近年來，人工智慧（AI）在提升生產力的同時，也正迅速地被轉化為網路攻擊的強大武器。根據 thehackernews.com 報導，美國政府近期發出警告，指出針對關鍵基礎設施的攻擊已演進至利用 AI 生成漏洞利用腳本（Exploit Scripts）的新階段。這類攻擊不再僅依賴頂尖駭客的手工開發，而是透過 AI 快速迭代攻擊程式碼，大幅降低了針對工業控制系統（ICS, Industrial Control Systems）的技術門檻與開發時間。
工業設備的 AI 漏洞利用威脅
美國國家安全局（NSA）、網路安全與基礎設施安全局（CISA 等多個政府部門指出，攻擊者正鎖定西門子（Siemens）的 S7 系列可程式邏輯控制器（PLC, Programmable Logic Controller）。PLC 是工業自動化中的核心設備，負責控制工廠機台、電力配電或水處理等物理流程。一旦 PLC 被入侵，攻擊者能直接操縱實體設備，導致生產中斷、設備損壞，甚至引發嚴重的安全事故。
這次攻擊的核心在於攻擊者利用 AI 協助分析公開的技術文件與已知漏洞，快速生成針對 S7-200、S7-300、S7-400 以及 S7-1200 和 S7-1500 等多個系列的攻擊腳本。這些腳本通常偽裝成合法的監控工具，利用 Python 語言並整合如 snap7.dll 或 python-snap7 等開源工業自動化函式庫。透過 S7comm 通訊協定，攻擊者能偽裝成正常的監控行為，進而讀取或寫入 PLC 的記憶體、修改設定，甚至竄改梯形圖（Ladder Logic）程式，也就是控制設備運作的邏輯指令。
偵查手段與攻擊路徑
攻擊者的作法具有高度的系統性。他們首先利用 Censys 或 ZoomEye 等網路掃描服務，在全網搜尋直接暴露在網際網路上、且運行過時軟體或缺乏安全防護的 PLC 設備。一旦鎖定目標，AI 生成的腳本便被用於獲取初始存取權限、竊取憑證或發動阻斷服務攻擊（DoS）。
受影響的範圍涵蓋了製造業、能源、水處理、化學、食品農業及商業設施等關鍵領域。這顯示出攻擊者並不僅僅針對單一品牌，而是將 Siemens PLC 作為突破口，其攻擊範圍可能擴展至其他品牌的工業設備。這種結合已知漏洞、開源函式庫與 AI 快速開發的模式，使得原本需要高度專業知識的工業攻擊，變得更具規模化且高機率成功。
從單一腳本演進至多代理自主攻擊
除了針對工業設備的腳本攻擊，AI 在網路攻擊中的應用已進一步演進為「多代理自主攻擊」（Multi-Agent Autonomous Attack）。以色列資安公司 Dream 的研究揭露了一起針對亞洲政府實體的攻擊案例。該攻擊使用了基於 Hermes 和 OpenClaw 的 AI 框架，部署了多達八個並行運作的子代理（Sub-agents），每個代理負責不同的攻擊任務。
這些子代理的分工極其精細：有的負責掃描政府門戶網站進行偵查，有的專攻單一登入（SSO）漏洞與憑證攻擊，有的利用 Tesseract OCR（光學字元辨識）來繞過驗證碼（CAPTCHA）進行密碼噴灑攻擊（Password Spraying），甚至還有專門研究 CVE（常見漏洞披露）並測試漏洞鏈的代理。
這種自主化框架最可怕之處在於其內建的學習引擎。AI 代理能自動搜尋 GitHub 儲存庫與安全研究報告，將最新的攻擊技術即時調整並應用於目標基礎設施。在短短四天內，該系統便產生了超過一千個檔案、破解了數十組憑證，並從政府網路中竊取了大量人員紀錄與資料庫權限，隨後將觸角延伸至核能安全機構與能源公司等供應鏈廠商。
防禦挑戰與實務建議
AI 的介入徹底改變了攻擊與防禦的成本對比。開發一個高效能攻擊方案的成本已大幅崩潰，但防禦端的成本卻沒有隨之下降。對於營運技術（OT, Operational Technology）的管理者而言，傳統的防火牆已不足夠。
面對 AI 驅動的威脅，首要任務是確保 PLC 等工業設備絕對不能直接暴露在網際網路上，必須實施嚴格的網路分段（Network Segmentation），將控制網路與辦公網路完全隔離。其次，必須維持軟體的即時更新，修補已知的高風險漏洞，並建立強大的存取控制機制。最後，由於 AI 攻擊能偽裝成合法監控工具，企業需要部署能識別異常行為的監控工具，而非僅依賴特徵碼比對，才能在 AI 快速迭代的攻擊面前及時發現威脅。
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。