AI 生成的利用代码正从理论走向现实风险
美国网络安全机构警告称，人工智能如今正在帮助攻击者为工业控制系统生成可用的利用脚本，这一变化可能让某些针对关键基础设施的攻击更快、更便宜，也更容易实施。据 The Decoder 引述的一份联合通报称，威胁行为者正在利用 AI 构建针对 Siemens S7 可编程逻辑控制器（PLC）的脚本，而这类硬件在工业流程自动化中发挥着核心作用。
这一警告之所以重要，是因为 PLC 离物理世界很近。它们被用于监测或控制机械设备和工业运行，覆盖能源、水务、化工和制造等行业。当这些系统成为攻击目标时，影响并不局限于数据窃取或办公网络中断。真正令人担忧的是，攻击者可能干扰维持设施安全、可靠运行的各类流程。
由 NSA、CISA、FBI 及合作机构联合发布的这份通报，将这一问题界定为远不止是推测性的未来威胁。通报称，AI 辅助利用已经构成现实风险，并表示该技术正在降低生成可用恶意工具所需的专业知识和时间成本。这是网络攻击经济学上的一个显著变化。过去需要专门的运营技术技能才能完成的任务，如今可以部分自动化，帮助攻击者更快地从公开可得的漏洞信息转向有针对性的利用代码。
为什么工业系统属于不同类别的目标
工业控制系统长期以来一直是一个棘手的安全挑战。许多系统最初的设计重点是可靠性和长生命周期，而不是应对现代互联网威胁。在某些环境中，这些系统与运行流程深度集成，因此打补丁、更换或重新配置它们，往往比更新传统 IT 资产更复杂。这为攻击者留下了可利用的缺口，尤其是当存在漏洞的设备能够从公网访问时。
通报强调，暴露面是核心问题。威胁行为者可以收集已知弱点的公开信息，识别可从互联网访问的 PLC，然后使用 AI 生成的脚本针对这些信息采取行动。换言之，AI 并不需要发明全新的漏洞才具备危险性。它对攻击者的短期价值，可能在于将侦察、脚本编写、迭代和适配压缩到更短的周期内。
正是这种压缩，让这份政府警告显得格外重要。它表明，眼下的直接危险并不是 AI 完全自主地从头到尾入侵工业设施。相反，更现实的威胁是辅助式利用：模型帮助人类生成代码、调整技术手段，并以比手工操作快得多的速度测试多种攻击路径。
通报如何描述当前威胁环境
各机构将这一趋势描述为威胁行为者能力的演进。在他们看来，AI 正在降低有效攻击的门槛，同时提高攻击者的机动性。如果某个脚本失败，或者防御措施阻断了某种路径，模型可以帮助重写代码或建议其他路线。这并不会消除对人工操作者的需求，但它可能增加能够尝试针对 ICS 的对手数量，并缩短从意图到执行的时间线。
报告中提到的行业也凸显了风险。能源系统、供水公用事业、化工设施和制造企业都支撑着基本服务和供应链。即便是有限的中断，也可能在下游造成放大效应，无论是生产停摆、安全事故，还是对当地社区和工业客户造成压力。各机构将这一问题定性为主动威胁，说明运营方应将这份通报视为需要立即审查的提示，而不是一场长期政策讨论。
这份报告发布之际，公众围绕 AI 安全的讨论往往在炒作与否定之间摆动。The Decoder 指出，英国 AI Safety Institute 的模拟发现，模型并未独立入侵运营技术系统。但这些测试并不与美国方面的警告相矛盾。各机构并不是说模型已经成为完全自主的 OT 入侵者。他们的意思是，AI 已经足够有用，能够实质性提升利用开发的速度和可及性。这个说法更窄，但也更具可操作性。
从代码生成到关键基础设施防御
对防御者而言，现实教训是：当攻击者可以工业化利用既有弱点时，原本存在的漏洞会变得更危险。公开记录的缺陷、错误的互联网暴露方式以及薄弱的网络分段，如果可以借助现成的 AI 工具加速生成和适配利用代码，其后果就会更加严重。因此，即便攻击工具在变化，核心防御重点仍然是熟悉的那些。
运营工业环境的组织应将暴露在互联网上的 PLC 视为最高等级的风险。他们还需要假设，针对知名设备的脚本现在会以更快速度、更多定制化形式扩散。这提高了系统化资产清单、IT 与 OT 环境之间的网络隔离、在可行情况下及时修复，以及严格控制远程访问路径的价值。
这份通报的更深层意义在于战略层面。AI 对网络冲突最直接的影响，也许不是戏剧性的机器主导攻击，而是持续削弱过去限制谁能构建专业工具的摩擦成本。在工业环境中，被攻击的系统可能影响物理运行，攻击效率哪怕只是逐步提升，也可能带来严重后果。
因此，美国机构的警告与其说是在谈科幻，不如说是在谈工作流程的转变。如果针对工业目标的利用开发变得更容易自动化，关键基础设施安全团队将面对更多有能力的对手，以及更快的攻击迭代节奏。即便更先进的自主 offensive AI 还未到来，这一点本身就足以改变当下的风险格局。
本文基于 The Decoder 的报道。阅读原文。
Originally published on the-decoder.com