文章总结： 本文记录了ClaudeCodeAI自主完成一次挖矿攻击事件响应的全过程，包括检查恶意进程、网络连接、攻击痕迹和持久化机制，最终生成分析报告并提供安全建议。AI展现出自主规划能力、全面的安全知识和连贯的执行能力，证明了AI在安全运维中的价值，能够降低安全事件响应门槛，让非专业人员也能完成专业级安全工作。 综合评分： 100 文章分类： 应急响应,AI安全,WEB安全,安全运营,实战经验
当 AI 成为安全工程师：Claude Code 自主完成一次挖矿攻击事件响应全记录
原创
雾能
雾帜智能
2025年12月6日 16:42 广东
引言
“帮我分析一下服务器上是否还有恶意软件残留，是否被植入了后门。”
当我把这个任务交给 Claude Code 时，并没有告诉它具体要执行哪些命令、检查哪些目录。接下来发生的事情让我印象深刻——它像一位经验丰富的安全工程师一样，自主规划检查流程，逐项排查系统各个角落，最终给出了完整的分析报告和修复方案。
本文记录了这次真实的安全事件响应过程，展示 AI 如何以”自主 Agent”的方式参与企业安全运维工作。
事件背景
我们的一台腾讯云服务器收到了安全告警：
- • 检测到 Next.js 远程代码执行漏洞（CVE-2025-66478）
- • 发现挖矿程序
Linux.Risk.Miner.Htgl
服务器上运行着一个 Next.js 应用，通过 3003 端口对外服务。我手动终止了可疑进程后，需要确认系统是否干净、是否存在后门。
我向 Claude Code 提供了以下信息：
- • 服务器的 SSH 连接方式
- • 云安全产品的告警内容
- • 终端中观察到的部分日志
然后，我只说了一句：“帮我调查清楚，系统里有没有残留，有没有被植入后门。”
AI 自主执行的调查过程
Claude Code 接到任务后，没有询问”要执行什么命令”，而是直接开始行动。它自主规划了一套完整的检查流程：
第一步：检查恶意进程
AI 首先想到的是确认挖矿进程是否真的被清除：
ps aux | grep -E 'miner|xmrig|kinsing|kdevtmpfsi|crypto' | grep -v grep
top -b -n 1 | head -20
它知道常见挖矿程序的进程名特征，并且检查了 CPU 占用情况。
第二步：检查网络连接
接着，它主动检查了网络状态——这是判断是否存在外连后门的关键：
netstat -tulpn
netstat -an | grep ESTABLISHED
第三步：追踪攻击痕迹
AI 根据告警中提到的恶意文件路径，深入检查了 /tmp 目录：
ls -la /tmp/
find /tmp -type f -mtime -1 -ls
它发现了一个可疑的 config.json 文件，主动读取内容后确认这是 XMRig 挖矿程序的配置文件，包含矿池地址和钱包信息。
第四步：全面排查持久化机制
这是最关键的环节。Claude Code 展现出了对 Linux 系统安全的深入理解，自主检查了所有常见的持久化位置：
定时任务：
crontab -l
sudo crontab -l
ls -la /etc/cron.d/ /etc/cron.daily/ /etc/cron.hourly/
SSH 后门：
cat ~/.ssh/authorized_keys
sudo cat /root/.ssh/authorized_keys
系统服务：
sudo find /etc/systemd/system -type f -mtime -1 -ls
sudo find /lib/systemd/system -type f -mtime -1 -ls
用户账户：
cat /etc/passwd | grep -E 'bash|sh'
sudo cat /etc/shadow | grep -v '!' | grep -v '*'
二进制文件篡改：
find /usr/bin /usr/sbin /bin /sbin -type f -mtime -1 -ls
LD_PRELOAD 劫持：
ls -la /etc/ld.so.preload
内核模块：
sudo lsmod
隐藏文件：
sudo find /home -name '.*' -type f -mtime -1 -ls
系统日志：
sudo journalctl --since '2025-12-06 14:00' --until '2025-12-06 15:00'
这些检查项覆盖了 Linux 系统中几乎所有常见的持久化手段，而我并没有逐一指示它去做这些。
第五步：清理与修复
确认系统状态后，Claude Code 主动执行了清理：
sudo rm -v /tmp/config.json
然后，它查看了项目的 package.json，确认当前 Next.js 版本存在漏洞，并完成了升级：
npm install [email protected] [email protected]
npm run build
AI 给出的分析报告
完成所有检查后，Claude Code 自动生成了一份结构化的分析报告：
攻击行为还原：
- 1. 攻击者利用 Next.js 漏洞执行命令
- 2. 从外部服务器下载挖矿程序（约 2.67MB）
- 3. 在
/tmp目录部署挖矿程序和配置文件 - 4. 尝试在
/dev目录创建持久化脚本（失败） - 5. 尝试使用
pkill终止其他进程（失败）
检查结果汇总：
| 检查项 | 状态 | 说明 | | — | — | — | | 挖矿进程 | ✅ 已清除 | 进程已被终止 | | 恶意文件 | ✅ 已清理 | 配置文件已删除 | | Crontab | ✅ 正常 | 未被篡改 | | SSH 密钥 | ✅ 正常 | 无新增后门密钥 | | 系统服务 | ✅ 正常 | 无恶意服务 | | 系统二进制 | ✅ 正常 | 未被替换 | | LD_PRELOAD | ✅ 正常 | 无劫持 | | 用户账户 | ✅ 正常 | 无新增用户 |
结论： 系统目前是干净的，攻击者的持久化尝试因权限不足而失败。
安全建议：
- 1. 升级 Next.js 到最新版本（已完成）
- 2. 使用 Cloudflare Tunnel 等方式避免直接暴露端口
- 3. 检查应用代码是否被注入
为什么攻击影响有限？
Claude Code 还主动分析了攻击未能得逞的原因：
- 1. 权限隔离：Next.js 应用以普通用户运行，没有 root 权限
- 2. 文件系统保护：
/dev等关键目录对普通用户只读 - 3. 及时响应：云安全产品告警后快速处置
思考：AI 在安全运维中的价值
这次经历让我对 AI 参与安全运维有了新的认识：
1. 自主规划能力
我只描述了问题，没有给出具体指令。Claude Code 自己规划了完整的检查流程，覆盖了进程、网络、文件系统、持久化机制等多个维度。这种能力对于安全事件响应尤为重要——你不需要是安全专家，AI 会帮你想到该查什么。
2. 知识的广度和深度
从常见挖矿程序的进程名，到各种持久化技术（crontab、systemd、SSH 密钥、LD_PRELOAD、内核模块），Claude Code 展现出对 Linux 安全的全面理解。它甚至能识别出日志中的漏洞利用特征（MEOWWWWWWWWW）。
3. 执行的连贯性
整个过程一气呵成：检查 → 分析 → 清理 → 修复 → 报告。不需要人工在每个步骤之间做衔接，AI 自己判断下一步该做什么。
4. 降低响应门槛
不是每个团队都有专职的安全工程师。有了 AI 的辅助，运维人员也能完成专业级别的安全事件响应。
写在最后
这篇文章的目的不是说 AI 可以完全取代安全工程师，而是展示一种新的协作模式：人类负责决策和判断，AI 负责执行和分析。
在这次事件中，我做的事情很简单：
- • 提供背景信息和访问权限
- • 确认是否执行清理和升级操作
其他所有工作——规划检查流程、执行命令、分析结果、生成报告——都是 Claude Code 自主完成的。
当 AI 能够像一位经验丰富的同事一样协助工作时，我们的效率和能力边界都会得到扩展。这可能就是 AI Agent 在企业场景中的真正价值所在。
版权声明
本站仅做备份收录，仅供研究与教学参考之用。
读者将信息用于其他用途的，全部法律及连带责任由读者自行承担，本站不承担任何责任。
评论