The Cloudflare Blog

Adapting to AI penetration testing orchestrators: The Modern Security Model

8.5内容质量

TL;DR · AI 摘要

Cloudflare提出现代安全模型的六个关键支柱,应对AI渗透测试框架的威胁,包括WAF、Bot Defense和威胁情报等措施。

核心要点

  • 实施WAF和速率限制规则以强化前端防御
  • 采用Bot Defense识别虚假访问者,防止自动化攻击
  • 部署威胁情报系统,提升对攻击的可见性

结构提纲

按章节快速跳转。

  1. LLM渗透测试框架的激增正在重塑网络安全防御格局。

  2. ·ARTEX框架的演变

    ARTEX被下架后催生了12,000个衍生仓库和30倍的AI渗透工具请求增长。

  3. Cloudflare提出的六支柱模型包含WAF、Bot Defense等具体防御措施。

  4. 攻击者开始利用窃取凭证进行横向移动攻击,威胁持续升级。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • 现代安全模型应对AI渗透测试
    • 六支柱防御体系
      • 前端加固(WAF)
      • 异常检测
      • Bot防御
      • 身份门控访问
      • 交付检查
      • 威胁情报
    • 技术挑战
      • ARTEX框架激增
      • 自动化攻击规模化

金句 / Highlights

值得收藏与分享的关键句。

#AI渗透测试#网络安全#Cloudflare#WAF#威胁情报
打开原文

适应AI渗透测试协调器:现代安全模型 | Cloudflare博客

post

安全

攻击

大语言模型(LLM)

渗透测试

2026年11月13日

适应AI渗透测试协调器:现代安全模型

Blake Darché、Myles Sloan、Jacob Crisp和Cloudforce One

11分钟阅读

复制链接

在过去一个月中,基于大语言模型(LLM)的渗透测试和协调框架数量呈爆炸式增长。就在几周前,ARTEX——一个开源的智能渗透测试系统,能够自动化执行进攻性安全流程——还是唯一可用的框架。仅在最近三天内,我们就在全球范围内观察到超过50个框架家族尝试扫描Cloudflare客户。运行这些框架的互联网协议(IP)地址数量已增长至数千个,并且每天仍在持续增加。这些框架的激增彻底改变了网络防御的现状:防御者正难以应对这些自主引导攻击的流量规模。

ARTEX于10月8日被其创建者Autumn-27下架。(他们用中文写道:“该工具的恶意利用完全违背了其初衷。”)但自那以来的一个月内,该生态系统已涌现出大量ARTEX的碎片化版本。目前已有超过12,000个代码仓库,其中数百个独立分支包含原始仓库的代码血统。此外,自10月8日起,已有数百个类似的智能协调框架被创建。自10月1日以来,AI渗透测试(pentesting)和利用工具的每日请求量已增长了30倍。这些工具还开始在一些更复杂的攻击中串联使用被盗客户凭证,例如在环境中进行横向移动的链式攻击。

ARTEX分支树:204个公开仓库,包含各自的代码修改,按类型分组并按星级大小排序。

我们预计这些框架将持续激增,每个组织都应做好应对这一威胁的准备。为对抗基于LLM的渗透测试框架,我们建议所有组织采用我们称为现代安全模型的架构,该模型包含六个关键支柱:

  • 加固前门:部署具备高级规则(如速率限制)的Web应用防火墙(WAF)。
  • 门厅安全岗:对客户访问的所有Web应用实施异常检测。
  • 识别虚假访客:部署机器人防御(Bot Defense)。
  • 拆除后门:对所有高风险的外部和内部Web应用实施基于身份的访问控制(Identity-Gated Access)。
  • 检查货物:强制实施验证过的数据结构和明确的安全控制。
  • 社区警戒:部署威胁情报以实现对攻击的可视化监控。

什么是基于LLM的渗透与利用协调器?

开源渗透测试框架能够协调AI代理,按规模执行传统网络杀伤链(Cyber Kill Chain)的各个阶段。像ARTEX这样的工具可以快速接入现有的模型上下文协议(MCP),以创新方式连接传统独立渗透测试工具。部分工具甚至允许操作员指定任务类型。这些工具能够从内部和外部对环境进行映射和枚举。ARTEX及其衍生版本将资产和环境映射到图结构中,使多个独立的并行代理能够以推理速度执行枚举、验证、原型设计和攻击操作。这些工具将渗透转化为代理擅长的可攀登的"山丘"问题。

当前存在的AI大语言模型渗透测试工具

我们目前追踪到50多个AI大语言模型代理。下表展示了排名前五的LLM渗透和利用协调器。每个工具都极受欢迎(GitHub星标超过1000个),且完全自主运行。这些代理的完全自主特性代表了进攻性网络能力的教条式转变:

  • 人类技能不再是限制:一个系统能够完成OODA循环的每一步骤——通过观察环境、定位自身以优先选择有价值的/易受攻击的目标、决定行动并自主执行。
  • 速度提升:多个并行代理协作完成目标,相较于单人操作或AI辅助的多人操作是重大转变。
  • 规模扩展:单人操作者可同时针对多个组织,大幅扩大攻击范围。
  • 小错误容易被发现:自主框架会持续系统性地测试暴露的服务及其配置。

架构 | 规划模型 | 内置能力/执行环境 | 后利用能力 ---|---|---|--- ARTEX(及其衍生版本) | 规划器和并行代理 | 目标、线索和发现的图结构与目标资产图结构分离链接 | 直接在主机或容器中运行(具备网络/根权限),可根据需要安装/开发工具 | 无内置功能,需要用户指令 LuaN1aoAgent | 监督代理、规划代理和通用执行代理 | 三个图结构:目标/任务/障碍、证据/假设/利用、本地/目标 | 容器中运行(具备网络/用户权限),可根据需要开发工具和安装用户包 | 内置SSH和Chisel用于隧道建立和中断后的重连尝试 Decepticon | 协调代理调度专家子代理 | 带前提条件的目标图结构 | 以root权限运行的Kali容器,可根据需要开发工具 | 专用后利用能力、Active Directory和云跳转技能 Cairn | 调度器将工作分配给现有AI系统(Codex、Claude Code、Pi) | 事实和线索图结构;新节点触发调度器 | Kali容器(具备root权限)或直接在主机上运行,可根据需要开发工具 | 提示引导和Kali工具 PentestGPT-Agent | 监督代理和一个通用执行代理 | 带依赖关系、目标和证据的任务列表 | 在主机上运行,可根据需要开发工具 |

来自全球最大网络的观察

截至11月12日,ARTEX及其分叉版本已占当前已知AI渗透测试协调器的60%以上。以下图表帮助我们了解过去六周这些工具的采用情况变化。自10月8日原始ARTEX仓库被移除后,流量增长超过十倍,且自10月1日以来增长超过30倍。

AI驱动渗透测试协调器每日请求量趋势

AI驱动渗透测试协调器每日趋势:来自任何AI驱动渗透测试协调器的唯一IP发送至少一次请求的数量

过去三个完整日中观察到的归因唯一IP份额详细分析。由于单个IP可以运行多个工具,IP份额为非排他性。

跟踪的AI驱动渗透测试协调器工具唯一实例数量每日趋势

如上所述,10月8日ARTEX被下架(以及广泛报道)很可能引发了“海德拉效应”,即原仓库的移除导致分叉和修改数量激增,这在10月8日前后唯一实例数量的急剧增长中可见一斑。

基于身份链的LLM利用

在过去八周中,我们的Cloudforce One团队参与了多起涉及ARTEX和衍生LLM利用框架的事件响应调查。我们亲眼目睹了暴露的凭证如何与基于LLM的利用框架串联,从而在防御者面前占据优势。我们观察到多个事件中,威胁行为者通过初始访问超大规模云环境,直接转入客户Cloudflare环境。根本原因分析显示存在共同的凭证卫生问题。攻击者反复利用CI/CD流水线中运行的静态、不续期令牌,这些令牌赋予了跨环境的广泛访问权限。LLM框架显著增加了客户端API密钥被横向利用以接管其他租户环境的可能性。

ARTEX的实际应用

在一次事件响应调查中,我们的团队观察到ARTEX获得了此前用于CI/CD的账户级API令牌的访问权限,该令牌无IP限制且无速率限制。现有证据表明,此次入侵很可能源自第三方超大规模云服务提供商。

我们观察到大量新Worker脚本被创建,名称包含artex-*、artex-pgrecon-*、artex-pgw-*和artex-do-*等独特前缀。每个Worker脚本的命名与其执行的行为和操作相关,并且通常以字母数字标识符作为后缀。我们在其Cloudflare基础设施的多个不同部分观察到每分钟超过69次请求,每小时有400次数据库转储请求。我们还观察到尝试持久化机制和验证其他第三方应用程序会话令牌的行为。虽然我们认为这些活动大部分受到人工操作者的轻微指导,但这只是ARTEX及类似框架在入侵后实现的速度和广度的一个例子。

大型语言模型增强了威胁行为者在针对目标的网络杀伤链中快速迭代的能力。它们通过赋予攻击者速度和验证优势来实现这一点。网络杀伤链的每一步都可以被验证并传递到攻击的下一阶段。这种级别的协同作用前所未有,实际上彻底瓦解了传统的网络安全模型。必须使用现代模型来应对这些攻击。

为了进一步解释这一模型,我们可以用保护庄园中的一栋房屋作为隐喻。以下各部分将说明如何在每个步骤中防御威胁。

加固前门:实施流量控制和高级规则的WAF

在任何人踏上草坪之前,他们必须先到达围栏。

在没有防护的庄园中,对手可以驾驶无数伪装的卡车直接驶入车道,完全阻塞入口并撞破屏障(第3/4层的体积洪水和直接IP探测)。

在部署了外围门安全措施后,所有进入的流量都会被路由到距离主屋数英里外的大型分布式外围门。可疑的送货卡车被引导至高速公路,试图窃听您财产的非法公用隧道被切断,只有合法的行人流量才能到达您的家庭地址。

网络流量控制在阻止体积攻击方面发挥着关键作用。

门厅的安防站:异常检测

一旦访客到达主入口,他们将在门厅遇到严格的安防检查。

自动化的入侵者不会只是踢门;他们会伪装自己。他们试图用奇怪的方式进入门内——将纸张塞入锁孔,尝试类似//front-door//back-room/的变体以欺骗机制打开门。

门卫执行明确的规则:

  • 你不能在五秒内敲门500次。
  • 你不能用诡计伪装自己的路径。
  • 你不能试图用巨大的平板车推入前厅,以偷走房屋的内部蓝图(诊断堆转储)。可疑行为会被立即拒绝。
  • 实施安全密钥和基于硬件的FIDO密钥。

Web应用防火墙(WAF)通过速率限制和异常检测,是阻止应用程序被利用的关键防御机制。

识别假冒访客:实施机器人防御

一个高明的入侵者很少看起来像戴面具的盗贼;他们伪装成普通访客。但自动化代理、无头浏览器爬虫和AI侦察工具的行为与真实人类完全不同。

他们不会眨眼,姿态令人不安地僵硬,节奏机械,他们的“身份证明”通常是真实访客胸牌的粗糙仿制品。

机器人防御和挑战机制就像通过单向玻璃观察人群的行为专家。它会标记不自然的节奏,捕捉合成的微行为,并在这些机器触碰任何门把手之前,悄悄将它们请出庄园。

移除后门:实施基于身份的访问控制和微分割

历史上许多房屋都设有侧门或地下室入口(内部管理面板、/actuator 诊断端点和远程网关)。即使被锁住,入侵者也可以站在人行道上,用手电筒照射地下室门,并开始撬锁。

零信任应用访问采取了一种激进的做法:它从外部彻底封堵入口,并限制可进入的区域。

对于在周边徘徊的人来说,地下室的门根本不存在。没有可以撬开的锁,没有可以摇晃的把手,内部也没有灯光。唯一的进入方式是通过陪同人员,他们检查你的生物识别徽章,确认你的设备状态良好,然后直接带你进入你需要的特定房间——而其他区域则完全不在视野范围内。

对于进入者,必须确保他们无法进入所进入房间旁边的其他区域。微分割是一种非常有效的策略,可以阻止横向移动。它能限制被入侵的凭证访问生产、测试和开发系统。

检查交付:强制执行验证过的模式和明确的安全控制

每天都有货物送达你的领地——食品杂货、邮件、维护零件。在数字世界中,这相当于你接收的入站API流量,必须进行检查和验证。

入侵者常常通过发送未经验证的有效载荷或伪造的送货清单来绕过控制,这些清单是针对受限内部系统的。

门廊协议要求对所有流量进行彻底检查和模式验证:

  • 每个入站请求必须通过OpenAPI模式验证,以确保其严格符合预期的定义和结构。
  • 司机和快递员必须出示经过验证的双向TLS(mTLS)证书,以建立可信的认证连接。
  • 任何检查失败或缺少有效凭证的请求都会在边界处立即被拒绝。
  • 默认拒绝立场:每个积极的安全实现都会在规则集底部以一个明确的拒绝所有规则结束。

社区警卫:实施威胁情报以获取攻击可见性

即使有坚不可摧的围墙,如果一个犯罪集团在镇上发明了全新的渗透技术,孤立的房产仍可能面临风险。

威胁情报就像你与邻近房产的预警网络。当一个不法分子在附近设立新的指挥控制安全屋,或开始在你的辖区部署动态隧道车时,你会收到早期的情报文件。你的领地会更新监视名单,重新校准传感器,并在不法分子甚至踏上你街道之前就关闭大门。

如何获取实时帮助

ARTEX和类似的基于LLM的框架对传统网络安全防御模型构成了重大挑战。即使是最经典的纵深防御模型——强调传统网络DMZ的模型——在当今复杂的架构中也显得不足。随着编排工具成为新的常态,明天的攻击只会更加复杂。

保护遗留设备和本地设备需要一种基于身份的访问控制方法,从逻辑上使这些设备无法被互联网访问。除了身份验证之外,减缓或增加横向移动的噪音是微分割的目标。这种架构强调以隔离为主的网络安全方法,这对于用户持续丢失密钥的情况至关重要。当这些要素结合在一起时,现代安全模型的组成部分就是解决这一棘手问题的答案。

如果正在应对活跃的安全事件,需要Cloudforce One团队现场协助响应事件或需要威胁情报支持,请立即联系我们。如果需要帮助实施本文中概述的现代安全模型,请联系我们的解决方案工程团队。

目录栏

讨论栏

相关标签及社交媒体链接

相关标签

关注社交媒体

  • Cloudflare
  • Blake Darché
  • Myles Sloan

电子邮件注册