应用集成交易如何扩大 LLM 的攻击面

SpecterOps 结合红队实战系统梳理 AI 在进攻性安全中的适用边界：侦察与数据降噪、工具开发、社会工程、漏洞发现与验证、长期自动化及报告整理等场景已见实效，但模型仍可能误读工具输出、虚报漏洞利用或提权结果。文章强调成败关键在于模型之外的工程化 harness——上下文、可用工具、持久状态、独立验证与人类判断。

间接提示词注入将恶意指令藏匿于 LLM 稍后读取的内容（邮件签名、PDF、网页等）中，无需用户交互即可触发。已有攻击通过 Microsoft 365 Copilot 窃取数据，企业需以纵深防御、输入净化与 AI 行为监控应对。

XBOW 推出自主暴露管理（Autonomous Exposure Management）：以攻击者视角、无需源码与凭据，对企业整个外部应用资产并行发起测试，为每个发现附上可复现的利用证据。企业自有应用数量往往是渗透测试覆盖量的 3–10 倍，未被测试的应用并非低风险；AI 让软件产出与漏洞发现同时变便宜，证明可利用性成为把漏洞队列转化为处置决策的关键环节。

一位渗透测试员实测发现：Claude 会拒绝编写 LSASS 转储工具，而本地运行的 DeepSeek 及去审查版 Qwen 模型可轻松生成可用的 XOR 加密 minidumper，表明借助本地 AI 绕过 EDR 已相当容易。

Wiz 的 MCP agent 集成现已允许合作方的 AI agent 按需从客户租户拉取实时 Wiz 上下文——包括 Issue、发现结果和攻击路径；面向 WIN 合作伙伴的集成端点已正式 GA。

DGrid 借助链上身份、x402 支付和 Proof of Quality 评分，在 200 多个 AI 模型之间路由请求。截至 2026 年 7 月，已有 96 个模型具备多条 provider 路由，可实现故障转移。