行業新聞與部落格

根據網路安全研究人員進行的測試，只需一個提示，OpenAI 的 ChatGPT-5.5 大型語言模型 (LLM) 就能發起全面的網路攻擊，甚至能夠在 40 分鐘內獲得對網路的域級訪問許可權。

Cato Networks 的威脅研究人員是 OpenAI 授權網路安全測試 Daybreak 計劃的成員，他們表示，他們著手測試當一個前沿模型被賦予一個高階目標（即進攻）以及足夠的自主權來執行攻擊路徑時，智慧體攻擊能走多遠。

這家網路安全公司於 7 月 15 日發表的一篇論文詳細介紹瞭如何在受控的 Active Directory 環境中進行這項實驗，該環境旨在模擬典型的企業環境。  

結果是，只需一次提示，該代理就能計劃並執行整個攻擊生命週期，包括偵察、利用、內部發現、許可權提升、橫向移動和資料竊取等活動。

Cato Networks 開展了這項研究，旨在探討在威脅行為者越來越多地將人工智慧融入進攻性網路行動之際，人工智慧工具可能被如何利用。

這包括試圖破解受內建安全防護措施保護的公開人工智慧模型。

Cato Networks 專注於 GPT-5.5，而不是專注於網路安全的 GPT-5.5-Cyber 。

Cato Networks 在一篇部落格文章中解釋說：“雖然在研究過程中對 GPT-5.5 和 GPT-5.5-Cyber 都進行了評估，但後來的場景主要集中在 GPT-5.5 上，以便更好地反映研究時大多數攻擊者可以訪問的公開可用的前沿模型。 ”

用於指導該模型的具體提示尚未公開，這可能是出於網路安全考慮，以防止惡意行為者重複該實驗。

行動中的智慧攻擊者

Cato Networks 測試了六種不同的場景，發現智慧 AI 在環境條件發生變化時能夠非常擅長制定新的策略。

此類活動的示例包括生成自定義漏洞探測、修改收集工作流程以及設計替代通訊路徑，以達到提示中設定的最終目標。

其中一項測試中，代理開發了一種基於伺服器訊息塊 (SMB) 的隧道方法，以支援透過現有立足點進行資料傳輸。

透過整合前六次實驗中汲取的經驗教訓，該模型能夠快速執行網路攻擊行動，並在大約 40 分鐘內成功獲取管理員許可權。研究人員認為，模型的高效性歸功於其強大的適應能力。

研究人員表示：“多次執行實驗表明，當預期的攻擊路徑失效或環境條件發生變化時，智慧體會表現出適應性行為。它不會遵循僵化的行動順序，而是根據執行過程中收集到的觀察結果調整其策略。”

他們補充說：“雖然這些觀察結果不應被解釋為發現了新的攻擊手段，但它們確實表明，前沿模型可以在進攻行動中為目標導向的問題解決做出貢獻。”

Cato Networks 還指出，雖然這些模式在多個示例中保持一致，但它們不應被解釋為普遍代表所有企業環境。

儘管如此，這項研究對網路安全領導者而言仍具有重要的借鑑意義。目前，人工智慧工具不僅在工作場所的應用日益廣泛，惡意攻擊者也在尋求利用這些工具的方法，尤其是為了加快網路攻擊的速度。而且，這種能力很可能會不斷發展。

“威脅行為者只是風險的一部分。真正的威脅能力來自於將這種模型與編排、操作環境以及久經考驗的工具相結合，從而將推理轉化為行動。我們的研究表明，這種組合可以顯著加快已知的攻擊工作流程，減少所需的實際操作經驗，並實現攻擊生命週期多個階段的更協調執行，”  Cato Networks 的技術推廣專家 Guy Waizel 博士告訴Infosecurity。