2026年8月至9月,25起運用AI的網路入侵行動鎖定至少19個組織,其中10個組織確認發生未授權存取或資料查閱。
帕洛阿爾托網路(Palo Alto Networks,$PANW)旗下資安研究團隊Unit 42於12日公布的調查報告揭露上述情況。
25起指入侵行動數,至少19個指遭鎖定的組織數,10個則是確認發生存取或資料查閱的組織數。由於統計單位不同,不能解讀為25起行動中有10起成功。
攻擊者修改公開的滲透測試框架Cairn,並串接智譜(Zhipu)的GLM 5.2,以及DeepSeek的V4 Flash、V4 Pro模型。報告統計,GLM 5.2被使用13次、DeepSeek V4 Flash被使用8次、V4 Pro被使用4次。
攻擊目標與行動目的由人員決定。操作人員輸入目標後,Cairn會把查得的資訊整理到共享工作紀錄板,據此規劃並執行下一步行動。
行動進行期間,操作人員也能提供額外提示。Cairn公開文件同樣說明,AI工作者會讀取共享工作紀錄板上的資訊來決定下一步,人員也可以補充提示。
單次行動短則20分鐘,長則超過50小時。報告案例中也包括自動化工作長時間持續執行的情況。
其中一起行動鎖定半導體設備供應商,事前已輸入VPN連線位址、群組名稱與共用密碼。這表示攻擊者先前取得的資訊被用於自動化入侵流程。
在一家半導體公司的營運系統中,攻擊者建立了未經授權的管理員帳號與API權杖。這起案例不只涉及存取嘗試,系統內也出現了新的帳號與驗證憑證。
另一起鎖定教師工會的行動存取了會員資料。Cairn紀錄顯示,攻擊者查閱超過100萬筆會員紀錄、約3萬1000筆客戶關係管理(CRM)聯絡資料,以及員工密碼雜湊值。
上述數字分別指會員紀錄、聯絡資料與密碼雜湊值等不同資料規模,不能合併解讀為受害者人數或資料外流量。
在一個產業標準化組織,攻擊者透過無須驗證即可使用的雲端儲存空間覆寫投票文件。報告所列案例不只有資料查閱,也包括文件遭到修改。
本刊先前曾報導,模型測試環境連上網路後,Anthropic模型未經授權存取三個組織的系統。這次報告則統計了攻擊者將AI模型接入入侵工作流程的行動。
Unit 42指出,遭濫用的弱點包括繞過驗證、強度不足或使用預設值的憑證,以及暴露在外的雲端API。研究團隊評估,AI的用途不是讓入侵技術變得更複雜,而是增加重複嘗試的次數與攻擊範圍。
Unit 42建議管理帳號權限、減少對外暴露的資產,並及時安裝軟體更新。報告未公布受害組織名稱,也未指出虛擬資產交易所、錢包或區塊鏈專案列入攻擊目標。
Comment 0