有偵測機會,但報告預期隨著模型能力提升,隱蔽性會改善,屆時防禦方會更難分辨人類與代理的行為。

攻防現況比較

攻擊端的採用速度明顯快於防禦端。開源框架只要接上 API 就能用,企業卻要面對授權、日誌、告警規則與既有流程的整合。Google 在報告中列出自家防線,包括以 Gemini 與 Wiz 風險排序、CodeMender 自動修補與 Mandiant 情報組成的 Google AI Threat Defense,以及具備資安與長時程能力的 Gemini 4 Carbon。Google 也強調 Big Sleep、CodeMender 與漏洞獎勵計畫在事前找出問題。

這些措施反映一個方向,防禦也必須代理化,否則追不上機器速度。但閱讀時要注意立場,這份報告由 Google 發布,資料來自自家平台與 Mandiant 客戶,防線介紹也以自家產品為主。外部研究確實提供部分佐證,例如 Wiz 對 ARTEX 的觀測、Huntress 與 GreyNoise 對 PaperCut 戰役的分析,但整體趨勢判斷仍應視為單一大型雲端廠商的視角。

企業現在可以做的事

CyberQ 根據輔導的經驗,認為現階段許多公司可以先做的事情有這些:

  • 把修補速度當成核心指標:n-day 武器化已壓縮到揭露後數小時至數天,優先修補對外服務與已知被利用的漏洞。
  • 盤點 AI 憑證與算力額度:LLMJacking 的帳單會在數小時內爆增,設定用量異常告警與金鑰輪替。
  • 查核 AI 代理的設定檔與執行權限:.claude/settings.json 這類檔案已成為供應鏈入口,應納入版本控制與變更審查。
  • 建立代理流量的基準線:記錄常見 User-Agent、請求節奏與來源網段,才能辨識框架留下的足跡。
  • 對 LLM 產出的 POC 做重現驗證:不要只看「有人說可利用」,要確認在自己的版本與設定下能重現。
  • 把資訊作戰納入品牌監測:形象與內容已可量產,協同行為的偵測要比對發布節奏、帳號年齡與跨平臺一致性。

這份報告最重要的訊息,是攻擊流程已經可以整段交給機器執行。對企業而言,防守的單位要從一個漏洞改成一段時」,因為對手現在能在同樣的時間裡打完更多輪。

能不能追上,取決於修補、憑證管理與代理行為的可觀測性,而不是買了哪一套 AI 資安產品。

延伸閱讀

Wiz:ARTEX in the Wild、
Huntress:PaperCut 積極利用、
GreyNoise:AI 編排的 PaperCut 戰役