這篇文章將為工程師詳細解析近期一場由 AI 驅動的自動化攻擊案例。這場攻擊的核心在於駭客不再是手動輸入每一行指令，而是利用 AI Agent（AI 代理）來接管整個漏洞掃描與利用的生命週期。
什麼是 AI Agent 及其在攻擊中的角色
在傳統的滲透測試或攻擊中，駭客需要經歷偵察、掃描、分析漏洞、嘗試利用等步驟，每一步都需要人工操作。然而，本次事件中，攻擊者使用了名為 Hermes Agent 的開源框架，並將 DeepSeek 作為其核心推理模型。
AI Agent 與一般聊天機器人的不同之處在於它具備執行能力。它不僅能生成文字，還能透過 API 存取終端機、執行 Python 腳本、調用網路搜尋工具以及操作檔案系統。在這個案例中，駭客僅透過 Telegram 發出初步指令，隨後 AI Agent 便開始在後台自主運行，無需人類干預地完成尋找目標、下載漏洞利用代碼（Exploit）並嘗試攻擊的過程。
自動化攻擊的技術路徑
根據 Palo Alto Networks Unit 42 的分析，該 AI Agent 的操作邏輯展現了高度的自主性，其流程大致如下：
首先是目標偵察。AI Agent 利用 FOFA（一種網路空間搜尋引擎，類似於 Shodan，用於尋找暴露在公網上的設備與服務）來搜尋特定軟體的安裝實例。
其次是漏洞選擇與分析。AI Agent 會在 GitHub 上搜尋最新的 PoC（Proof of Concept，概念驗證代碼），分析漏洞的嚴重程度、部署規模以及可利用性。如果發現某條路徑行不通，它會自動放棄並切換到另一個漏洞路徑。
最後是執行利用。例如，AI Agent 嘗試攻擊 Langflow（一個 AI 工作流構建工具）的代碼注入漏洞，在發現目標配置不符合要求（如未開啟自動登入）後，它自動轉向攻擊 n8n（一個工作流自動化平台），並嘗試將兩個不同的 CVE 漏洞串聯起來形成攻擊鏈。
CVE 漏洞串聯的概念
對於 Junior 工程師來說，需要理解 CVE（Common Vulnerabilities and Exposures）是全球標準的漏洞識別編號。單一漏洞有時無法直接達成目標，因此攻擊者會使用漏洞鏈（Exploit Chain）。
在本案中，AI Agent 嘗試將一個未經身分驗證的檔案存取漏洞（CVE-2026-21858）與一個表達式注入漏洞（CVE-2025-68613）結合。這種做法是為了繞過安全防護，先透過第一個漏洞獲取某些資訊，再利用第二個漏洞執行遠端代碼（RCE）。
攻擊失敗的原因與防禦啟示
儘管 AI Agent 展現了強大的自動化能力，但大多數的自動化嘗試最終失敗了。原因在於現實世界的系統配置具有差異性，AI 雖然能找到運行漏洞版本的系統，但如果目標系統缺乏特定的配置（例如缺乏公開的表單端點或未開啟特定功能），自動化腳本便無法成功觸發漏洞。
然而，這並不代表 AI 攻擊沒有威脅。這證明了攻擊的門檻正在降低，且攻擊頻率將大幅提升。一旦 AI 發現一個通用且配置要求低的漏洞，它可以在極短時間內對全球數萬個目標發起精準攻擊。
工程實務上的防禦建議
面對 AI 驅動的自動化掃描，傳統的防火牆已不足夠，建議採取以下措施：
第一，及時更新補丁。確保 Langflow、n8n、Marimo 以及 NetScaler 等設備更新至最新版本，修補已知的 CVE 漏洞。
第二，最小化暴露面。檢查所有對外開放的介面，移除不必要的公開存取權限，尤其是工作流編輯器或 Notebook 類型的介面。
第三，強化身分驗證。避免使用預設配置或開啟不必要的自動登入功能，增加攻擊者利用漏洞的難度。
有趣的側寫：駭客的失誤
值得關注的是，這次攻擊之所以被發現，是因為 AI Agent 在執行過程中啟動了一個簡易的 Python HTTP 伺服器（python3 -m http.server 8888）。這個伺服器意外地將駭客的模型配置、API 金鑰、攻擊腳本以及操作日誌全部暴露在公網上，讓安全研究人員得以復原整個攻擊過程。這提醒我們，即便使用 AI 輔助，基礎的安全配置失誤依然是致命的。
來源：thehackernews.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。