返回资讯中心
外部精选
云计算
#边缘网络#Attacks#LLM#Penetration Testing#Security

Cloudflare 观测到 AI 渗透测试框架激增,数千 IP 正扫描其客户

来源标题:Adapting to AI penetration testing orchestrators: The Modern Security Model

Cloudflare 发现,过去三天内有超过 50 个 LLM 渗透测试与编排框架家族试图扫描其全球客户,相关 IP 地址已达数千个并持续增长。ARTEX 原作者 Autumn-27 已于 10 月 8 日下架该项目,但其衍生生态迅速膨胀,现有逾 1.2 万个仓库和数百个含原始代码的独立分支。Cloudflare 称防御方正难以跟上这类自主攻击的规模。

Cloudflare BlogBlake Darché2026/11/13 · 4 天前30 分钟阅读

以下正文由 AI 翻译自 Cloudflare Blog(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。

过去一个月里,大语言模型(LLM)渗透测试与编排框架的数量呈爆发式增长。就在几周前,ARTEX——一个自动化进攻性安全工作流的开源代理式渗透测试系统——还是唯一可用的框架。而仅在过去三天内,我们就看到超过 50 个框架家族尝试对全球 Cloudflare 客户进行扫描。运行这些框架的互联网协议(IP)地址数量已增长至数千个,并且每天都在持续增加。这些框架的迅速扩散极大地改变了网络防御的现状:防御者正艰难应对这些自主引导攻击在数量上的压倒性优势。 ARTEX 于 10 月 8 日被其创建者 Autumn-27 下架。(“对此工具的恶意利用完全违背了其初衷,”他们用中文写道。)但在其后的一个月里,整个生态系统中涌现出大量碎片化的新版本。目前已有超过 12,000 个代码仓库,其中有数百个独特的 fork 含有源自原始仓库的血统。此外,自 10 月 8 日以来,还创建了数百个其他类似的代理式编排框架。自 10 月 1 日以来,对 AI 渗透测试(pentesting)与漏洞利用工具的每日请求量增长了 30 倍。在一些更复杂的攻击中,这些工具还开始串联窃取的客户凭据,例如在整个环境中进行横向移动的链式攻击。 我们预计这些框架将继续扩散,每个组织都应做好准备应对这一威胁。为对抗基于 LLM 的渗透测试框架,我们建议所有组织采用我们所说的“现代安全模型”,它包含六大关键支柱:

  • 加固前门:部署具有速率限制等高级规则的 Web 应用防火墙(WAF)。
  • 门厅设防:对客户访问的所有 Web 应用进行异常检测。
  • 识别虚假访客:部署 Bot Defense。
  • 移除后门:对所有高风险的外部与内部 Web 应用实施 Identity-Gated Access。
  • 检查投递物:强制执行经过验证的 schema 和明确的安全控制。
  • 邻里守望:部署 Threat Intelligence 以获取对攻击的可见性。

什么是 LLM 渗透与漏洞利用编排器?

开源渗透测试框架能够编排 AI agent,大规模执行传统网络杀伤链(Cyber Kill Chain)的各个阶段。像 ARTEX 这样的工具可以快速接入现有的 Model Context Protocol(MCP),并以新颖的方式连接传统的独立渗透测试工具。有些甚至允许操作员指定要完成何种类型的任务。这些工具可以从内部和外部对环境和资产进行测绘与枚举。ARTEX 及其 fork 将资产和环境映射到一张图上,使多个独立的并行 agent 能够以推理的速度进行枚举、验证、原型构建和攻击。这些工具将入侵行为转化为一个可攀爬的问题,而这正是 agent 特别擅长的。

目前已有的 AI LLM 渗透测试工具

我们目前追踪着 50+ 个 AI LLM agent。下表展示了排名前五的 LLM 渗透与漏洞利用编排器。每一个都极受欢迎(1k+ GitHub stars)且完全自主。这些 agent 的完全自主特性代表了进攻性网络能力上的一次理念转变:

  • 人类技能不再是限制:一个 harness 执行 OODA 循环的每一步——观察环境、定位自身以优先处理有价值或易受攻击的目标、决定行动并自主执行。
  • 速度提升:与单一操作员或由 AI 辅助的多操作员相比,多个并行 agent 朝着同一目标工作是一个巨大的转变。
  • 规模扩大:单个操作员可以同时针对多个组织,极大增加了其攻击影响范围。
  • 小错误极易被发现:自主框架会无情且系统性地测试暴露的服务,包括其配置。 架构 规划模型 内置能力/执行环境 后渗透能力 ARTEX(及其 fork) 规划器与并行 agent 目标、线索和发现的图,与目标的独立资产图相链接 直接在主机或具有网络/root 访问权限的容器上运行,可按需安装/开发工具 无内置功能,需要用户指令 LuaN1aoAgent 监督 agent、规划 agent 和通用执行 agent 三张图,分别包含目标/任务/阻塞项、证据/假设/漏洞利用,以及目标/本地 具有网络/用户访问权限的容器,可按需开发工具并安装用户包 内置 SSH 和 Chisel,用于隧道传输及中断后尝试重连 Decepticon 编排器 agent 调度专家子 agent 带前置条件的目标图 以 root 运行的 Kali 容器,可按需开发工具 专用的后访问、Active Directory 和云环境横向移动技能 Cairn 调度器将工作编排至现有的 AI harness(Codex、Claude Code、Pi) 事实与线索图;新节点会触发调度器 具有 root 访问权限的 Kali 容器,或直接在主机上运行,可按需开发工具 提示引导和 Kali 工具 PentestGPT-Agent 监督 agent 和一个通用执行 agent 带依赖关系、目标和证据的任务列表 在主机上运行,可按需开发工具 无内置功能,需要用户指令

来自全球最大网络的观察

截至 11 月 12 日,ARTEX 及其 fork 占目前已知 AI 渗透测试编排器的 60% 以上。下面的图表帮助我们了解这些工具的采用情况在过去六周内发生了怎样的变化。自 10 月 8 日原始 ARTEX 仓库被移除以来,流量增长了十倍以上,而自 10 月 1 日以来增长已超过 30 倍。

(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)

正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。

打开原文
去社区讨论 →