AI 军团开打，防御只剩几小时

Cisco Talos 的研究人员给出的判断是：协调作业的 AI 智能体蜂群（agent swarms），可以把这套流程压缩到几小时。

几乎在同一时间，Anthropic 宣布启动 Cyber Mission，用 Claude 前沿模型去保护关键基础设施和开源软件。一边是攻击时钟被重置，一边是模型厂商亲自下场当守门人——这两件事放到一起看，AI 安全的攻防结构正在被改写：防御方必须按小时级节奏重建自己的流程，而不是按月。

这并不是危言耸听。参照几组公开数据，就能看出攻防双方的时间刻度本来就在坍缩：

• CrowdStrike《2024 全球威胁报告》：电子犯罪攻击者的“破防时间”（从拿到初始立足点到横向移动）平均已缩短至 62 分钟，最快纪录仅 2 分 07 秒——这还是 AI 蜂群全面介入之前的数据；
• Mandiant M-Trends 2024：全球攻击者的中位驻留时间已降至 10 天（2011 年为 416 天），攻击方逃逸速度持续加快；
• IBM《2024 数据泄露成本报告》：企业平均需要 258 天才能识别并控制一次数据泄露；
• Verizon DBIR 2024：用户点击钓鱼链接的中位时间已少于 60 秒。

也就是说，攻击方早已跑进了“分钟级”，而防御方仍在用“天级”甚至“月级”的钟表作战。AI 蜂群只是把这条越拉越长的裂缝，变成了断层。

⏱️ 攻击时钟被重置：几个月变几小时

时间，是安全行业最隐形的定价单位。

一次典型的定向攻击是什么节奏？攻击者先花数周做情报收集和外部踩点，再花数周搭建钓鱼基础设施、租用服务器、注册域名，找到初始突破口后，还要慢慢提权、横向移动、等待时机。传统红队项目里，这一个完整周期以月计，是行业默认的物理规律。

Cisco Talos 的警告打破了这条规律：协调作业的 AI 智能体蜂群，可以把原本需要数月的复杂攻击准备与执行过程，压缩到几小时内完成。更重要的是他们点出的核心问题——悬念已经不是“AI 会不会被用于网络攻击”，而是“组织如何抵御持续的、可规模化的、越来越自动化的攻击”。

这两句话的分量不一样。前一句是老生常谈，后一句是结构性变化：攻击从“人类手工作业”变成了“可并行的计算任务”，而计算任务的边际成本趋近于零。

安全行业的整套指标体系——MTTD（平均检测时间）、MTTR（平均响应时间）——都是建立在“攻击者比较慢”这个前提上的。SOC 团队习惯按天、按周处理告警，而 IBM 报告里那 258 天的平均泄露处置周期就是最直观的注脚。当攻击方的破防时间已经压到 CrowdStrike 统计的 62 分钟、未来还可能被蜂群进一步压到小时级以内，防御方还停留在天级响应，时间差本身就是被击穿的原因。

🐝 蜂群不是更强的黑客，是更便宜的组织

要看懂这次变化，得先纠正一个误解：AI 蜂群的可怕之处，不在于单个智能体比顶尖黑客更强——目前并没有证据支持这一点——而在于它把攻击这件事的组织成本打到了地板上。

一位资深渗透测试工程师一周的工作量，大概是这样分配的：一半时间做侦察和资产梳理，三成时间验证漏洞可达性，剩下的搭环境、写报告。这背后是人的注意力瓶颈和团队协调成本。而智能体蜂群的玩法完全不同：编排智能体把目标拆解成任务，侦察智能体群、漏洞验证智能体、基础设施部署智能体同时开工，各自回报、汇总成完整攻击链。

拆开看每一环，单个智能体的水平未必超过人类专家；拼在一起，它赢在并行、不知疲倦、可以失败重来。人类红队失败一次要复盘一周，蜂群失败一千次只是换一组参数。

对防御方的直接后果是：攻击数量会先于攻击质量爆发。大量“平庸但海量”的自动化尝试涌向暴露面，SOC 的告警洪水会先淹过来；而在噪音掩护下，少数真正有深度的人类攻击反而更难被识别。

这方面的压力其实已有公开侧写：Google Cloud 的威胁情报团队在 2025 年明确指出，AI 正在同时被用于攻击方（编写更逼真的钓鱼内容、加速漏洞研究）和防御方（告警分诊、自动化调查），攻防两端都在把 AI 塞进流程——节奏快慢，取决于谁能先把智能体真正跑进生产环境，而不是停留在季度性评估。

🛡️ Anthropic 下场：模型厂商开始当守门人

能力放出去，责任就得接回来。这是模型厂商绕不开的一道题。

Anthropic 的 Cyber Mission 是一个长期项目，明确瞄准两个最要命的领域：关键基础设施和开源软件。项目用 Claude 前沿模型提供能力，配套工程支持、威胁研究和资金投入。落地为两个组件：一是关键基础设施防御计划（CIDP），面向电力、水务这类攻击后果外溢最大的行业；二是 OSS Scanner，一项免费的、需主动加入（opt-in）的开源扫描服务，帮开源项目提前发现自己代码里的漏洞。

这个布局值得细品。模型厂商做安全，有天然的双重身份：一方面，前沿模型本身就可能被攻击者拿来当武器，能力外溢的风险它自己最清楚；另一方面，模型厂商手里握着防御侧最稀缺的资源——既能理解代码和漏洞的智能，又有算力可以规模化部署。主动做防御，既是社会责任叙事，也是把风险内化成产品能力的商业决策。

为什么选开源软件当切入点？逻辑很硬：现代软件几乎全部构建在开源依赖之上，供应链上游的一个漏洞就是全行业的公共薄弱点，也是蜂群式自动化攻击最理想的规模化目标。而 opt-in 的设计也划清了边界——扫描需项目方主动加入，绕开了“未经授权扫描他人代码”的信任争议。这个细节说明，模型厂商下场做安全，动作是克制且懂行的。

对传统安全厂商来说，这既是威胁也是信号：安全能力正在从“外挂工具”变成“平台内建”。当 Anthropic 这样的平台方免费提供基础扫描和研究支持，卖单点扫描器、卖基础威胁情报的生意会被压缩；真正难被替代的，是深度响应、行业合规和复杂环境下的定制化防御。

🧭 防御方的补课清单：别等模型再进化

蜂群攻击尚未大规模爆发，但时间差已经出现。防御方现在能做什么？核心不是买某个新产品，而是把自己的时间结构和权限结构重排一遍。

第一，用自动化对抗自动化。既然攻击方的节奏是小时级，防御演练就不能停留在一年一次的渗透测试。持续化的智能体红队、自动化攻击路径验证，应该进入常规安全预算。

第二，治理好自己的 AI。这一条经常被忽略：企业内部部署的智能体，本身拥有 API 密钥、数据访问权限和执行能力——它们就是蜂群攻击眼里现成的“内应”。给 AI 代理设最小权限、留完整审计日志，是当下就该做的基础功课。

第三，把开源依赖当成一级风险来管理。攻击者选目标看的是规模化效率，供应链上游永远是性价比最高的入口。

小结

Cisco Talos 的警告和 Anthropic 的 Cyber Mission，其实是同一枚硬币的两面：AI 把攻击的组织成本压到几小时，也让防御第一次有机会用同样的智能和算力去对冲。攻防的天平未必倾斜，但时钟已经换了刻度。接下来一两年，值得盯三件事：蜂群攻击的首批真实案例长什么样、模型厂商的安全计划是否会从公益走向收费产品、以及监管机构何时把 AI 攻防纳入关键基础设施的合规要求。防御方最不该做的，是继续按月节奏应对一场按小时计时的战争。