AI 编排渗透测试改变防守假设:从工具能力转向可观测证据的评估框架
文章基于 Cloudflare 2026-11-13 博文片段,梳理 AI 渗透测试编排器的扩散与一次身份链事件,提出用入口、身份、编排、后利用、响应五类可观测证据评估防守,并说明材料截断与观察范围限制。
简短回答:AI 编排渗透测试改变的不是某一条漏洞的利用方式,而是防守方对“攻击速度、并行度和验证能力”的默认假设。Cloudflare 在 2026 年 11 月 13 日的博文中记录了这类框架的扩散,并建议用六项控制应对。本文依据的是该博文的抓取片段而非全文,完整图表、检测规则和结论可能在被截断部分;因此下面把材料事实与工程建议分开,给出一个以可观测证据为中心的评估框架。
材料里的变化:攻击节奏和验证方式变了#
这类 LLM 渗透与利用编排器,把 AI 代理组织起来执行传统 Cyber Kill Chain 的多个阶段;它们可通过 Model Context Protocol(MCP,模型上下文协议)接入现有工具,把资产和环境映射成图,让多个并行代理枚举、验证、原型化和攻击。Cloudflare 称,在博文发布前的三天内,看到 50 多个框架家族尝试扫描其全球客户;运行这些框架的 IP 地址数量已增长到数千,并继续每日增加。同一材料还称,自 10 月 1 日以来,AI 渗透测试与利用工具的日请求量增长 30 倍;自 10 月 8 日以来流量增长十倍以上。
ARTEX 是一个开源智能体渗透测试系统,材料称其创建者 Autumn-27 于 10 月 8 日将其下架,理由是恶意利用违背原意。但下架没有让生态消失:材料称此后出现超过 12,000 个仓库,其中数百个独特 fork 保留原始仓库血统;截至 11 月 12 日,ARTEX 及 fork 占当前已知 AI 渗透测试编排器的 60% 以上。Cloudflare 认为下架“可能”造成了 hydra effect,即移除原始仓库反而促成更多分叉和修改。这些数字是 Cloudflare 在其网络和客户范围内的观察,不是全网统计;完整数据与统计方法在本次材料中未提供。
为什么功能对比不够#
材料表格列出前五类工具的能力差异:ARTEX 使用规划器和并行代理;LuaN1aoAgent 有监督、规划和通用执行代理,并内置 SSH 与 Chisel 用于隧道和中断后重连;Decepticon 由编排器调度专家子代理,运行在 root Kali 容器中,带有 Active Directory 和云 pivoting 技能;Cairn 调度现有的 Codex、Claude Code、Pi 等 AI harness;PentestGPT-Agent 使用监督代理和通用执行代理。这个表能回答“工具可能做什么”,却不能回答“在本环境是否已经发生、留下什么证据”。而且 fork 快速分叉,单靠名称或仓库封禁不够。因此评估框架应以证据为中心,而不是只给工具能力打分。
五类可观测证据#
下表是工程建议,不是 Cloudflare 的完整方法;证据示例用于说明口径,不是检测阈值。
| 维度 | 要回答的问题 | 可观测证据(示例) | 材料依据与边界 |
|---|---|---|---|
| 入口与速率 | 谁以什么速率到达哪些 API 或页面? | 边缘/WAF 请求速率、来源 IP 多样性、被拒路径、直接 IP 探测 | 材料建议 WAF 高级规则与限流、异常检测、Bot Defense;具体阈值未提供 |
| 身份与凭证链 | 凭证从哪来、能到哪里、是否跨环境? | CI/CD token 使用主体、来源、权限范围、并发、跨租户调用 | 事件中静态不过期 token 被利用,且无 IP 限制或限流;LLM 扩大横向利用可能性 |
| 编排行为 | 是否出现并行、重复、可验证的探测序列? | 多路径同时探测、重复验证、资源创建模式、API 调用序列 | ARTEX 图与并行代理;事件 Worker 脚本命名与请求量;通用指纹清单未提供 |
| 后利用 | 进入后是否建立隧道、横向或持久化? | SSH/Chisel 类隧道、重连、AD/云横向、第三方会话验证 | 能力表列出内建后利用差异;事件观察到持久化尝试和会话 token 验证 |
| 响应与验证 | 告警能否闭环到证据和处置? | 威胁情报命中、异常检测告警、复盘时间线 | 六支柱是建议;效果未在本次材料验证 |
入口:先问“谁在什么速率下被允许到达哪里”
Cloudflare 的建议包括“加固前门”(WAF 高级规则、限流)、“门厅安全站”(对所有客户访问的 Web 应用做异常检测)和“识别假访客”(Bot Defense)。这些是控制建议,不是本次已验证的效果。开发者要先把边缘、API 网关和应用日志的字段对齐:时间、来源、路径、方法、状态码、租户、身份。没有这些字段,后续告警很难验证。对高风险外部和内部应用启用 Identity-Gated Access(身份门控访问)也是材料建议;具体产品配置与覆盖范围待核实。
身份链:静态 token 是比“漏洞”更值得先查的证据
材料记录了一次事件:攻击者先进入一家大型云服务商环境,再转向客户的 Cloudflare 环境;根因是 CI/CD 管道中静态、不过期的 token,拥有广泛的跨环境访问权限。受害 token 没有 IP 限制或限流。ARTEX 获得该 token 后创建大量 Worker 脚本,名称包括 artex-*、artex-pgrecon-*、artex-pgw-*、artex-do-*,并观察到跨多个基础设施部分的每分钟超过 69 个请求、一小时内 400 次数据库转储请求,以及持久化尝试和验证其他第三方应用会话 token 的行为。材料称这些活动“很大程度上由人工操作者轻度引导”。对开发者的建议是:把 CI/CD token 的生命周期、来源限制、权限范围和跨租户使用作为可审计证据;短期凭证和工作负载绑定属于建议,未在本次材料中验证。上述数字来自单一事件观察,不能当作通用阈值。
编排行为:并行、重复、可验证的探测会留下序列
多个框架用图表示目标、线索、证据和资产,代理并行推进。可观测证据包括同一时间窗内多路径探测、重复验证、资源创建序列和 API 调用序列。事件中的 Worker 命名是特定证据,材料没有提供通用指纹清单,因此不能把 artex-* 当作通用检测规则。更稳妥的做法是结合行为序列、身份上下文和资源变更做关联;具体关联规则仍需在各自环境中验证。
后利用:评估框架要覆盖“进来之后”
能力表显示后利用差异:LuaN1aoAgent 内置 SSH 和 Chisel 隧道,并在中断后尝试重连;Decepticon 带有 Active Directory 和云 pivoting 技能;ARTEX 和 PentestGPT-Agent 没有内置后利用,需用户指令。评估时要问:进入后是否出现隧道、重连、权限提升、AD/云横向、第三方会话验证。材料中的事件已观察到持久化尝试和第三方会话 token 验证;具体检测实现待核实。
响应:把告警闭环到证据
六支柱还包括“移除后门”(Identity-Gated Access)、“检查交付”(验证 schema 和显式安全控制)和“邻里守望”(威胁情报)。这些是控制建议;本次材料没有给出部署效果、误报率或性能数据。开发者应把告警闭环到证据:谁、何时、从哪、用什么身份、做了什么、是否成功。缺少这些字段,告警只能说明“有动静”,难以支撑处置。
给开发者的落地顺序#
- 先列观察面:边缘/WAF、API 网关、身份提供商、CI/CD、云审计。材料中的控制建议可作为起点;具体产品能力待核实。
- 为每个维度写“证据定义”。例如:“CI/CD token 的每次使用记录主体、来源、权限和目标环境。”这是示例,不是材料中的强制格式。
- 把工具能力表和检测规则分开:能力表用于威胁建模,证据用于判断是否已经发生。
- 不要依赖单一仓库下架。材料称 ARTEX 下架后 fork 扩散,可能形成 hydra effect;应跟踪行为与身份链,而非只跟踪名称。这是建议。
- 小范围验证。本文没有实测,任何控制效果都应通过日志审计、演练或复盘中验证;未验证前写“待核实”。
边界与待核实#
本次材料只有博文片段,完整六支柱细节、图表数据和检测规则未提供;不能把片段结论当成 Cloudflare 完整方法的复现。50 多个框架家族、数千 IP、30 倍日请求、10 倍流量、60% 份额等,均为 Cloudflare 在其网络和客户范围内的观察,时间窗见原文;不能直接外推为所有组织。ARTEX 创建者的下架声明是材料转述。具体工具的最新版本、可用性和价格未涉及,待核实。回到标题:评估框架的核心不是给工具打分,而是把“攻击者能自动化验证”转成“防守方能持续观察、验证并留下证据”。
参考来源
以上为本文写作时的参考资料,引用观点以原文为准。