💬 观点AnthropicLLM 自动摘要 · deepseek-v3-2-251201待验证
What we learned mapping a year’s worth of AI-enabled — Anthropic 分析一年内 AI 驱动的网络威胁，揭示攻击者如何用 AI 深
Anthropic 分析一年内 AI 驱动的网络威胁，揭示攻击者如何用 AI 深化攻击链，传统安全框架已显不足。
2026-06-05原文
本条为 LLM 自动摘要（model:
deepseek-v3-2-251201）。 细节以原文为准。发现错误请在 GitHub 提 issue。Anthropic 通过分析 832 个因恶意网络活动被封禁的账户，揭示了 AI 如何重塑网络攻击格局。
- 攻击重心后移：研究发现，攻击者使用 AI 的活动正从初始入侵（如钓鱼）转向入侵后的复杂阶段（如横向移动、权限提升），这使得更多攻击者能执行以往需要高技能的操作。
- 对防御者的含义：安全团队需将监测和防御重点向攻击链深处延伸，不能只关注边界防御。
- 风险评估失效：由于 AI 能代劳技术任务，攻击者使用的技术数量、工具平台与其真实风险水平关联性减弱。高风险攻击者的新标志是利用 AI 编排攻击链，实现高度自动化。
- 对工具链的含义：传统的基于 IOC 和简单行为指标的风险评分模型需要升级，以捕捉 AI 驱动的自动化攻击模式。
- 安全框架滞后：像 MITRE ATT&CK 这样的主流框架尚未收录 AI 代理自主协调攻击步骤、做出实时决策等关键行为，导致其对高危攻击者的刻画不足。
- 对开发者的含义：开发新的安全工具和威胁模型时，需要超越传统框架，定义和检测 AI 特有的攻击技战术。
原文：What we learned mapping a year’s worth of AI-enabled cyber threats · 作者 Anthropic