agentic威胁跨过临界点:GTIG实测无人值守exploit\_agent与Claude Code配置投毒
GTIG
GTIG
赛博生存指南
2026年11月18日 18:51
浙江
去阅读
原文:https://cloud.google.com/blog/topics/threat-intelligence/agentic-threat-activity-crosses-a-significant-threshold
作者:Aurora Blum、Kelli Vanderlee、Jess Xia、David Mainor(Google Threat Intelligence Group / Mandiant)
发布时间:2026-11-16
翻译模型:GLM-5.3
质量评分:★★★★☆(4/5) | 标签:AI×安全 · 红队工具链 · 凭据访问
AI 摘要:GTIG 与 Mandiant 的季度 AI 威胁报告给出三个关键增量:一是一台暴露的 staging 服务器上发现代号 exploit_agent 的多智能体漏洞研究框架,对热门 Web 应用做持续 diff 分析、起草 exploit 并自动执行——无人值守漏洞武器化首次实测;二是疑似 MIDNIGHT NEPTUNE 的 DPRK 组织入侵代码仓库后篡改 .claude/settings.json,用户启动 Claude Code 即自动下载 SOMBERMEME 后门,AI 编码代理的原生执行钩子被用作供应链入口;三是 LLMJacking 实案单日欺诈账单超 10 万美元、最严重累计 100 万美元,黑市 LLM Mixer 每百万 token 报价 0.10–25 美元。报告同时确认 CAIRN、PentAGI 已在野使用,CyberStrikeAI、HexStrike AI 处于实验阶段。
这是本仓库 AI×安全 主线该收的一篇:ARTEX 我们跟过(BypassGym 评测、emp3r0r 接 Norma),这篇报告把镜头拉到整个多智能体进攻框架生态(ARTEX/CAIRN/CyberStrikeAI/PentAGI/HexStrike AI)的实测使用情况,并给出两条全新的、非重复的增量——exploit\_agent 的无人值守链路,和 .claude/settings.json 这种「改一行配置就沦陷」的供应链入口(对我们这种重度 Claude Code 用户尤其切身)。报告里 LLM 驱动的 n-day 武器化统计数据(8 月 0-day 突增至 22 个/月)也值得与 PHP2Shell 那篇对照读。Google 自家产品介绍部分按惯例摘要编译。
执行摘要
随着威胁行为者从基础 prompt 走向部署自主多智能体框架、自动化漏洞利用流水线和 LLMJacking 等新型变现模式,对抗性 AI 格局到达了一个关键拐点。本期更新中,Google Threat Intelligence Group(GTIG)与 Mandiant 梳理网络犯罪、间谍行动与信息作战三类对手如何将生成式 AI 实战化,用于压缩攻击时间线、规模化作业、以机器速度执行多阶段入侵。
上季度关键趋势:
- 转向自主工作流与多智能体框架
:对手技术从手动 prompt 持续转向部署自主多智能体进攻框架——ARTEX、CAIRN、CyberStrikeAI、PentAGI——以更高的作业速度执行多阶段入侵。
* 自动化漏洞研究与利用
:威胁行为者越来越多地用 LLM 和 agentic 框架完全自动化补丁逆向(diff 分析),无需人工介入即可快速武器化 n-day 漏洞、对互联网暴露服务器规模化打点。
* 变现与基础设施滥用
:逐利行为者持续通过 LLMJacking 获利——从失陷企业环境偷 LLM 凭据和云资源,经地下代理服务(如 LLM Mixer)转售高性能 AI 模型的访问权。
* 信息作战全面整合 LLM
:国家支持的团伙、商业化 Influence-as-a-Service(IaaS)供应商、虚假政治变现网络(IPM)已将 LLM 常规嵌入作业:批量产合成媒体、造本地化 persona、自动化跨平台分发。
* 定向间谍与供应链演变
:网络间谍团伙用 LLM 做目标研究、自动化数据分析,并开发新型供应链攻击向量——例如操纵自主编码助手配置,在本地执行时投放后门。
本报告基于 Mandiant 前线应急响应、全球威胁行为者跟踪与平台实时防御的遥测。
入侵中的多智能体框架
此前季度报告记录的还只是对手对 agentic 能力的初步兴趣;GTIG 与 Mandiant 现已观察到多个威胁行为者滥用开源 agentic 渗透测试框架,在真实入侵中自动化执行离散阶段和特定作业任务。
这些框架的采用标志着向机器速度入侵的范式转变:复杂攻击路径的自动串联显著放大作业规模。入侵的机理没有变——还是偷凭据、打未打补丁的系统——但框架利用这些已知弱点的速度和规模带来新的防御难题。
除了已经高度出圈的渗透工具 ARTEX,威胁行为者还在积极使用 CAIRN、CyberStrikeAI、PentAGI 等开源多智能体框架,GTIG 还观察到自研 harness 的实验痕迹。这些框架共享几项核心能力:发现并利用低复杂度漏洞、用 LLM 按需生成一次性 payload、用实时执行反馈动态调整战术。
GTIG 独立观察到开源工具 CAIRN 和 PentAGI 已在野部署,CyberStrikeAI 和 HexStrike AI 处于实验阶段。
- CAIRN
:开源多智能体渗透框架,实现 OODA(Observe-Orient-Decide-Act)循环,专职 agent 经共享「blackboard」协作,从单个初始参数(如目标 IP)自主推进到作业目标。GTIG 观察到 CAIRN 用于针对美国航空航天等部门目标的入侵活动。
* CyberStrikeAI
:开源 LLM-native 进攻框架,定位是网络作业的「single pane of glass」。核心架构是 Go 后端 API 兼任 C2 与编排服务器,把商用和开源权重 LLM 接到 100 多个安全工具、YAML 攻击配方和自定义脚本上,自动化端到端攻击链。
* HexStrike AI
:开源的 MCP(Model Context Protocol)集成进攻 harness,让 LLM 客户端直连 150 多个预装进攻安全工具。双组件架构下,侦察、Web 应用测试、漏洞利用、二进制分析的标准工具被封装成可调用函数,由 12 个以上专职自主子 agent 协调。
* PentAGI
:开源自主进攻框架,为低技术门槛操作员跑复杂战役降低门槛。2026 年 8 月下旬至 10 月上旬,GTIG 跟踪到一个基于 PentAGI 开源版定制的攻击编排平台,被用于对亚洲多家组织做系统化侦察和漏洞扫描。
我们还观察到多个威胁行为者分别实验这些框架和 harness,包括逐利团伙和疑似 PRC 背景的间谍团伙——后者有证据显示在自研自动化攻击框架,很可能用于网络间谍作业。相关观察还包括 ZeroHollow(用于 exploit 开发和 LLM 路由的推理服务)和 Agent Zero(带自主代码执行与动态工具生成的开源 agent 框架)。
鉴于门槛低、集成新 exploit 容易、可规模化,我们高度确信威胁行为者会继续在全球目标战役中使用这些框架。随着能力演进,这些作业会继续向自主光谱的更深处移动,逼近全自动 agentic 入侵。值得注意的是,这些框架目前用隐蔽性换速度:不受限的自主执行产生大量取证流量、依赖可识别的标识符、留下特征性的代码级痕迹——这些痕迹提高了被检测和处置的概率,但工具达成作业目标的能力依然很强。随着工具与底层 LLM 的复杂度提升,我们预期不仅人工会更少,行动也会更隐蔽。
缓解:Google Security Operations 已部署专门的行为与体量规则包检测 ARTEX 的使用;Mandiant Consulting 发布了针对 LLM 进攻工具速度与规模优势的加固指南与架构防御框架。
漏洞研究与开发中的 agent
自主 LLM agent 进入漏洞研究与软件安全工作流,已从理论实验转入实际部署。
对手用多智能体系统和 LLM 流水线自动化漏洞分析中最耗人力的阶段:补丁 diff 检查、动态协议 fuzzing、PoC 武器化。串起这些能力后,补丁披露到武器化利用的窗口被急剧压缩。对手可能发现用 LLM 快速武器化已打补丁的 n-day 更高效:研究材料有限且收敛——对比源代码版本(含预发布/预览渠道)、读发布公告、安全研究和已有 PoC;相比之下找 0-day 要撒更大的网。LLM 正在改变公共与企业基础设施上漏洞被发现和利用的方式,组织的补丁窗口在收窄。同时,更低的门槛催生了一波「声称能用但实际不能用」的 LLM 生成 exploit,给防守方增加了额外的验证工作。
例如 2026 年 9 月,GTIG 分析漏洞统计以评估 LLM 如何塑造威胁格局。我们发现 LLM 不仅改变漏洞发现和利用的速度,也改变被挖出漏洞的类型与风险画像。有意思的是,2026 年 1 至 8 月整体披露与利用量几乎翻倍,但 0-day 利用仅从 2025 年月均 8 个小幅升至 2026 年月均 11 个——直到 8 月飙升到 22 个。
上期报告我们详述过 LLM 增强漏洞研究的雏形(部分自动化的扫描与利用序列)。本季度,GTIG 首次识别出威胁行为者使用 LLM 框架在无人值守条件下全自动完成漏洞发现与利用。
具体来说,GTIG 发现一台暴露的 staging 服务器,托管着代号 exploit_agent 的多智能体漏洞研究与武器化框架,接入多个前沿与本地 LLM。该框架被配置为对热门 Web 应用软件做持续 diff 分析:对比补丁公告前后的代码、分析结果识别潜在漏洞、起草 exploit、并自动执行——全程无人工介入。除从目标受害者处渗出的数据外,服务器上还有多个后渗透脚本:内网侦察、暴力破解、装 webshell、删别人的 webshell。服务器上的受害者遥测显示操作者专门针对法国媒体娱乐行业与教育行业的网站。
// exploit_agent 检视 Spectra (Ultimate Addons for Gutenberg) WordPress 插件
// v21925.php 中的不安全能力检查:
public static function restrict_popup_rest_access( $result ) {
if ( is_wp_error( $result ) ) {
return $result;
}
$route = isset( $_SERVER['REQUEST_URI'] ) ? sanitize_text_field( wp_unslash( $_SERVER['REQUEST_URI'] ) ) : '';
if ( false === strpos( $route, '/wp/v2/spectra-popup' ) ) {
return $result;
}
if ( is_user_logged_in() && current_user_can( 'manage_options' ) ) {
return $result;
}
return new WP_Error(
'rest_forbidden',
__( 'Sorry, you are not allowed to access popups.', 'ultimate-addons-for-gutenberg' ),
array( 'status' => rest_authorization_required_code() )
);
}
exploit\_agent 框架正在检视 Spectra(Ultimate Addons for Gutenberg)WordPress 插件 v2.19.25 的访问控制实现。
| 俄语原文注释 | 英译 |
|---|---|
# LLM API-ключи для авто-эксплуатации (пилот exploit_agent)``# Впиши ключи сам — сюда, не в чат. Обе строки обязательны. |
# LLM API keys for auto-exploitation (exploit_agent pilot)``# Enter the keys yourself — right here, not in the chat. Both lines are required. |
来自环境配置文件的注释:为自主利用配置多个 LLM API key。
开源研究也印证了全自动漏洞利用流水线的实战化。2026 年 8 月下旬,威胁行为者把 PaperCut 打印管理服务器的两个漏洞当 0-day 打:链起来可实现未认证 RCE——CVE-2026-81578(认证绕过)与 CVE-2026-82078(不安全动态类加载)。披露后一天内,安全研究者与 Huntress 就用 LLM 生成了可用 exploit。Greynoise 报告披露四天后的一场战役:威胁行为者很可能用 LLM 构建并测试了这两个漏洞的 exploit、拼好目标清单、对数百家组织发动了大规模利用。Greynoise 特别指出执行速度——初始立足点数分钟内扩展到域管理员。
PHP 的两个漏洞(CVE-2026-109618、CVE-2026-109619)同样印证这些趋势:它们由 LLM 辅助分析发现,10 月 21 日官方补丁发布前就有 PoC 视频和早期补丁代码流出,研究者和攻击者都能在补丁就绪前比对代码版本、理解缺陷、尝试构建 exploit。官方补丁发布后的最初几天,出现数百个声称可用但实际无效的 PoC,很可能由 LLM 生成——安全社区在监控实际利用证据的同时,还要花大量精力验证或证伪这些 PoC。
缓解(Google 自家措施,摘要):Google 以 Big Sleep(DeepMind 与 Project Zero 的 AI agent,主动搜寻未知漏洞)、CodeMender 自动化扫描修复、VRP 与 Project Zero 生态做纵深防御。
信息作战对 LLM 的全面整合
GTIG 高置信度评估:信息作战(IO)行为者已从 LLM 初期实验进入全面作战整合。在所有被跟踪类别里——俄罗斯、PRC、伊朗等国家支持团伙,商业化 IaaS 供应商,IPM 网络——对手已将 LLM 常规嵌入标准作业:产合成媒体、自动化域名网络工作流(LLM 辅助 SEO 操纵、种子文章的编辑排版、影响力内容的自动生成与发布)。这种普及可测量地提升了部分长线战役的产出质量,也让 IPM 网络能规模化生产过去只有国家支持 IO 才有的主题聚焦、质量与体量的政治点击饵。但内容质量提升不一定等于影响力或成功。
| IO 行为者类别 | 说明 |
|---|---|
| 国家支持团伙 | 直接隶属国家机器,历来是平台防守方与研究者的基线。为保全合理否认,越来越多依赖第三方商业承包商代执行战役 |
| 商业 IaaS 供应商 | 营销/公关公司、私人情报承包商、商业监控厂商的分支,卖定制影响力战役到交钥匙平台。情报承包商与监控厂商分支的 OPSEC 和技术常强于传统国家支持行为者 |
| IPM 网络 | 逐利而非意识形态驱动,高体量政治点击饵换互动与广告收入。政治框架 + 高体量合成内容造成最大的「前台观感差」,最容易被误判为国家支持行动 |
随着自动化内容生成消除了主要的作业瓶颈,对手的重心正转向用 LLM 做基础设施设计、自动化分发流水线和反检测。我们观察到向商业化「端到端 LLM IaaS 平台」的显著迁移:覆盖影响力战役全生命周期。此类平台扩散会降低国家与商业行为者的作业成本,同时抬高跨平台协调性虚假行为检测的难度。
(以下两段为商业 IaaS 平台实测案例,编译) 2026 年 8 月,GTIG 调查了一起用 Gemini API 加多家 AI 工具搭建端到端 IaaS 平台的威胁活动,主要针对欧洲与中东的区域政治议题舆情。平台自动化 IO 战役全生命周期:persona 创建、多模态媒体生成、自动内容分发、跨平台互动发帖。被识别的 prompt 显示作业重心是模仿有机草根参与(astroturfing)并规避平台检测规则:指示模型采用目标地区本地化 persona、模仿方言俚语、加非正式措辞和故意错别字;媒体生成 prompt 引入模拟手机拍摄的相机缺陷(颗粒感、不均匀光照)、省略背景文字以躲合成图像标记;流量走住宅代理并保存登录 cookie,让自动化工具维持已认证访问、绕过 CAPTCHA 与重验证。
GTIG 还侦测到另一个商业承包商用 Gemini API(多提供商 AI 架构的一部分)开发管理 10 万以上主流平台账号的交钥匙 IaaS 平台:云端虚拟手机伪装成合法设备、代理分流绕过 bot 检测与频控、一次性邮箱与海外虚拟短信号自动批量注册假账号,新账号还有 LLM 模拟真人行为的「养号期」(在帖子上的停留时长、滚动、与非战役内容互动)再推定向信息。prompt 显示该行为者计划把工具同时卖给本国政府机构与外国客户。
战术层面(编译):长线 IaaS 供应商(2019 年起被跟踪)用 LLM 提升虚拟 persona 与学术式评论的质量和体量;合成网红 persona 做人口画像定向投放;乐高风动画与足球恶搞短视频把宣传包装进年轻人熟悉的网络文化;IPM 运营者用 LLM 找高 CPM 变现利基,合成新闻主播(偶尔盗用真实记者与评论员肖像)制造可信度。
缓解(摘要):GTIG 与产品团队按平台政策协同处置——YouTube 频道、博客、AdSense 账号、Google News 域名下架等,季度性公布于 Influence Operations Bulletin;相关洞见反哺 DeepMind 加固平台与 Gemini 拒绝滥用。
威胁行为者对 AI 工具访问权的滥用与变现
失窃凭据长期是初始访问、提权、横向移动的基石;对手正越来越多地把偷来的凭据和算力资源改用途,给未经授权的 LLM 工具和自主作业流水线供电。访问成本、token 速率限制、地理限制是对手规模化 LLM 能力的持续障碍,于是他们直接从受害者终端和 CI 环境收割会话 token 与平台凭据。与此同时,地下论坛与黑市快速成熟:从泛泛的身份数据包进化到商品化的已验证前沿 AI 账号、token 化 API 配额、定向 infostealer 配置。
应急响应中的 LLMJacking
整个 2026 年,Mandiant 处置了多起 LLMJacking 事件:逐利行为者入侵云环境,消耗目标组织的云算力和/或 LLM 资源配额。如下图所示,LLMJacking 能在数小时内造成显著的用量与账单飙升。部分案例单日欺诈账单超过 10 万美元;最严重的案例在处置前累计资源滥用达 100 万美元。
11 月,Mandiant 与 GTIG 梳理了多起入侵的共同 TTP,受害组织覆盖北美、南美与亚太的金融、零售、交通与科技行业。
| 攻击生命周期阶段 | 观察到的战术 |
|---|---|
| 初始访问 | 常用凭据偷窃与会话劫持:从公开 GitHub 仓库收割有效凭据;用欺骗性网站社工骗取活跃会话 token |
| 内部侦察与横向移动 | 针对内部代码仓库、数据存储、云服务、容器、访问日志做侦察;至少一例利用内部容器中某包的疑似 Web 应用漏洞跳转其他系统 |
| 提权与持久化 | 创建未授权 IAM/服务账号,或给服务角色挂管理策略。观察到一例利用 CVE-2026-40217(LiteLLM 沙箱逃逸,把受限推理 key「Virtual Keys」提升为完整管理凭据)。特权服务账号足以建立持久化,无需恶意软件 |
| 完成使命:LLM 滥用 | 在云环境内启用 LLM 服务(给失陷账号订阅按量付费);一例用「burn and rotate」策略绕速率限制(创建/删除短命服务账号);其余行为者滥用云计算资源,申请配额提升跑自建 LLM 工具——包括用 agentic 框架自动化继续剥削失陷网络,以及部署开源 API 网关与自定义中继基础设施,把失陷组织资源的访问权拿去卖 |
另一起调查中,至少两个攻击者用同一组合法凭据分别实施 LLMJacking——凭据可能购自或泄露自地下论坛。第一个行为者用凭据进环境、枚举可用 LLM 服务、查询账号成本与用量信息。同一天,一组共用同一 User-Agent 的 IP(很可能是 botnet 或代理服务)用同一凭据访问环境,约 24 小时内产生数百万次 LLM API 调用,直到凭据被吊销。第一个行为者后来虽然返回并创建了可查询 LLM 的服务账号,但 botnet 的吵闹活动导致凭据在其执行 LLM 查询前就被处置了。
LLMJacking 加固与缓解指南详见 Mandiant 专文(见参考)。
经 LLM Mixer 变现
威胁行为者常通过转售失陷算力与 LLM 资源访问权变现。GTIG 正在跟踪「LLM Mixer」的扩散——非法店面,向买家提供 LLM 服务与底层代理基础设施的未授权访问。基础设施把买家流量路由到偷来的凭据与算力实例池以保证可用性,还支持把查询量摊到多个受害者环境降低被发现概率。
LLM Mixer 生态镜像了更广的网络犯罪市场分工:Mixer 运营者管基础设施与客户履约,同时与分别负责初始访问、从 infostealer 运营者买凭据、批量注册免费试用账号的伙伴协作。
GTIG 分析了俄语与中文地下市场的多个 LLMJacking 供应商广告:多数服务提供多模型访问,包括前沿模型与宣称支持恶意网络作业的越狱模型。各平台与凭据类型定价差异显著——免费试用凭据远比企业凭据便宜。我们观察到每百万 token 价格从 0.10 美元到 25 美元不等。APIMart 一家对超过 10 万 token 的 prompt 在输入输出两侧同时加价 5 倍;JetNight 等供应商则不按 token 计费,按模型类型卖月订阅。
威胁行为者继续用 AI 提效
自上期报告以来,GTIG 持续观察到行为者用 LLM 增强攻击生命周期各阶段。但 LLM 工具的普及也带来显著的作业弊端:许多 LLM 工具进程在取证上非常吵,损害 OPSEC 与隐蔽性,对间谍战役是净伤害;LLM 还会降低作业可靠性——模型幻觉出不存在的细节甚至目标。因此我们预期专精「长期潜伏隐蔽作业」的行为者不太会在目标环境内依赖吵闹的工具,而是按优先级选择性使用;反过来,我们高置信度评估:对隐蔽性不那么敏感的行为者(多数网络犯罪团伙)会继续把自主进攻工具纳入作业——战役触达面的扩大足以补偿成功率的下降。
政府背景行为者
国家支持行为者持续在各自主作业中使用 LLM,延续此前报告的基线评估。例如我们持续观察到 CALANQUE ION(伊朗政府背景,原 APT42)用 LLM(含 Gemini)增强侦察与定向社工;PRC 背景行为者用 LLM 做侦察与研究。此外:
2026 年第三季度,PRC 背景网络间谍行为者使用 LLM 工具与模型做侦察、前端扫描、跨行业跨地域目标研究、exploit 武器化。
- 我们还观察到行为者用 LLM 做后渗透数据分析。包括 PRC 承包商 LEAKY CASTLE——与公开报告「某承包商用 LLM 分析、翻译、理解渗出数据,推导组织架构并写入成品情报卖给客户」相吻合。
- 新趋势:PRC 背景行为者滥用 LLM 平台与文件托管后端做 staging、dead drop C2 与渗出。一例中,行为者滥用某前沿模型的文件托管基础设施存放诱饵压缩包和渗出的失窃数据,并用后端 API 渗出内网文档。
我们也持续观察到 DPRK 行为者用 LLM 支持 IT worker 作业(生成简历、准备西方面试),以及用生成工具规模化作业、把原生 agent 执行钩子当企业访问向量。
- 观察到用公开工具生成职位筛选回复,让他们冒充西方 IT 工作者时听起来可信,以获取远程职位。
DPRK 行为者持续用 LLM 工具生成诱饵内容和辅助编码,但 2026 年以来战术在演化。多起入侵中,疑似 MIDNIGHT NEPTUNE 威胁集群把 LLM 社工与「滥用组织自有 AI 工具」作为供应链攻击向量结合。
- 在近期针对北美与欧洲加密货币组织的入侵中,该行为者把 LLM 软件架构当作横向执行面。初始访问阶段,行为者在职业社交平台伪造招聘者 persona——头像带 SynthID 水印,证实用 LLM 合成了欺骗性职业身份。这些 persona 把目标引向伪造的会议平台,用 ClickFix 社工诱饵让目标运行「诊断修复脚本」,实际执行疑似 LLM 编写的 staging 脚本。立足之后,行为者转入内部代码仓库执行组织内部的供应链向量:篡改
.claude/settings.json配置文件,用户启动 Claude Code 时自动触发 SOMBERMEME 后门下载。 为隐蔽横向移动,疑似 MIDNIGHT NEPTUNE 还把生成的 GitHub PAT 命名成 Microsoft Copilot 相关名字——生成式工具规模化滥用与原生 AI agent 执行钩子被当企业访问向量,两条线同时上演。
LLM 工具箱:网络犯罪的交钥匙方案
上季度以来,除逐利活动中使用进攻框架外,我们还观察到网络犯罪行为者用 LLM 为客户规模化产工具:Phishing-as-a-Service(PhaaS)运营者用 LLM 给低能力affiliate造武器。Jieyou(接娱)钓鱼服务平台是 2026 年 3 月首见的中文 PhaaS 平台,主要被用于部署和管理高仿真钓鱼战役,重点是电商欺诈。2026 年 6 月后端更新引入 LLM 聊天助手:用自然语言指令即可配置钓鱼面板、修改现有模板,显著降低部署门槛。后端聊天助手模型无关,经 API 集成多个前沿与开源平台。Jieyou 的演化凸显了行业趋势:PhaaS 供应商把 LLM 当模块化力量倍增器——低技能affiliate不再手改 payload,而是用聊天机器人动态定制借口诱饵与钓鱼界面。
缓解(摘要):上述活动触发 Gemini 安全响应,Google 采取进一步处置:停用相关资产,DeepMind 据此强化分类器与模型拒绝能力。
Google 如何防护 AI 滥用(自宣章节,摘要编译)
Google 采用多层防御:把活跃威胁监控的洞见直接喂进安全分类器与护栏(如针对模型提取/distillation 攻击部署实时降级防御与克隆检测);面向企业推出 Google AI Threat Defense(AITD)自主架构——组合 Gemini 等前沿模型、Wiz 的风险优先级、Gemini/CodeMender 的自动修复、Mandiant 前线情报;新发布 Gemini 4 Carbon 以网络安全与长程能力见长,内置分层反滥用防御(安全训练、输入输出分类器、激活内省探针、思维链与 agentic 轨迹监控),经内部红队与 Gray Swan、Trajectory Labs 等外部伙伴压测;经 Fairwind 计划向受审核的防守方、研究者与政府伙伴开放高级双用途网络能力。政策层面以 AI Principles、SAIF 框架与禁止用途政策兜底。
参考
- GTIG AI Threat Tracker(原文):https://cloud.google.com/blog/topics/threat-intelligence/agentic-threat-activity-crosses-a-significant-threshold
- Mandiant LLMJacking 加固指南:https://cloud.google.com/blog/topics/threat-intelligence
- N-able Able2Shell 事件(Huntress 跟踪,同窗口期供应链事件):https://www.huntress.com/blog/n-able-disables-cloud-services-following-disclosure-of-able2shell-exploit-chains
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