在過去的網路安全攻防中，攻擊者通常需要花費數天甚至數週的時間來進行偵察、撰寫針對性的釣魚郵件、測試漏洞並在目標網路中橫向移動。但隨著 AI 技術的普及，攻擊的節奏已經從天縮短到了分鐘等級。
AI 如何加速攻擊路徑
現代攻擊者開始利用像 Mythos 這類 AI 模型來自動化攻擊流程。AI 能在極短時間內完成三件事：首先是精準的目標分析與誘餌撰寫，讓釣魚郵件看起來極其真實且具針對性；其次是快速的 A/B 測試，自動篩選出最有效的攻擊路徑；最後是極速的擴散，在防禦團隊還在處理第一則警報時，AI 已經讓攻擊者跳轉到下一個目標主機。
這種速度差異導致了一個嚴重的問題：大多數企業目前的應變計畫（Runbooks，指定義處理特定安全事件的標準操作流程）是基於人類的反應速度而設計的。當防禦方還在遵循步驟進行分析時，AI 驅動的攻擊已經完成了整個滲透週期。
傳統網路防禦的致命缺陷
傳統的防禦邏輯通常依賴於邊界防禦，也就是假設只要守住防火牆，內網就是安全的。然而，一旦 AI 協助攻擊者突破單一點位，他們就能在內網中快速地進行橫向移動（Lateral Movement，指攻擊者在進入內網後，從一台機器跳轉到另一台機器以獲取更高權限或尋找敏感資料的過程）。
由於傳統網路傾向於信任內網流量，這讓 AI 攻擊能像在高速公路上行駛一樣，迅速地在企業內部擴散，導致網路層級的防禦永遠落後於攻擊者的步伐。
對抗 AI 速度的實務防禦策略
要對抗機器速度的攻擊，我們不能僅僅依賴增加人力或購買更多監控工具，而必須從架構層面改變信任模型，將零信任（Zero Trust，一種不預設信任任何對象，無論其在網路內外，每次請求都必須經過驗證的安全性模型）落實到實務中。
首先是縮小攻擊面。透過落實最小權限原則（Least Privilege Access），確保每個使用者或工作負載僅能存取其完成工作所絕對必要的資源。這能有效減少 AI 掃描時能發現的可用路徑。
其次是從設計上杜絕橫向移動。放棄對內網的盲目信任，將網路切分為微小單元，僅允許經過驗證且必要的連線。當攻擊者即使突破了某個節點，也會發現自己被困在一個極小的隔離區內，無法輕易跳轉到其他伺服器。
最後是部署自動化陷阱。在網路中佈署誘餌或觸發線（Tripwires），一旦 AI 攻擊觸發這些異常行為，系統應立即啟動自動化封鎖（Automated Containment），在威脅演變成大規模事故之前將其隔離。
總結
AI 改變了攻防的量級，讓自動化攻擊成為常態。對於工程師而言，核心挑戰不再是如何更快地反應，而是如何建立一個不需要人類即時介入就能限制損害的系統。透過零信任架構減少可觸及範圍、切斷橫向路徑並導入自動化攔截，才能在 AI 時代建立起有效的防禦體系。
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。