安全透视 | AI 让网络攻击的门槛降低了多少？
某企业安全团队在一次日常巡检中发现异常告警：一名高管账号于凌晨发起了一笔大额付款审批，审批措辞与该高管日常表达风格高度一致。
调查确认，该审批由一封AI生成的钓鱼邮件触发。攻击者利用该高管在公开渠道的发言素材，训练语言模型模拟其写作风格，向财务人员投送了高度仿冒的付款指令。
此类攻击并非个案。近一年来，AI辅助的社会工程攻击事件呈明显上升趋势。安全行业的共识是，AI没有创造新的攻击类型，但它显著压缩了攻击的门槛和成本。AI是否正在重塑网络攻击的成本与效能？本文尝试给出一个审慎的判断。
AI 在攻击链中的三个作用层次
从实战对抗经验出发，AI在攻击活动中的作用可归纳为三个层次。
| 层次一：消解社工攻击的原有壁垒
传统钓鱼攻击面临两道壁垒——语言能力和信息收集成本。一封足以欺骗中文用户的钓鱼邮件，要求攻击者同时具备高水平写作能力与充足的侦察投入。生成式大语言模型的出现实质上瓦解了这两道壁垒。攻击者仅需输入目标基本信息，模型即可在数十秒内生成措辞自然、语境匹配的钓鱼内容。我们曾在内部演练中，将AI生成的钓鱼邮件与人工版本做对照，前者点开率反而略高——原因并非AI更具创造力，而是其输出在语法和文体上更难被识别异常。
核心威胁：中小企业面临规模化、精准化钓鱼攻击的风险显著上升。
| 层次二：压缩防守方的响应窗口
传统攻击链中，信息侦察阶段耗时较长，攻击者需手动完成资产识别、端口扫描、服务版本探测与漏洞匹配。AI引入后，上述流程可压缩至分钟级——自动化资产测绘、漏洞关联分析乃至初步攻击载荷生成均可由工具完成。
核心威胁：漏洞披露与利用之间的“黄金修复期”正在缩短。
| 层次三：催生新型攻击向量
深度伪造（Deepfake）技术已进入实用阶段。某跨国企业分支机构的一名财务人员曾接到“首席财务官”的AI视频通话指令，随后执行了大额跨境转账——事后证实通话中的影像与声音均由AI生成。这类攻击的核心危害在于，它攻击的不是系统，而是人与人之间的信任链条。
提示词注入攻击则直接针对AI应用本身。当企业部署的大语言模型应用读取外部数据时，攻击者可在文档中嵌入隐藏指令，诱导模型执行越权操作，常规安全检测工具难以识别。
核心威胁：AI系统的引入为企业安全防护体系新增了一个攻击面，且该攻击面的防护手段尚未形成行业共识。
AI攻击能力的客观评估
基于当前技术发展水平与实战经验，对 AI 攻击能力的成熟度判断如下：
综上可见，AI尚未进入“全自主攻击”阶段，但在社工攻击、漏洞利用效率及对AI系统自身的攻击等方面，已构成确定性的威胁升级。
企业应对建议
| 升级安全意识培训
传统培训的核心内容——识别可疑链接、检查邮件语法错误——在 AI 时代已不足以应对实际威胁。建议将重点转向建立“多渠道验证”机制：对资金流转、数据导出等关键操作，强制通过第二条独立信道进行确认，培养组织内部的验证文化。
| 强化攻击面管理
AI加速了攻击侦察效率，而侦察的有效性高度依赖目标企业在互联网上的信息暴露程度。企业应定期执行外部资产盘点与信息泄露排查，从源头降低被快速测绘的风险。
| 建立AI应用安全治理框架
引入AI应用前需完成场景识别与风险评估：该应用将接入哪些数据、具备哪些操作权限、可能面临何种特有风险。在AI应用与核心业务系统之间，应部署独立的权限控制与内容检测层。
AI确实降低了网络攻击的门槛，但这种“降低”是技术工具对攻击效能的合理增强，而非颠覆性跃迁。对抗 AI 驱动的威胁，核心能力仍在于安全意识、资产管理、访问控制与纵深防御等基础安全能力建设。
基础的扎实程度，始终决定着防御的上限。
