Cyberattacks

• CrowdStrike 报告称，机器辅助的网络攻击激增 89%，凸显出 AI 正被同时用作攻击者的工具和主要攻击目标。 • 新型威胁包括 “LLMjacking”（即犯罪分子窃取企业凭据以访问前沿模型 API）以及 “cost harvesting”（通过虚增受害者的 AI 使用量来提高其账单费用）。 • AI 驱动攻击的兴起显著加速了威胁格局的演变，使组织修复漏洞的时间窗口缩短至仅 48 小时。

• 一名中文威胁行为者正利用自主 AI 模型扫描七个特定漏洞，将自动化发现与手动利用相结合。 • Palo Alto Networks 旗下的 Unit 42 详细披露了这一活动，并识别出该行为者在开展网络攻击时采用的混合方法。 • 这一进展具有重要意义，因为它证明了利用 AI 来扩展攻击的初始阶段，可能会提高入侵的速度和规模。

• 网络安全公司 Mimecast 的一项研究显示，69% 的新加坡组织认为自己在应对针对人类弱点的 AI 驱动网络攻击方面准备不足。 • 《2026年人类风险状态》报告调研了 500 位 IT 安全决策者，结果发现 79% 的新加坡受访者担心 AI 被用作攻击媒介。 • 这种准备程度的不足构成了关键风险，因为 AI 允许攻击者创建更复杂、更具说服力的社会工程学威胁，从而突破企业防御。

• 总部位于东京的安全公司 S&J 总裁 Nobuo Miwa 警告称，人工智能正使网络攻击变得显著更快且更复杂。 • Miwa 强调，AI 现在能够“在眨眼之间”创建恶意攻击程序，大幅缩短了黑客开发威胁所需的时间。 • 这一转变至关重要，因为它降低了攻击者的准入门槛，并加快了网络漏洞被利用的速度。

• Hugging Face 的一次安全漏洞事件凸显了 AI 驱动的网络攻击已从理论威胁转变为现实威胁。 • 该事件揭示了一个关键缺陷：LLM 的内容审核护栏（guardrails）拦截了合法的应急响应工作，阻碍了防御者分析恶意活动的能力。 • CEO Clément Delangue 认为，开源模型是防御上的必然选择，因为它们允许安全专业人员在自己的基础设施上检查并运行模型，而无需受限于限制性的护栏。

• 根据 Check Point Software Technologies 发布的最新威胁情报，2026 年 6 月全球网络攻击增加了 17%。 • 此次增长是由攻击量的剧增驱动的，特别是通过勒索软件事件和 AI 驱动的安全风险针对组织机构发起的攻击。 • 这一趋势凸显了人工智能被武器化以增强网络威胁规模和复杂性的日益增长的危险。