AI 辅助黑客：区分营销炒作与技术现实
大型语言模型（LLM）与网络安全的交叉点引发了两极分化的争论。一方面，标题暗示进入了“vibe hacking”的新时代，单独的行为者利用 AI 入侵政府基础设施；另一方面，经验丰富的工程师认为，这些模型的炒作远远超过其实际技术能力。
了解 AI 在漏洞利用链中实际增值的环节——以及它失效的地方——对安全专业人员判断其防御姿态是否需要根本性转变至关重要。
基准与真实代码之间的差距
在 AI 驱动攻击的分析中，一个反复出现的主题是受控环境下的表现与针对“混乱”真实代码库的表现之间的差距。
例如，Anthropic 的 SCONE 基准（2025 年 12 月）展示了能力的显著跃升。AI 代理成功利用了 34 份后截止智能合约中的 19 份，成功率为 55.8%。这相比仅十二个月前约 2% 的成功率是一个惊人的提升。这些代理能够模拟盗取 460 万美元的资金，平均每份合约的 API 成本仅为 1.22 美元。
然而，这些成功集中在狭窄、范围明确的漏洞类别，特别是 Solidity 智能合约。当转向通用、复杂的软件时，结果就不那么令人印象深刻。Daniel Stenberg 最近在 curl 代码库上测试了受限的 Anthropic frontier 模型。尽管有炒作，该模型产生了五个“确认”发现，其中只有一个被归类为低危 CVE。Stenberg 指出，周围的炒作是“主要是营销”，这表明虽然 LLM 能发现琐碎的错误，但在突破硬化的专业级软件所需的深层架构逻辑方面仍然困难。
漏洞利用供应链
除了发现漏洞的技术能力外，实际的入侵执行涉及一个旨在降低责任的复杂供应链。数据外泄和变现的过程很少由单一实体处理。
- 发现阶段： 行为者可能使用 LLM 来识别漏洞。由于这会在 AI 提供商处留下数字痕迹，发现者可能选择不自行利用系统。
- 经纪阶段： 漏洞被出售给第三方，使行为从潜在犯罪转变为盈利项目。
- 外泄阶段： 另一个实体负责数据窃取，常常保持漏洞开放供他人使用，进一步使原始发现者与犯罪保持距离。
- 洗钱阶段： 最后一步是将被盗资产或数据转换为货币，常常利用“在家工作”的搬运工通过银行凭证转移资金，再将其转换回加密货币。
防御困境
随着 LLM 降低了识别漏洞的准入门槛，安全格局正在变化。一些观察者认为我们已经进入了网络安全的“黄金时代”——并非因为事物更安全，而是因为冲突的对称性已经改变。
“由于 LLM，防御变得更弱，而攻击变得更强且更便宜。这对我们其他人来说是糟糕的组合。”
虽然防御者可以使用 AI 编写补丁和扫描代码，攻击者也可以使用相同的工具以更低的成本和时间迭代利用。危险并不一定在于 AI 会发明一种新的“超级利用”类别，而在于它会让已知漏洞模式的执行能力在更广泛的目标上实现民主化。
结论：狭窄成功 vs. 广泛失败
当前 AI 在黑客领域的状态可概括为从“不可实现”向“狭窄可行”转变。LLM 正在真正熟练地针对受限目标——如智能合约或特定 API 端点——进行攻击，这些目标规则严格、范围有限。然而，它们仍然在处理大规模遗留系统的细微差别、规模和不可预测性方面存在困难。真正的威胁在于这些狭窄能力被整合进更广泛、由人类主导的漏洞利用供应链中。