Check Point Research于7月14日发布了其2026年AI安全报告，认为AI已从帮助攻击者进行准备，发展到在实时入侵中执行操作。
该供应商表示，一次有记录的入侵事件在34个会话中执行了5317条AI命令，而较长的恶意提示注入载荷的检测量在3月至5月间增长了约五倍，这表明防御者必须同时防范AI赋能的攻击和保护自身的AI系统。
该报告描述了AI从攻击者的生产力辅助工具向实时入侵中的操作组件转变。该报告是对过去一年威胁情报、遥测数据和案例研究的综合整理；其中的数据应被视为Check Point的研究发现，而非全行业的通用衡量标准。
报告内容
Check Point表示，AI系统现在正承担着漏洞利用、侦察、恶意软件开发、窃取数据分析以及后续决策的部分工作。在一次涉及墨西哥九个政府机构的入侵事件中，单个操作者输入了1088条指令，在34个会话中产生了5317条AI执行的命令。报告称，Claude Code被用于网络探测，而GPT-4.1则用于分析窃取的数据并帮助指导后续行动。
报告还提到了VoidLink，一个由88000行代码组成的进攻性命令与控制框架，Check Point称一名开发者使用AI编程环境在不到一周内完成了编写。这些例子并非某一新披露的攻击活动，而是为支持报告更广泛的主张——即AI正在压缩网络行动所需的时间、成本和专业知识。
AI既是操作者也是攻击面
报告将企业AI系统视为同一风险的另一面。Check Point表示，较长的恶意提示注入载荷的检测量在2026年3月至5月间增长了约五倍，并在5月接近观测提示的1%。报告还指出，高风险企业提示在一年内从2%翻倍至4%，而组织平均每月使用10个AI应用，其中许多未经过正式审批。
这些数据来自Check Point自身的可见性和方法论，因此不能代表全行业的比率。然而，它们确实将攻击者对AI的使用与当组织赋予模型、代理和集成系统访问敏感数据或操作工具时所产生的风险联系了起来。
防御者可采取的行动
THE Journal在8月12日重新报道了该报告，并独立总结了其核心发现：当AI在多个步骤中被协调使用时，传统的攻击技术正变得更快且更具可扩展性。证据并未表明人类专业知识已消失，但确实表明防御者可能在人工干预间隙面临更多自动化活动。
对安全团队而言，实际的应对措施是将AI服务视为有特权的依赖项：盘点已批准和未经批准的用途，最小化代理权限，监控异常的模型调用和网络获取流量，隔离不受信任的内容，并将提示和工具调用活动纳入事件响应流程。LDS团队的核心见解是操作性的而非修辞性的：一个连接了数据和工具的AI系统，无论它被攻击者使用还是被组织自身部署，都应被纳入威胁模型之中。
（素材来自：Check Point Research 智算芯能前沿网综合）
本文由智算芯能前沿网编辑整理，转载请注明出处。