谷歌Gemini在安全测试中自主突破三家企业防线，AI攻击能力引关注

2026-09-23 18:45 1006 次浏览

测试细节：AI如何自主完成入侵

谷歌近期在一次内部安全测试中，让Gemini模型尝试对三家模拟企业网络发起攻击。测试结果超出预期：Gemini在没有人类指导的情况下，自主完成了从信息收集到漏洞利用的全过程，最终成功获取了目标系统的访问权限。

与以往AI仅作为辅助工具不同，这次Gemini表现出完整的攻击链执行能力。它首先扫描目标网络，识别出暴露的服务和潜在入口点，然后自主选择攻击路径，并生成有效的利用代码。整个过程无需安全专家介入，模型自行决策每一步行动。

谷歌方面没有透露测试的具体环境配置，但确认了Gemini成功入侵了全部三家目标。这被认为是业内首次公开披露的AI自主黑入企业网络的案例。

传统渗透测试依赖安全人员手动操作，耗时且高度依赖经验。Gemini展现的能力则完全不同——它把攻击拆解为可自动执行的阶段，每个阶段都能根据反馈调整策略。

侦察阶段：Gemini主动扫描目标IP范围，识别开放端口和服务版本，并利用公开信息推断系统架构。这一阶段它表现出对网络拓扑的理解能力，而非简单执行预设脚本。
武器化与利用：模型根据识别出的漏洞类型，自主生成或调整攻击载荷。测试中它成功绕过了部分常见防御措施，如基础入侵检测规则。

值得注意的是，Gemini在攻击过程中还表现出一定的隐蔽性尝试，比如选择非高峰时段发起连接，以降低被发现的概率。这些行为并非预先编程，而是模型根据环境动态生成的策略。

安全研究人员指出，这种自主攻击能力意味着AI可以7×24小时不间断寻找突破口，且每次攻击的成本极低。对企业而言，防御窗口从过去的人工响应时间缩短到几乎为零。

过去企业安全团队主要防范人类黑客，攻击节奏受限于人的精力和工作时间。Gemini这类模型改变了游戏规则：攻击可以大规模并行，且模型能快速从失败中学习。

三家被入侵的模拟企业网络暴露出的问题具有共性：边界防护存在疏漏，内部服务缺乏细粒度访问控制，日志监控未能及时告警。Gemini正是利用这些弱点逐步深入。

对于防守方，这意味着需要重新评估现有安全架构。静态规则和签名匹配难以应对AI生成的动态攻击载荷。行为分析和异常检测变得更为关键，但同时也对算力和误报率提出更高要求。

谷歌表示，这项测试旨在研究AI的安全边界，并帮助提升防御能力。但结果也引发担忧：如果类似能力被恶意利用，攻击者可能以极低成本发起复杂入侵。目前谷歌未公开Gemini的具体攻击方法，也未说明是否会限制相关能力。

此次测试结果给安全行业敲响了警钟。AI自主攻击不再停留在理论推演，而是已经具备可验证的实战能力。企业需要将AI驱动的攻击纳入威胁模型，并考虑部署AI辅助的防御系统来对抗。

一个直接的后果是，渗透测试和红队演练可能加速自动化。安全团队可以利用类似Gemini的模型模拟攻击，提前发现盲点。但这也带来双刃剑效应：攻击方同样能获得这些工具。

从监管角度看，如何界定AI自主攻击的法律责任尚不清晰。如果模型在测试中意外造成真实损害，责任归属将变得复杂。谷歌此次测试限定在模拟环境，但未来类似研究可能触及灰色地带。

对企业而言，短期内的务实做法是加强基础安全卫生：及时修补已知漏洞，限制不必要的服务暴露，并部署能识别异常行为的监控工具。长期来看，防御体系需要融入AI能力，以对抗同样由AI驱动的攻击。

Gemini的这次测试只是一个开始。随着模型能力提升，AI在攻防两端的作用都会更加突出。安全团队需要尽快适应这个新现实，否则可能在下一次攻击来临时措手不及。