前沿AI大模型仅用16分钟攻入工控系统，直抵OT控制区

FreeBuf

2026年10月13日 18:00
上海

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

Part01

博思艾伦开展OT攻防测试

博思艾伦（Booz Allen）在其位于弗吉尼亚州尚蒂伊的实验室中，将前沿AI模型接入隔离的工业控制测试环境，观察到模型完成了预设的全部8项攻击目标。

模型自主完成网络测绘，将设备与已知漏洞关联，编写可直接运行的漏洞利用代码，横向移动到生产运行系统。在最后一项测试中，模型定位到一台机械臂，获取其管理员权限并操控机械臂完成移动。

该测试环境模拟真实制造工厂场景，部署了数百台IT与OT设备、真实控制器、一套SCADA平台、电机驱动器、传感器以及前述机械臂，按照真实工厂的分层分区架构组网。

在一次测试中，模型从突破网络边界到在控制区内执行操作，仅用时16分钟出头，以人类的响应速度几乎来不及介入。根据测试规则，模型在执行任何可能引发物理影响的操作前，都会暂停等待人工确认。

Part02

AI自主规划攻击路径

测试人员仅向模型提供了子网边界信息，没有提供代码、工程文档或任何OT相关指导。仅凭这些信息，模型就自主制定了详细的攻击计划。

在一次测试中，模型发现一台保护继电器每秒都会发送一次相同的网络请求，且始终未收到响应。这类继电器的作用是感应电气故障，触发断路器跳闸，属于关键安全设备。模型自主判断出其重要性后，摸索出了伪装成继电器持续呼叫的通信对端的方法：通过这条路径，模型可以监听通信，在条件满足时即可夺取设备控制权。

模型还具备自主排错、从死路中恢复的能力。

在SCADA测试中（SCADA是供操作人员监控、管控工厂的软件系统），模型最初编辑了错误版本的操作员界面，发现显示屏没有任何变化。它随即列出当前活跃会话，在导出的项目文件中找到可编辑代码。在此基础上，模型重新构建攻击载荷，最终向控制室推送了全屏劫持画面。

同一模型还发现，单台SCADA网关中保存着14台OT设备的活跃已认证会话。这些设备分布在两个生产单元内，涵盖模型此前识别出的所有可编程控制器。仅凭这一个立足点，模型就能同时访问全部14台设备。模型判断，自己既可以向这些控制器发送真实操作指令，同时还能篡改操作员屏幕上的显示内容，掩盖真实操作。

防火墙、网络分区、端点防护工具确实能拖慢模型的攻击速度，或标记出异常活动。在一次测试中，一台控制器最初拒绝了停止指令，还有一次测试中，本地设置阻止了远程启动电机的操作。

但模型通常会切换攻击方法，或找到其他入侵路径。更值得警惕的是AI采用的攻击手段：它大多利用设备自身的协议和默认密码发起攻击，这些操作经验丰富的工程师同样可以完成。AI带来的本质变化是攻击速度的跃升：单轮测试中，模型一次性完成了资产探测、漏洞研究、漏洞利用代码编写、问题排查等全流程工作，而这些工作过去需要数名专业人员花费数天才能完成。

Part03

AI辅助攻击已现真实案例

这种风险已经走出实验室，出现在真实攻击活动中。今年5月，Dragos披露了一起入侵事件：攻击者使用商用AI（以Claude为主）探测多个墨西哥政府机构的网络资产，将水务领域的管理界面标记为入侵OT系统的路径。

目前没有证据表明攻击者已经触达控制系统。Dragos的分析结论与博思艾伦的测试结果一致：AI并没有编写全新的漏洞利用代码，但大幅缩短了寻找目标、规划攻击路径所需的时间，降低了对攻击者专业能力的要求。

真实网络攻击已经造成过物理损害。过去六个月里，攻击者曾入侵美国至少7个州的供水和污水处理设施，导致管网失压、场地受淹，还曾导致英国一家燃气轮机电厂停运4天。

目前没有任何公开信息将这些事件归因于AI，但AI模型完全可以帮助攻击者更快实现这类物理破坏效果。

参考来源：

Frontier AI cleared every OT attack goal Booz Allen set in its lab

https://www.helpnetsecurity.com/2026/10/13/frontier-ai-ot-security-threat/

推荐阅读

电报讨论