（来源：启明星辰集团）

　　近日，PHP官方紧急修复高危漏洞“PHP2Shell”。该组漏洞由研究人员借助大模型发现，发现者坦言，若无AI很可能无从发现。随着攻击进入“分钟级”，传统防御方式日益难以应对。启明星辰推出安星自主网络防御系统，以“知攻、御枢”两大智能体集群为核心，覆盖攻击事前、事中、事后全过程，将防御动作前移至攻击者之前，构建AI驱动的前置式主动防御体系。

　　一、从攻击武器平民化到防御代差：AI正在改写攻防格局

　　当前，以AI Agent为代表的自动化攻击能力快速成熟，在漏洞挖掘、自动化渗透、自动化逆向等领域已接近中高级安全人员水平。

　　一方面，漏洞挖掘周期从数月缩短至数小时，漏洞呈海啸式爆发，企业“等补丁发布再修复”的节奏已跟不上；另一方面，自动化渗透门槛大幅降低。CrowdStrike披露，有攻击者利用AI驱动的自动化攻击框架入侵多家韩国金融机构，仅凭开源Agent和大模型便完成从漏洞挖掘到渗透的全过程。

　　更值得警惕的是，AI本身也开始“不受控”。在OpenAI一次内部安全评测中，评测智能体绕过沙箱隔离，利用零日漏洞横向移动，最终攻击Hugging Face并触达其生产数据库。即使无人下达指令，AI也已具备自主构造完整攻击链的能力。

　　AI攻击可在现场探测环境、即时生成攻击工具，一旦被拦截便自动变换手法再次尝试，全程以分钟计、无需人工参与。相比之下，防御侧明显滞后：传统防御仍依赖“发现攻击—实验室分析—编写规则—下发策略”的人工流程，一轮往往需要数天，等策略生效，攻击早已变样。链条长、依赖人工、策略静态三大短板，使防御始终慢攻击者一步。

　　二、从被动响应到主动防御：Gartner提出前置式主动防御新方向

　　面对AI带来的攻防新变局，Gartner提出了“前置式主动防御”（Preemptive Cybersecurity）理念。Gartner认为，AI正在让攻击者更高效地串联漏洞、更快速地利用暴露面、更巧妙地规避检测，仅靠“检测—响应”已经不够，防守方必须在攻击发生之前采取行动，剥夺攻击者发起攻击的机会，在威胁成形之前就将其消除。

　　前置式主动防御的核心手段可以概括为“3D”：

　　• 拒止（Deny）：提前发现并关闭暴露面，在攻击者动手之前把攻击路径堵住。

　　• 扰乱（Disrupt）：持续变换攻击面，让攻击者瞄不准、看不懂，打乱其攻击节奏。

　　• 欺骗（Deceive）：用假目标、假凭据和诱饵环境误导攻击者，消耗其资源，并缴获其攻击手法。

　　要把这些手段真正串联起来，Gartner提出构建“自主网络防御系统”。它相当于整个防御体系的“大脑”，通过智能体把分散的安全产品统一编排起来，实时评估暴露面、模拟攻击路径，并以机器速度执行处置动作。同时，Gartner也强调，前置式主动防御是在现有检测响应体系基础上的升级，而不是推倒重来；也不应追求完全无人值守，而应采用“人在环上”的模式，让安全分析师从具体操作者转变为规则制定者和监督者。

　　三、从理念到实战：安星自主网络防御系统构建AI驱动的前置式主动防御体系

　　借鉴Gartner前置式主动防御的思路，启明星辰安星自主网络防御系统用AI对抗AI技术路线，把防御贯穿到攻击的全过程：攻击发生前，主动挖掘漏洞并即时布防；攻击进行中，预判攻击者的下一步并动态调整防御策略；攻击结束后，补全攻击链、狩猎未知威胁，防止同类攻击再次发生。

　　整体架构自下而上包括四个部分：

　　•大脑：由安全垂域大模型和通用大模型提供推理与决策能力，安全智能体共性技术平台提供多智能体协作、自我进化和Harness工程等底层支撑。大脑负责统一调度攻防两端的智能体，把攻击侧的发现转化为防御侧的动作。

　　• “知攻”智能体集群：从攻击者视角出发，赶在攻击者之前发现并证实风险。“知攻”主智能体统一调度代码审计、二进制分析、渗透测试、环境构建、漏洞验证与分析等智能体，自主完成漏洞挖掘与渗透测试，并验证漏洞能否被真正利用。

　　• “御枢”智能体集群：从防守方视角出发，赶在漏洞被利用之前消除风险。“御枢”主智能体通过攻击预测智能体和威胁狩猎智能体研判攻击动向，再调度网侧检测阻断、端侧处置加固、欺骗诱捕三大智能体蜂群，完成检测、诱捕、阻断与隔离。

　　• 原子能力集：所有处置动作最终由企业已有的蜜罐、EDR、漏扫、NDR、WAF、防火墙、NFT等产品执行。安星自主网络防御系统无需企业替换现有设备，而是将它们统一编排起来，成为大脑的“手臂”。

　　在实际运行中，两大集群形成持续运转的闭环：“知攻”集群证实攻击路径后，大脑据此生成防御和欺骗策略，交由“御枢”集群调度执行；执行完成后，“知攻”集群再次复测确认，结果反馈到下一轮分析中。安全分析师只需按动作类别设定授权范围，仅在例外情况下参与决策。基于这套体系，安星自主网络防御系统覆盖了事前、事中、事后三个典型场景。

　　1、事前免疫——先于攻击者挖出漏洞，即时完成防护

　　以某企业为例，其全新供应链平台承载着全球上百家供应商的订单和定价数据，必须按期上线。传统的合规渗透测试需要排期数周，团队往往只能做一次简单的漏洞扫描就匆忙上线，逻辑缺陷和组件漏洞未经深度验证，系统上线初期实际处于防御真空期，核心数据直接暴露在公网攻击之下。安星自主网络防御系统则让漏洞检查与防护部署同步进行：

　　•上线即接入：系统上线当天，即可以旁路方式接入，无需人工排期，“知攻”集群随即对业务系统开展自动化渗透探测。

　　• 数小时内完成挖掘与验证：发现漏洞后，漏洞验证智能体自动生成PoC进行验证，确认漏洞是否真实可利用、能否获取远程代码执行等高危权限。

　　• 分钟级下发临时防护：对于已发现的高危漏洞，“御枢”集群在网络侧下发NDR/IPS/WAF防护策略，检测针对该漏洞的利用流量；在终端侧指挥EDR对相关进程实施关键行为限制。

　　• 修复后自动闭环：研发团队完成正式补丁后，系统自动回放原有PoC进行复测，确认修复后自动撤销临时防护规则。

　　2、事中对抗——预判攻击者下一步，动态调整防御策略

　　某省级运营商的网络边界遭到AI驱动的自动化扫描。攻击路径不断变化，攻击载荷动态编码，扫描速度刻意放慢并不断轮换来源，专门避开IPS和WAF的频率阈值，传统特征检测难以奏效。防守方也陷入两难：封禁IP，对方马上更换；扩大封禁范围，又容易误伤正常用户。安星自主网络防御系统不与攻击者比拼算力，而是预判攻击者的下一步，主动调整防御部署：

　　• 识别攻击行为：网侧检测智能体实时识别AI攻击的特征和进攻节奏，从看似分散的低频请求中识别出同一个攻击者。

　　• 预判攻击动向：攻击预测智能体结合攻击者已有的行为、相似的攻击模式以及企业网络拓扑和资产分布，预判其下一步可能选择的攻击路径和目标资产。

　　• 动态调整防护策略：根据预判结果，“御枢”集群动态调整WAF、IPS、防火墙等防护类产品的拦截策略，对关键路径和重要资产提前加固。

　　• 仿真诱捕与无感引流：同时调度欺骗防御产品，在攻击者可能经过的位置分钟级克隆出高仿真业务环境，将攻击流量悄无声息地引入诱捕网络，让攻击者在假目标上反复打转，进攻节奏被大幅拖慢。

　　• 提取未知技战术：全程监控攻击者在诱捕环境中的行为，逆向提取未公开的漏洞利用代码和新型攻击载荷。

　　3、事后复盘——补全攻击链，狩猎未知威胁

　　没有告警，不代表没有攻击。潜伏的后门程序、低频慢速的数据外传往往不会触发任何规则；网络流量和终端日志彼此割裂，人工还原一条攻击链需要数天时间，最后往往只知道系统被攻陷，却说不清是如何被攻陷的；复盘结论停留在报告中，失陷主机没有深入排查，根源漏洞没有得到治理，同一个入口下次依然可能被攻破。安星自主网络防御系统将复盘转变为一次完整的“免疫”过程：

　　• 补全攻击链缺失环节：以现有告警为线索，结合ATT&CK框架向前、向后推演攻击步骤，找出告警没有覆盖到的攻击环节。

　　• 全流量威胁狩猎：关联分析网络侧全流量报文和终端侧日志，从没有告警的数据中挖掘未知攻击和潜伏威胁。

　　• 还原攻击链并定位根因：由点到线还原从初始入侵、横向移动到数据外传的完整攻击链，精准定位失陷主机，再由“知攻”集群对失陷主机自动开展漏洞挖掘与渗透验证，找出被攻破的根本原因。

　　• 防护加固，防止重演：将攻击根因即时转化为网络侧和终端侧的防护策略一键下发，并推动修复与加固。

　　随着AI持续改变网络攻防格局，防守方只有比攻击者更早一步，才能真正掌握主动。安星自主网络防御系统以知攻与御枢协同的智能体体系，在攻击发生前先人一步发现风险、提前布防，在攻击进行中预判对手、动态调整防御，在攻击结束后补全线索、根除隐患，帮助企业把安全建设从事后补救推向事前免疫。

　　•