技术文章

外部链接将在新标签页打开。

AI 编排的渗透测试来袭:传统安全模型该重排哪几道门

一句话回答

Cloudflare 2026 年 11 月 13 日的博文指出,AI 编排的渗透测试框架在数量和请求量上快速膨胀,攻击从依赖人工技能转为并行 agent 以推理速度迭代 Cyber Kill Chain。其提出的“现代安全模型”六根支柱——WAF 与速率限制、异常检测、Bot Defense、身份门控、schema 校验与显式控制、威胁情报——对开发者的实际含义是:把每层都做成可独立限速、可识别、可鉴权、可校验的边界,并优先处理 CI/CD 中长期有效的静态凭据。文中数字均为 Cloudflare 网络视角的观察,具体框架能力与配置细节仍需回原文和项目文档核实。

结论先说:传统安全模型隐含一个假设——攻击的速度上限由人的技能和精力决定。AI 编排的渗透测试框架打破了这个假设:它把资产枚举、目标排序、漏洞验证、利用尝试串成并行闭环,以模型推理的速度推进。防线因此不能只靠“边界加固”,而要重排成若干道彼此独立的门:每一层都能自己限速、识别自动化流量、校验身份、约束输入。以下内容依据 Cloudflare 于 2026 年 11 月 13 日发布的博文及其可抓取的正文片段整理;抓取结果为截断状态,后文会明确哪些部分本次无法确认。

变化在哪:从“人的节奏”到“推理的节奏”#

Cloudflare 在博文中给出了其网络视角下的观察(统计对象为其自身网络上观测到的流量与 IP,时间窗见各条):

  • 在博文发布前的三天内,有 50 个以上的框架家族尝试扫描 Cloudflare 客户,运行这些框架的 IP 已达数千个,并仍在增长。
  • 原始 ARTEX 仓库于 10 月 8 日由创建者 Autumn-27 下架后,其衍生仓库已超过 12000 个,其中数百个是带有原始血统的唯一 fork;同期还出现了数百个类似的 agentic 编排框架。
  • 截至 11 月 12 日,ARTEX 及其 fork 占已知 AI 渗透测试编排器的 60% 以上;博文称下架后流量增长十倍以上,相对 10 月 1 日增长 30 倍以上。

需要强调的是,这些是单一厂商在其网络边界上看到的样本,不等于全网统计,也不能直接外推为“某个行业被攻击的概率”。但博文对能力变化的三点归纳值得开发者重视:其一,人类技能不再构成上限,观察、定向、决策、行动这一循环的每一步都由 harness 执行;其二,多个并行 agent 同时推进一个目标,与“单个操作者+AI 辅助”是量级差别;其三,自治框架会系统性地反复测试所有暴露服务及其配置,配置上的小疏漏会被稳定地发现。

被跟踪的框架:差别在编排结构与执行环境#

博文称正在跟踪 50 个以上 LLM agent,并列出五个 GitHub 星标过千、完全自治的代表性项目。下表按原文表格的关键列整理,属于来源信息,不是本次实测结论;各项目的实际能力应以项目自身文档为准(待核实)。

框架 编排结构 执行环境 内置后渗透能力
ARTEX 及其 fork 规划模型加并行 agent;目标、线索、发现的图与目标资产图关联 直接运行在主机或容器中,具备网络与 root 权限,可按需安装或开发工具 无内置能力,需使用者指示
LuaN1aoAgent 监督 agent、规划 agent 与通用执行 agent;三张图 容器,具备网络与用户权限,可安装用户包 内置 SSH 与 Chisel 隧道,中断后尝试重连
Decepticon 编排 agent 派发专业子 agent;带前置条件的图 以 root 运行的 Kali 容器 专门的后访问、Active Directory 与云环境横向技能
Cairn 调度器向已有 AI harness 派发工作,新节点触发调度 Kali root 容器或直接运行在主机 提示引导与 Kali 工具
PentestGPT-Agent 监督 agent 加一个通用执行 agent 运行在主机上 无内置能力,需使用者指示

这张表对防御方的提示是:能装上工具、能开隧道、能做横向,这些原本被视为“人肉能力”的环节已经被写进框架。防御评估不应再假设攻击方在拿到初始访问后会停顿。

真正被利用的那道门:CI/CD 里的长期静态凭据#

博文提到,Cloudforce One 在过去八周的多次事件响应中观察到同一类根因:攻击者先进入超大规模云环境,再直接横向到客户的 Cloudflare 环境;入口是 CI/CD 管道中运行的静态、永不过期令牌,这些令牌被授予了跨环境的广泛权限。在一个具体案例中,被使用的账户级 API token 此前用于 CI/CD,既没有 IP 限制,也没有速率限制。

同一案例里另有一段可复用的观察:攻击者创建了大量命名带有规律前缀(如 artex-、artex-pgrecon-、artex-pgw-、artex-do-)的 Worker 脚本,名称对应不同行为;在多个基础设施部分出现每分钟超过 69 次请求,以及一小时内 400 次数据库转储请求,同时还出现持久化尝试和对其他第三方应用会话令牌的校验尝试。这是单个事件响应案例的观察,不代表所有攻击的形态。

从这段描述可以推导的工程动作(属建议,非原文逐条结论):

  • 把“永不过期”当作缺陷处理:CI/CD 使用的凭据应有明确有效期与自动轮换路径。
  • 按环境切分权限:跨测试、预发、生产的广泛授权应拆成多份,避免一份令牌横向贯穿。
  • 绑定来源与配额:对可调用敏感接口的令牌设置来源限制和调用频率上限,让“每秒几十次”的批量动作先撞到阈值。
  • 给批量读取单独设卡:数据库转储、批量导出这类操作应有独立审批或额度,而不是与普通查询共用一个权限。
  • 把 Worker、脚本类资源的创建纳入审计:命名规律本身是很好的检测特征,前提是你记录了创建者与调用链。

六根支柱:开发者视角的落地顺序#

Cloudflare 建议所有组织采用其“现代安全模型”,包含六根支柱。需要说明:本次可抓取的正文片段在逐条展开处被截断,因此以下只保留原文明确列出的支柱与其概述,具体的产品配置细节无法从本次材料确认,需回到原文核对。

  1. 加固前门:部署带高级规则的 WAF,例如速率限制。对应的是流量控制与直接 IP 探测、三层/四层洪泛这类“还没进门就先堵住车道”的攻击。
  2. 门厅设岗:对客户访问的全部 Web 应用做异常检测。
  3. 识别假访客:部署 Bot Defense,把自动化 agent 流量与真实用户区分开。
  4. 拆掉后门:对所有高风险的外部与内部 Web 应用实施 Identity-Gated Access,即默认不放行“能连上就信任”的路径。
  5. 检查投递物:强制使用经过校验的 schema,并施加显式安全控制。
  6. 邻里守望:接入威胁情报,获得对攻击的可见性。

把六条翻译成工程侧的最小动作,可以这样排序:先处理凭据与权限(它决定一次泄露会不会变成横向移动),再处理速率限制与批量操作配额(它压缩枚举与转储的窗口),然后是输入 schema 校验与危险操作的显式确认,最后才是流量侧的识别与情报。这个顺序是本文基于上述案例观察的建议,不是 Cloudflare 原文给出的优先级。

边界:哪些结论现在还下不了#

  • 本次可用的正文为截断片段,六根支柱的逐条实现方式、各框架的完整能力对比可能在未提供部分,不能据此断言“官方没有说明”。
  • 所有数量与倍数均来自 Cloudflare 单一网络的观测口径,缺少独立复现;不应把它们当作行业平均值。
  • 文中未执行任何渗透测试代码,也未验证任何框架的公开仓库或接口可用性;框架名称、GitHub 星标数等为博文陈述,具体版本与功能待核实。
  • “六支柱能否覆盖全部攻击面”无法由本次材料证明;它是一份防御建议清单,不是完备性证明。

对开发团队而言,最实际的起点不是采购清单,而是三件可核查的事:谁持有长期有效的令牌、它能碰到哪些环境、以及在它被滥用时有没有速率与批量限制。这三件事查清楚,比讨论某类攻击是否“已经到来”更有用。

来源#

本文事实与引述来自 Cloudflare 博文《Adapting to AI penetration testing orchestrators: The Modern Security Model》,来源日期 2026 年 11 月 13 日:https://blog.cloudflare.com/adapting-to-ai-penetration-testing-orchestrators/。本文为转述与解读,未独立复现其测量结果。

参考来源

  1. Adapting to AI penetration testing orchestrators: The Modern Security Model

以上为本文写作时的参考资料,引用观点以原文为准。

作者:沐小悠

本文约 9 分钟读完 · 关键词:AI 渗透测试、编排器、ARTEX、WAF、速率限制

更多文章 GET 示例接口

「」标签下的其他文章