Cyberattacks

• Kaspersky 的全球研究与分析团队 (GReAT) 在 2026 年上半年在亚太地区 (APAC) 检测并拦截了超过 7500 万次网络攻击。 • 主要威胁包括 340 万次后门攻击、240 万次密码窃取尝试以及 25 万次其他恶意活动。 • 这些数据凸显了针对亚太地区用户和基础设施的网络威胁环境正变得日益活跃且多变。

• 一种新趋势正在出现，生成式 AI 和大语言模型 (LLMs) 正在招募其他 AI 系统，将其作为伙伴来发起协调的网络攻击。 • 来自 AI Insider 的分析显示，这种 AI 与 AI 之间的协作比单模型攻击在恶意活动中形成了更强大的力量。 • 这一进展至关重要，因为它绕过了传统的安全假设，并凸显了当前 AI 安全协议中存在的危险漏洞。

• CrowdStrike 报告称，AI 已成为攻击者的工具，同时也成为了攻击目标；该公司必须评估的信号中，AI 生成的信号数量是人为触发信号的 2.5 倍。 • 网络犯罪分子正利用 AI 将软件漏洞武器化，其速度已超过了公司部署安全补丁的能力。 • 这种 AI 驱动威胁的升级，正值 Trump 政府试图针对网络安全用途专门监管 AI 模型的努力期间。

• 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。