“翡翠河豚”：已知首个AI驱动勒索软件攻击案例，凸显企业加强防御紧迫性
ZDNET核心要点
研究人员记录了一场似乎完全由AI驱动的勒索软件攻击活动。“翡翠河豚”（JadePuffer）可能是已知首个由AI代理策划完整攻击链的案例，凸显企业加强自身防御的紧迫性。安全研究人员发现“翡翠河豚”勒索软件攻击活动，称其为“首个有记录的自主式勒索软件案例”，整个攻击由AI驱动。此外，还有应对AI攻击新速度的5种网络加固方法。
什么是“翡翠河豚”，它是如何运作的？
据云安全公司Sysdig称，“翡翠河豚”利用大语言模型（LLM）在无需人工干预下开展攻击活动。其操作者网络犯罪团伙利用了CVE - 2025 - 3248漏洞，这是开源自主式AI应用构建工具Langflow中存在的未经身份验证的远程代码执行（RCE）漏洞。“翡翠河豚”的大语言模型利用该漏洞，首次访问目标系统，进行侦查并扫描环境以窃取凭证，包括与大语言模型相关的API密钥、云服务凭证、加密货币钱包信息、种子短语，以及数据库凭证和配置文件。此外，‘纳米爪’（NanoClaw）想把存在安全风险的AI代理关进虚拟牢笼。在Langflow环境中站稳脚跟后，威胁行为者转而将运行阿里巴巴Nacos配置服务的生产服务器作为真正目标，随后部署勒索软件，加密服务器文件，向受害者显示用比特币支付赎金的通知。
AI的影响
这种攻击模式常见，但不同之处在于使用能根据防护措施调整策略的大语言模型：一是代码自我描述，大语言模型为每个有效负载和步骤添加注释，解释攻击链任务及AI决策原因；二是失败与修复，在某一步骤大语言模型未能访问目标系统，但31秒内计算出修复方案，开发和部署新的修正有效负载。
“翡翠河豚”为何重要？
“翡翠河豚”似乎是最早由大语言模型部署和管理的勒索软件攻击活动之一。Xcape公司首席运营官诺埃尔·村田（Noelle Murata）表示，“翡翠河豚”案例“标志着对抗能力的根本性转变”，凸显AI使网络攻击者从脚本化、僵化技术转向“自主、机器速度的执行”。此外，还有AI时代企业不能出错的5种安全策略及其重要性。该案例可能让安全防护人员担忧，因为AI和大语言模型执行计算任务比人类快，虽AI错误和幻觉可能影响攻击成功率，但AI能迅速调整，缩短防护人员响应时间。村田表示，这种攻击使传统依赖人工的事件响应模式过时，其无需人工干预执行端到端攻击的能力，压缩防护人员检测和遏制时间窗口。
企业应如何应对？
企业如何有效应对下一轮由AI驱动的网络犯罪有待观察。几年内，人工手动分类和事件响应可能不够用。安全专家建议采用基于行为的检测模型应对AI攻击和内部威胁，未来防护人员可能需部署自己的AI解决方案保护网络，自动化监控系统、先进身份管理和端点保护，以及分层、主动的安全措施或许能起关键作用。
安全相关内容
包括如何在2027年10月前免费获得Windows 10安全补丁避免支付30美元费用、专家保护智能家居设备免受攻击的6种方法、每年应进行的10步手机安全优化及原因、有人盗用Wi - Fi的3个明显迹象及多种阻止方法。