跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

英国制裁俄罗斯虚假信息网络,DIVD 称入侵由 AI 智能体所为

英国周四宣布对俄罗斯虚假信息网络实施新一轮制裁。同一周,荷兰一家安全非营利机构披露,针对其自身系统的零日攻击由一个自主 AI 智能体发起。

媒体与互联网分析林晓雯发布: 2026年10月1日3 分钟阅读资料来源 11
英国制裁俄罗斯虚假信息网络,DIVD 称入侵由 AI 智能体所为

英国政府 10 月 1 日在 GOV.UK 上公布制裁方案,目标是克里姆林宫的战争资金、宣传人员,以及与强制转移乌克兰儿童相关的网络。乌克兰媒体《乌克兰真理报》周四报道了同样的措施,《每日镜报》称新增制裁对象共 31 个。

这是本周虚假信息事件的最新进展。技术上更值得关注的一条早一天出现在荷兰。

一个留下决策记录的 AI 智能体

9 月 30 日,Bleeping Computer 报道称,荷兰漏洞披露研究所(DIVD)重建了一次针对其自身网络的入侵过程。之所以能重建,是因为背后的 AI 智能体留下了对自己决策的解释。两个漏洞编号为 CVE-2026-102489 和 CVE-2026-102490,位于开源工单与客服平台 Zammad 中。两者串联后,攻击者可以劫持会话、远程执行代码,并从 Zammad 普通用户权限提升到 root。

DIVD 此前将这次攻击形容为“吵闹且非常非常混乱”,发起攻击的智能体自行决定下一步行动。Bleeping Computer 引用的公告写道,这些漏洞“让攻击者得以劫持会话、远程执行代码,并在几秒内从 Zammad 用户权限提升到 root,这要归因于此次攻击中的智能体部分”。网络分段阻止了入侵者进一步深入。Zammad 官网称其拥有超过 2000 家客户和 55000 名用户,包括 De'Longhi、国际特赦组织和 NextCloud。

这一披露对任何开展信息行动或防御信息行动的人都重要。速度现在是攻击者的优势,隐蔽性不再是。

供应链这一面

据 The Hacker News 9 月 28 日报道,微软分析了一个名为 NeedyMantis 的恶意软件家族。它展示的是同一问题的低技术版本,但更持久。该恶意软件出现在少数入侵事件中,目标包括电信组织、大学、医疗非营利机构、政府间机构和政府承包商,相关活动至少可追溯到 2025 年 10 月。

微软是在追踪卡巴斯基对 DAEMON Tools 供应链攻击调查的线索时发现它的。在那次攻击中,带签名的安装程序从 2026 年 4 月 8 日起携带恶意代码,直到开发者于 5 月 5 日将其替换。微软将该活动编号为 Storm-3069,评估其来源为中国,但并未将该组织与中国国家行为体挂钩。

厂商的应对也遵循同样的模式。Light Reading 9 月 29 日报道,GTT 推出了 Defense Halo。这是一个 AI 原生的网络防御平台,该公司称它能在攻击者发现漏洞之前完成修复,平台建立在美国、英国和欧盟的 AI 工厂之上。三天前,同一家媒体还报道了 Arelion 的一份报告。报告发现,58% 的高级商业领袖在过去两年里因为对网络供应商的担忧,推迟、缩减或增加了对战略举措的防护措施,其中 AI 和数据驱动项目受影响最大,达到 49%。

换句话说,信任消耗的速度快于它被重建的速度。

对媒体机构来说,实际可读出的结论更窄。英国的制裁是外交信号;DIVD 的案例是操作层面的警告。Zammad 用户被告知升级到版本 7,或将实例下线。DIVD 表示将在 10 月 1 日发布进一步更新。

评论 0

资料来源

11
  1. 01DIVD says Zammad zero-days enabled AI-driven network breachEN
  2. 02Hackers Use NeedyMantis to Maintain Long-Term Access in Breached NetworksEN
  3. 03GTT launches AI-native network defense platformEN
  4. 04Trust in network providers is holding back AI and digital transformation initiatives - ArelionEN
  5. 05Shopify debuts Canvas, a way to build online stores by chatting with AIEN
  6. 06Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN
  7. 07SimTrace: Grounded Multimodal User Trajectories Generation for Online User ModelingEN
  8. 08Graph neural networks for sampling-invariant embeddings of organized signal setsEN
  9. 09Neural networks for spectral optimizationEN
  10. 10Transversal Pooling Neural NetworksEN
  11. 11InfoQ Online Cohorts Address AI Security and Coding Agent VerificationEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。