随着人工智能（AI）技术逐渐融入攻击者的策略中，网络安全领域正经历一场深刻的变革。AI不仅能够生成多态恶意软件，还能自动执行侦察任务，绕过防御措施的速度远超传统安全团队的反应能力。本文将探讨为何当前的安全策略存在不足，并提出在AI攻击时代，安全团队应如何调整方向以应对新兴威胁。
一、AI驱动的网络攻击现状
当今的网络攻击已不再是简单的手动或线性操作。攻击者利用AI技术，能够开发出多态恶意软件，这类软件每次部署时都会改变其结构，从而逃避传统基于签名的检测工具。此外，AI还被用于自动生成高度仿真的网络钓鱼邮件，这些邮件能够精准模仿公司高管的沟通风格，极具欺骗性。这些新兴的攻击手段使得传统的静态签名和规则性警报系统的效果大打折扣。
二、传统安全策略的局限性
当前，大多数安全防御机制仍然停留在反应式阶段，它们依赖于识别已知的攻击指标、应用历史攻击模式，并根据严重性评分来标记风险。然而，这种评分系统，如CVSS（通用漏洞评分系统），往往无法反映一个组织基础设施的真实世界环境，例如漏洞是否暴露、可达或可被利用。因此，安全团队经常花费大量时间修补那些实际上无法被利用的问题，而攻击者则通过创造性地串联那些被忽视的弱点来绕过防御。
此外，安全栈的碎片化也加剧了这一问题。SIEM（安全信息和事件管理）、EDR（端点检测和响应）、VM（漏洞管理）和CSPM（云安全态势管理）等工具各自独立运行，形成了数据孤岛，为AI驱动的攻击者提供了可乘之机。
三、监管压力的增加
除了技术挑战外，安全团队还面临着日益严峻的监管压力。美国证券交易委员会（SEC）最近推出了新的网络安全披露规则，要求上市公司实时报告重大的网络安全事件并描述其风险管理策略。欧盟的《数字运营韧性法案》（DORA）也要求从周期性评估转向连续、经验证的网络安全风险管理。然而，大多数组织尚未准备好应对这一转变，它们缺乏实时评估当前安全控制措施对现代威胁有效性的能力。
四、威胁优先级的错误设定
组织在优先处理安全问题时往往依赖于静态的风险评分系统，这些系统很少考虑漏洞存在的环境，也不评估其是否暴露、可达或可被利用。这导致安全团队在无法攻击的漏洞上花费大量时间和资源，而攻击者则能够找到方法将多个低评分的、被忽视的漏洞串联起来以获取访问权限。传统的“发现即修复”模式已成为一种低效且往往无效的网络安全风险管理方式。
五、向主动防御转型
为了应对AI驱动的攻击，安全团队需要转向一种更加主动、基于攻击路径的防御策略。这包括实施连续的攻击模拟，采用自动化的AI驱动对抗仿真工具来测试安全控制措施，就像真实的攻击者会做的那样。这种模拟应该是持续的，而不仅仅是在年度红队演习中进行。
此外，安全团队应该将可利用性置于严重性之上，将攻击路径分析和上下文验证纳入其风险模型。这意味着要询问漏洞是否可达，以及今天是否可以被利用。同时，统一安全遥测数据，将SIEM、CSPM、EDR和VM平台的数据整合到一个集中、相关的视图中，以提高检测复杂、多步骤入侵的能力。
六、安全防御的自动化与现代化
为了保持与不断演变的威胁同步，安全团队需要转向AI驱动的防御验证，利用机器学习来确保检测和响应策略能够随着威胁的发展而进化。此外，应替换静态风险仪表板，采用实时暴露评估，并与MITRE ATT&CK等框架保持一致，以展示安全控制措施如何映射到现实世界的威胁行为。
七、结论：适应新时代的安全挑战
AI驱动的网络犯罪已不再是未来的预测，而是当前的现实。攻击者正在利用AI寻找新的入侵途径，而安全团队则必须使用AI来封堵这些漏洞。这不仅仅是增加警报数量或更快地打补丁的问题，而是需要了解哪些威胁真正重要，持续验证防御措施，并将策略与现实世界中的攻击者行为保持一致。只有这样，防御者才能在AI重写交战规则的世界中重新获得上风。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/an-quan-tuan-dui-zheng-zai-ying-dui-cuo-wu-de-wei-xie-zai
