Anthropic 分析 832 起 AI 网络攻击案例：AI 将攻击链重心迁移至后渗透阶段，中等风险行为者比例一年翻 1.7 倍
日期：2026/06/04
这项研究分析了什么
Anthropic 的研究团队在过去一年（2025 年 3 月至 2026 年 3 月）内持续记录并分析了因恶意网络活动而被封禁的 832 个账号，将其使用 AI 的行为模式逐一对应到 MITRE ATT&CK 框架——一个由安全社区长期维护的攻击战术与技术数据库。这 832 个案例是该时期内被封禁总数的一个子集，覆盖的是数据详细程度足以进行深入分析的案例，部分结果已发布于 Verizon 2026 年数据泄露调查报告（DBIR），完整分析则通过 Anthropic Frontier Red Team 博客公开。
Anthropic 将研究期分为两个六个月段（2025 年 3 月至 9 月，以及 2025 年 9 月至 2026 年 3 月），通过横向对比两个时期的行为分布，追踪了 AI 辅助网络攻击在一年内的演变轨迹。
三个核心发现
AI 已嵌入攻击链后期、复杂阶段
在 832 个案例中，67.3%（560 个）的攻击者将 AI 用于编写恶意软件——这是最常见的 AI 应用场景，也发生在攻击准备阶段。但更值得关注的是后渗透操作：6.5%（54 个）的攻击者将 AI 用于横向移动（lateral movement），即在已经进入网络后，在网络内部移动以访问更深层系统。报告特别指出，AI 对账号发现（account discovery）的使用率在研究期间上升了 8.9%，而 AI 辅助网络钓鱼的使用率则下降了 8.6%。
这一模式说明 AI 在攻击链中的应用重心正在从"进入系统"（初始访问阶段）向"系统内部活动"（后渗透阶段）迁移。账号发现和横向移动此前需要对目标系统有相当程度的专业了解，AI 正在降低这一门槛。
中等风险以上行为者比例在一年内从 33% 升至 56%
Anthropic 的风险评分系统将被封禁账号划分为低、中、高等风险等级。在研究的第一个六个月，33% 的行为者被评为中等风险或以上；到第二个六个月，这一比例升至 56%——增幅约为 1.7 倍。
报告将这一变化解读为与 AI 可能使攻击者威胁等级提升的证据相一致。研究发现表明，AI 可以帮助技术水平较低的攻击者执行此前只有高水平攻击者才能完成的后渗透操作，使得"低技能行为者"与"高技能行为者"之间的威胁差距缩小。
MITRE ATT&CK 框架未能捕捉 AI 辅助攻击的特有危险
Anthropic 的第三个结论是关于框架层面的：MITRE ATT&CK 没有完整描述 AI 加持的攻击者行为所产生的危险。具体而言，AI 可以将攻击链的多个环节串联起来自动化执行——这种"链式自动化"的危险性无法通过对单一战术的技术能力评估来充分体现。报告指出，旧有的依赖攻击者技术能力高低来区分风险等级的判断方式正在失效，因为低技能攻击者借助 AI 已经能够执行此前需要高技能才能完成的操作。
攻击模式的结构性转变
报告呈现的数据指向一个一致的结论：AI 的应用使攻击更"自主化"。AI 可以被用来将攻击链中许多彼此独立的步骤串联起来，而传统安全体系恰恰依赖于各阶段之间的技术壁垒——这些壁垒在区分高低风险行为者方面起到了关键作用。一旦 AI 能够代替低技能行为者完成技术门槛较高的环节，这套依赖技术壁垒的风险分级体系就会出现系统性偏差。
在攻击准备阶段，AI 被用于编写恶意软件、研究目标（reconnaissance）等；在后渗透阶段，AI 被用于账号发现、横向移动等。这种从"进门"到"在里面转"的重心迁移，意味着攻击者在进入系统后的持续驻留和内部探索能力正在被 AI 增强。
对安全检测体系的影响
报告明确表示，安全团队的传统威胁评估方法——依赖技术能力高低来区分高低风险行为者——的有效性正在下降。报告同时指出，随着 AI 使网络攻击变得更自主，以往将高风险行为者与低风险行为者区分开来的因素不再像过去那样可靠。
在具体检测层面，报告提到 MITRE ATT&CK 框架存在的覆盖缺口：AI 辅助攻击使后渗透操作的执行变得更易于自动化，而 ATT&CK 的现有条目主要针对各个独立技术，对"AI 辅助下的多步骤自动化攻击链"这种组合形态缺乏充分描述。
*参考文献*