当人人都在用AI挖洞,渗透测试的未来在哪?

admin 2026-11-16 20:26:58 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

当人人都在用 AI 挖洞,渗透测试的未来在哪?

原创

小智
小智

智榜样网络安全学习中心

2026年11月13日 14:00
湖南

去阅读

当人人都在使用 AI Agent,渗透测试的未来在哪?最近 ARTEX 这个项目在安全圈的讨论度挺高。

一款针对安全人员开展AI自动化进行渗透测试的框架,在其开源不足三个月的情况下,因被攻击者运用到真实网络进行攻击而引发了众多安全企业的关注。10月8日的时候,开发者 Autumn-27 也在 10 月 8 日宣布项目转为闭源,不再继续公开发布版本。

我觉得此事挺值得探讨的。

之前我们讨论 AI 渗透测试,大多数时候还在讨论它是否能够自动去扫描漏洞,能不能够去调用Nmap,可不可以帮忙去撰写PoC。有不少人觉得AI当下就是辅助的工具,和真正去替代渗透的测试人员相比还差得很远。

但 ARTEX 的出现,让这个问题有了新的讨论空间。

它想要的不是让 AI 帮你去执行几个指令,而是要让AI自己去安排测试的任务,调配工具,依照结果继续去探寻目标。

要是这个流程真的可以稳定地运行,以往渗透测试的人每天需要去做的很多事情,确实很有可能会被重新进行分配。

一、ARTEX有何不同?

ARTEX最早是在2026年的7月26日发布的,是一个运用Go来开发,把Next. js当作前端的人工智能自主渗透测试的框架,利用PostgreSQL来储存数据。

依据Censys所发布的项目解析,它并非仅仅构建了一个大的模型聊天框架,而是拥有一套相对完备的任务实施机制。

从该界面能够看到,该项目具备Dashboard,Tasks,Findings,Traffic,ToolExecution,Assets等多种功能。

也就是AI在执行任务的时候生成的资产方面的信息,工具调用的记录以及发现的结果,都能够在同一个地方去进行管控。

它的工作方式也比较有意思。

用户先对测试目标以及任务要求进行给出,PlannerAgent负责将目标划分成不同任务,随后由WorkerAgent去领取任务并且调用Nmap等工具来进行执行操作。执行的结果会被存储起来,系统按照当下的探索情况接着去安排后续的事情。

这里有两个比较重要的设计。

一个是 Asset Graph,用来记录目标资产,包括域名、IP、端口和服务等信息;另一个是 Exploration Graph,用来记录哪些目标已经测试过,哪些地方还没有探索。

两者配合起来,Agent 就能知道自己面对的目标是什么,以及当前已经完成了哪些工作。

举个简单的例子。

平时我们做一个 Web 渗透测试,先用 Nmap 扫描端口,发现 80 和 443 开放,然后通过指纹识别确定 Web 服务类型。接下来可能使用目录扫描工具进行探测,再根据发现的接口去做漏洞验证。

这个过程并不复杂,但需要测试人员不断查看结果,再决定下一步使用什么工具。

ARTEX 想把这部分工作交给 Agent。

前面的扫描结果会成为后续任务的参考,AI 不需要每次都从头开始,也不需要人一直盯着终端告诉它下一步做什么。

这也是我觉得它和传统自动化扫描器最大的区别。

以前的扫描器主要是按照规则执行,扫完之后由人分析;ARTEX 则希望让 AI 根据扫描结果继续安排工作。

二、一个 AI 渗透工具,为什么会出现在真实攻击中?

ARTEX 被关注,并不是因为它在 GitHub 上获得了多少 Star,而是因为它已经出现在真实攻击事件中。

2026 年 10 月 7 日,CrowdStrike 发布了一份关于韩国金融机构遭攻击的调查报告。

报告显示,攻击者在 9 月底至 10 月初针对韩国金融机构展开攻击,涉及银行的贷款查询服务和员工移动系统,并窃取了相关数据。

调查人员发现,攻击者使用了 ARTEX,主要模型后端为 DeepSeek V4.1-flash,同时还使用了 Claude Code 等工具。

比较有意思的是,攻击者在自己的服务器上留下了不少没有做好保护的目录,其中包括 ARTEX 配置文件、提示词以及 Agent 的会话记录。

研究人员正是通过这些遗留信息,进一步还原了攻击活动。

从这张图可以看到,研究人员记录了相关主机从 8 月开始的服务变化,包括开放目录、mitmproxy 和 ARTEX 控制台。

也就是说,攻击者使用 AI 工具的过程中,并没有把自己的测试环境保护好,反而给安全研究人员留下了不少线索。

10 月 8 日,ARTEX 开发者 Autumn-27 宣布项目转为闭源,并表示项目最初的设计用途是授权范围内的安全测试,攻击者滥用工具的行为与开发者无关。

这件事本身没有什么争议,Nmap、Metasploit 这些传统安全工具同样可能被攻击者使用,不能因为有人滥用就认定工具本身存在问题。

不过,ARTEX 的故事并没有到这里结束。

11 月 6 日,微软又发布了关于 ARTEX 滥用情况的分析,披露 Storm-3358 利用该框架针对金融行业开展攻击。

微软观察到攻击者使用 ARTEX 配合传统自动化工具扫描公网系统,利用匿名文件上传、SSRF 等问题,并部署 WISP、Vshell 和 AdaptixC2 等远程控制工具。

此外,微软此前还披露过 Storm-0940 使用 ARTEX 参与 ConnectWise 相关供应链攻击活动。

不同攻击活动中出现了相同的工具,这已经足以说明 AI 自动化渗透框架正在被不同攻击者关注。

三、以前一个人一天的工作,AI 可能几个小时就能完成

我自己觉得,ARTEX 最值得讨论的地方不是它能不能挖出多么复杂的 0day,而是它把很多重复的渗透测试工作串联起来了。

做过渗透测试的人应该都清楚,真正花时间的工作不一定是漏洞利用。

拿到一个目标之后,先收集资产,再识别端口和服务,接着进行目录扫描、指纹识别、漏洞检测。发现异常之后,还要重新整理信息,判断有没有必要继续验证。

这些步骤单独来看都不难,但一个项目做下来,重复操作非常多。

特别是资产数量比较大的项目,测试人员经常要花大量时间在信息收集和初步筛选上。

要是把这一项工作交给人工智能Agent,会出现什么情况?

举个例子在一个已获授权的检测环境中,人工智能可先依据目标区间梳理资产,随后依据服务类别分配不同检测工作。某一任务察觉异常后,将结果交付后续任务予以解析。

测试的人员不用一直守在终端等着扫描的结束。

当然,当下的人工智能并不是每一次都能够精准判定结果。它或许把正常的回应当作漏洞,也或许在复杂的环境当中走错路,甚至会出现重复去执行以及错误去利用的情形。

所以我不认为当下的人工智能已经能够完全取代人工的渗透。

但是有一点非常明显:以往需要人工进行初步探测以及重复验证的情况,正在越发便宜。

并且攻击者不一定非得去运用特别繁杂的漏洞的。

弱口令未被授权访问,配置出现错误,过期组件等问题在众多企业场景中仍然存在。若AI能够助力攻击者不断检查众多目标,原本因人工时间受限的攻击行为,极有可能出现全然不同的效能。

四、渗透测试领域会不会受到影响?

这个问题我觉得不用回避。

当下不少安全服务交付的方式,依旧是以人员以及项目周期作为根基。

客户购置一次渗透的测试服务之后安全公司派出测试人员去进行资产的收集,漏洞的扫描以及人工的验证最后提交相关的报告。

要是一个项目得三个人去做一周,报价以及交付的周期一般也会围绕着这三个个人一周工作的数量来进行计算。

但是当人工智能承担其中某些工作之后,此模式便会受到作用。

举例而言原本需人工开展端口扫描,目录探测,常见漏洞的检测以及报告的整理,当下或许仅需少量人员承担配置任务与检查结果的工作。

就安全公司而言,项目所需人力或许会减少;对客户来讲,也会重新思考自身为何要为很多重复性的工作付出大量人天的费用。

我认为首先受到作用的,是很多工作内容相对固定,主要依靠工具操作这类岗位。

以往熟练地掌握BurpServer,Nmap,AWVS,可以按照流程去进行漏洞的扫描以及验证,就能够承担不少的基础测试的工作。

未来这些技能仍然有作用,但仅依靠熟练的操作工具或许已经不够。

但是复杂的业务逻辑方面的漏洞并不是那么容易被自动化的。

举个例子电商平台里的优惠券体系,普通的扫描器或许只能够察觉到接口参数有异常情况,但是优惠票能不能够重复使用,不同用户是否越权,支付流程存不存在状态竞争这类问题需要依据业务逻辑来进行判断。

AI能够帮助分析并且提出测试的思路,但是最终漏洞的影响,业务风险还有修复的方案,还是需要真正懂系统的人去进行判断。

所以我认为未来不是不存在渗透测试的工程师,只是企业对于渗透的测试人员的要求会出现变化。

五、还有一个问题:AI 找到漏洞之后,谁来修?

这段时间讨论 AI 挖洞的人越来越多,但我觉得还有一个问题没有得到足够重视。

那就是企业的漏洞修复能力。

以前安全团队发现一个漏洞,可能就已经需要花费不少时间。现在如果 AI 可以持续进行资产探测和漏洞检测,发现问题的速度可能会越来越快。

但企业的开发人员并没有同步增加。

一个漏洞从发现到修复,中间需要经过风险确认、代码分析、修改、测试和上线。尤其是一些核心业务系统,不可能发现漏洞之后马上就修改代码。

如果每天都有新的问题被发现,旧漏洞还没有处理完,安全团队就会陷入一种很尴尬的情况。

漏洞越来越多,修复速度却没有变化。

这也是为什么我认为,未来安全岗位不能只盯着漏洞发现能力。

如何判断漏洞是否真实存在,如何分析它的实际影响,如何安排修复优先级,以及如何验证修复是否有效,这些工作的重要性只会越来越高。

六、现在学习渗透测试,还应该学什么?

若你当下正在钻研网络安全领域,我认为无需因ARTEX的出现而放弃传统的工具。

Burp Suite,Nmap,SQLmap这类东西仍然需要去学习。

但不要将学习目标局限于会使用的工具之上。

要是碰到SQL注入的漏洞,不能够仅仅记住某一个参数的运行情况,某一条命令的执行状况,而是要厘清为什么会出现SQL的注入情形,数据库会在什么样的情况下执行由攻击者构建的语句,还有如何判断漏洞真实存在。

接下来可以尝试去学习代码的审计,业务逻辑的分析以及人工智能Agent的工作的机制。

当下很多AI安全方面的工具已经把传统的渗透工具融入到Agent工作流当中,安全工作人员除了得知道工具的使用情况之外,还要知道AI如何安排任务,调用哪些工具,结果是否可靠,还有它有没有突破授权的范围。

要是以后你进到企业安全方面的团队,还得去考虑另外一个方面:如何去发现人工智能自动进行攻击所留下来的行为特性。

比如短时间里大量不同种类的请求,反复去尝试不同的参数,自动化地调用接口,使用异常的凭据,还有被入侵的服务器突然冒出来的远程操控工具。

这些或许会成为蓝队处理问题时的关键线索。

写在最后

ARTEX项目让我很明显地感觉到,人工智能渗透测试不只是一种概念。

以往使用安全方面的工具,得人去规划每一个步骤;现在人工智能已经开始试着把这类工具进行组合,让这些工具围绕着一个目标不断地工作。

这一变化或许不会在很短的时间之内让整个被渗透测试的行业消失掉,但是部分重复性比较高的工作确实会被影响。

我仍然觉得,学会网络安全的关键不在于记住多少个工具,而在于能否熟练地跑出一份有漏洞的报告。

而是当遇到陌生系统的时候,能不能去判断它或许存在什么样的问题,明白应该从哪儿入手,最终还能够去解释漏洞是如何成立的。

AI能够帮助你做许多事情,可是要是自己连它所给的结果都不能够判断,工具越是强大,反而就越容易受到工具的牵制。

未来使用人工智能的安全工作人员或许会越发增多,但是真正懂得安全的人依旧不多。

评论:0   参与:  0