前沿AI自主渗透工控环境，最快16分钟直达OT控制区域

看雪学苑

2026年10月13日 18:13
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

近日博思艾伦（Booz Allen）公开一组工控安全实验数据，在隔离仿真工厂测试环境中，前沿大模型独立完成全部8项预设攻击任务，从突破网络边界到在OT控制区执行操作，最短耗时仅16分钟，这个速度已经大幅压缩安全人员的应急处置窗口，留给人工拦截的时间极为有限。

本次测试搭建了高度复刻真实制造业工厂的隔离仿真环境，环境内部署数百台IT、OT硬件设备，包含实体工业控制器、SCADA监控平台、电机驱动单元、各类传感器，以及一台用于验证物理操控效果的机械臂，网络架构完全遵循现实工厂分层分区的部署逻辑，尽可能还原真实工控网络运行状态。按照测试规则，AI模型在执行会产生物理影响的指令之前，会强制暂停，等待实验人员人工确认，不会无限制直接破坏硬件设备。

整个过程研究人员仅向大模型提供子网边界信息，不输入任何源码、工程图纸、工控专业指引文档，完全交由AI自主推演攻击链路。模型自动完成网络资产测绘，将探测到的设备与公开漏洞信息进行匹配，自主生成可运行的漏洞利用代码，完成内网横向移动，一路渗透至生产控制系统内部。在最终环节，AI定位到测试环境中的机械臂，拿下设备管理员权限，成功驱使机械臂完成动作执行。

AI在测试中还展现出较强的环境分析与故障自愈能力。实验过程中模型捕捉到保护继电器异常网络行为：该安全设备每秒向外发送一次相同请求，但始终得不到应答。AI识别出继电器属于保障电气安全的关键设施，自主研究通信逻辑，尝试伪装成通信对端，以此获得监听甚至接管设备的潜在通路。

针对SCADA系统的测试同样值得警惕。AI最初生成错误版本的操作员界面载荷，没有得到预期反馈后没有陷入停滞，主动梳理系统活跃会话，从项目导出文件定位可用代码，重新构造攻击载荷，最终实现控制室屏幕全屏劫持。同时AI发现一台SCADA网关上留存14台OT设备的已认证活跃会话，覆盖两套生产单元下全部可编程控制器。借助该立足点，攻击者既可以下发真实工业操作指令，还能够篡改操作界面展示信息，以此掩盖恶意操作行为，迷惑现场运维人员。

防火墙、网络隔离、终端防护等传统安全手段，能够延缓AI攻击节奏、抛出异常告警，部分场景下也会直接拦截指令，例如控制器拒绝停机指令、本地安全策略阻止电机远程启动。但AI会快速调整攻击手段，寻找其他入侵路径绕过防御，单一防护措施很难彻底阻断攻击链条。

报告强调，AI并没有挖掘出全新零日漏洞，多数攻击手段依托工控设备原生协议、弱口令、默认凭据这类传统风险点。AI带来的核心威胁不是创造全新攻击技术，而是把资产探测、漏洞研判、EXP编写、排错调试等整套工作压缩到短短十几分钟。同等工作量，过去需要多名工控安全专家耗费数天时间才能完成，AI极大降低攻击门槛、提升攻击效率。

实验室风险已经开始向现实网络空间蔓延。今年5月，安全厂商Dragos披露真实攻击迹象，攻击者利用Claude这类商用AI工具，扫描墨西哥多家政府机构网络资产，还将水务业务管理界面标记为入侵工控系统的潜在突破口，虽然尚未确认攻击者真正入侵控制系统，但印证AI已经成为黑产的辅助工具。

现实世界已经发生过多起工控入侵造成实体损害的事件，美国多个州供水污水处理系统遭网络攻击，造成管网压力异常、厂区积水；英国燃气轮机电厂曾因网络攻击被迫停机四天。目前暂无证据证明这些事件直接使用AI，但测试证明，AI完全可以加速此类针对关键基础设施的破坏行动。

安全行业提醒，随着自主AI攻击能力提升，关键基础设施企业不能再默认拥有数小时乃至数天的应急响应时间，需要强化OT资产梳理、关闭默认账号、收紧网关会话权限，依靠多层次纵深防御，应对AI驱动的新型网络威胁。

注：本次所有行为均受控于隔离实验室，不代表公网已经出现同等能力的在野攻击样本。

球分享

球点赞

球在看