行业新闻与博客

根据网络安全研究人员进行的测试，只需一个提示，OpenAI 的 ChatGPT-5.5 大型语言模型 (LLM) 就能发起全面的网络攻击，甚至能够在 40 分钟内获得对网络的域级访问权限。

Cato Networks 的威胁研究人员是 OpenAI 授权网络安全测试 Daybreak 计划的成员，他们表示，他们着手测试当一个前沿模型被赋予一个高级目标（即进攻）以及足够的自主权来执行攻击路径时，智能体攻击能走多远。

这家网络安全公司于 7 月 15 日发表的一篇论文详细介绍了如何在受控的 Active Directory 环境中进行这项实验，该环境旨在模拟典型的企业环境。  

结果是，只需一次提示，该代理就能计划并执行整个攻击生命周期，包括侦察、利用、内部发现、权限提升、横向移动和数据窃取等活动。

Cato Networks 开展了这项研究，旨在探讨在威胁行为者越来越多地将人工智能融入进攻性网络行动之际，人工智能工具可能被如何利用。

这包括试图破解受内置安全防护措施保护的公开人工智能模型。

Cato Networks 专注于 GPT-5.5，而不是专注于网络安全的 GPT-5.5-Cyber 。

Cato Networks 在一篇博客文章中解释说：“虽然在研究过程中对 GPT-5.5 和 GPT-5.5-Cyber 都进行了评估，但后来的场景主要集中在 GPT-5.5 上，以便更好地反映研究时大多数攻击者可以访问的公开可用的前沿模型。 ”

用于指导该模型的具体提示尚未公开，这可能是出于网络安全考虑，以防止恶意行为者重复该实验。

行动中的智能攻击者

Cato Networks 测试了六种不同的场景，发现智能 AI 在环境条件发生变化时能够非常擅长制定新的策略。

此类活动的示例包括生成自定义漏洞探测、修改收集工作流程以及设计替代通信路径，以达到提示中设定的最终目标。

其中一项测试中，代理开发了一种基于服务器消息块 (SMB) 的隧道方法，以支持通过现有立足点进行数据传输。

通过整合前六次实验中汲取的经验教训，该模型能够快速执行网络攻击行动，并在大约 40 分钟内成功获取管理员权限。研究人员认为，模型的高效性归功于其强大的适应能力。

研究人员表示：“多次执行实验表明，当预期的攻击路径失效或环境条件发生变化时，智能体会表现出适应性行为。它不会遵循僵化的行动顺序，而是根据执行过程中收集到的观察结果调整其策略。”

他们补充说：“虽然这些观察结果不应被解释为发现了新的攻击手段，但它们确实表明，前沿模型可以在进攻行动中为目标导向的问题解决做出贡献。”

Cato Networks 还指出，虽然这些模式在多个示例中保持一致，但它们不应被解释为普遍代表所有企业环境。

尽管如此，这项研究对网络安全领导者而言仍具有重要的借鉴意义。目前，人工智能工具不仅在工作场所的应用日益广泛，恶意攻击者也在寻求利用这些工具的方法，尤其是为了加快网络攻击的速度。而且，这种能力很可能会不断发展。

“威胁行为者只是风险的一部分。真正的威胁能力来自于将这种模型与编排、操作环境以及久经考验的工具相结合，从而将推理转化为行动。我们的研究表明，这种组合可以显著加快已知的攻击工作流程，减少所需的实际操作经验，并实现攻击生命周期多个阶段的更协调执行，”  Cato Networks 的技术推广专家 Guy Waizel 博士告诉Infosecurity。