AI攻防新纪元：瑞数信息如何应对智能体威胁

2026年4月，一个被业界广泛关注的事件标志着一个转折点——以Claude为代表的AI系统，在无需人工干预的情况下，短时间内就成功发现了并验证了FreeBSD内核的漏洞。

这预示着：AI正从一种辅助工具，转变为一种拥有独立攻击能力的潜在威胁。

网络安全攻防，已然迈入“智能体之间对抗”的新阶段。

与此同时，攻击的强度和复杂性也在同步攀升：DDoS攻击的峰值流量接近30Tbps，攻击发生的频率也显著增加；以某直播平台为例的安全事件，展现出业务型攻击更强的持续性和对抗性。

更值得关注的变化是——攻击行为正变得“拟人化”。

领先的互联网平台正持续遭受高度逼真的业务型攻击：攻击者不再依赖固定的攻击脚本，而是模仿真实用户的浏览路径、互动节奏和决策模式，逐步深入复杂的业务流程。传统的基于IP、设备特征码和规则的防御体系，正迅速失效。

因此，安全攻防的核心焦点已发生转移：从“识别已知特征”，转向“对抗未知行为”。

当攻击变得“像真实用户一样”

安全攻防的规则被重新定义

今年年初，“龙虾OpenClaw”的走红成为一个重要信号。“龙虾”在此已不再是传统意义上的食材，而是象征着AI能力的一次飞跃。

随着Open Claw能力的扩散，攻击的范围迅速扩大：目前已发现超过30万个暴露在公网的实例，风险从单个漏洞蔓延到网关、供应链、身份认证体系等多个层面。

安全漏洞正演变为涵盖供应链、身份体系以及AI交互层面的复合型风险，攻击路径也从简单的线性利用，转变为多点联动和动态组合。

过去十年，安全体系的构建基于一个基本假设：攻击是“机器行为”，可以被识别和阻断。

但如今，这一假设正在被颠覆。

AI的引入

赋予了攻击三项关键能力

1

行为模仿：生成与真实用户行为轨迹和操作节奏高度相似的访问模式

2

链路协同：实现从探测、利用到横向渗透的一体化自动化执行

3

策略自调：在多次交互过程中持续进行试探和策略调整

攻击模式已从“使用工具”升级为“智能体自主运行”。

在此背景下，传统的防御方式面临严峻挑战。依赖IP、User-Agent、访问频率和设备指纹等特征识别机制，已难以有效区分真实用户和高度拟真的攻击行为。攻击者能够让智能体自主完成突破和规避，在看似“正常”的表象下推进攻击。

因此，安全攻防的重点也正从“识别访问者身份”，转向“判断访问行为的意图”。

更进一步说，攻击已进入“真实用户化”阶段：

访问行为模仿真人，操作模式如同用户，并沿着完整的业务流程层层渗透，从注册到交易无一幸免。

这类攻击的本质，并非在于绕过检测机制，而是在“正常用户行为”的掩护下完成攻击。

这一趋势

带来了三大直接影响

1

攻击实现“无人值守”自动化

2

漏洞挖掘的效率呈指数级增长

3

防御方的响应时间窗口被大幅压缩

当攻击具备了感知、决策和执行能力，依赖规则和人工响应的传统防御体系，正迅速被拉开差距。

随之而来的问题是：当攻击已进入智能体时代，防御是否还停留在规则时代？

答案显然是否定的。

AI对抗AI

从动态防御转向智能对抗

如果说攻击正朝着智能体化发展，那么防御的演进就不能仅仅是能力的简单叠加，而需要体系的重构。

对瑞数信息而言，这一演进并非始于“引入AI”，而是建立在长期动态对抗能力积累的基础之上。

早期，瑞数信息针对Web应用，通过动态封装、代码混淆和动态令牌等技术，使客户端逻辑不断变化，显著增加了自动化攻击的分析和复现成本。

随后，瑞数信息将防护能力扩展至APP、小程序等多种业务渠道，并延伸至API安全领域，逐步覆盖了完整的业务访问链路，实现了从“单点防护”到“全入口防护”的升级。

随着AI攻击的兴起，瑞数信息防护体系的核心目标进一步演进——

从“覆盖范围”，转向“对抗能力”。

这一阶段的关键在于，如何将AI能力与现有的对抗体系深度融合：

01

在识别层面

瑞数信息引入AI对客户端行为进行建模和分析，减少对固定规则的依赖

02

在策略层面

具备动态生成对抗策略甚至对抗代码的能力，使防护从“配置响应”转变为“动态生成”

03

在执行层面

通过自动化机制，打通检测、分析和处置的流程，形成完整的闭环

瑞数信息防护系统由此具备了“感知-决策-执行”的核心能力结构，这正是“智能对抗”的关键特征。

从整体架构来看，瑞数信息已构建起一套面向智能体攻击的对抗框架：

在接入层，防护对象覆盖Web、APP、小程序、H5以及LLM智能体、Open API等多种入口，实现跨渠道的统一接入。

在核心防护层，通过SDK和流量模块打通不同入口的数据和控制路径，并持续强化WAF、可编程对抗、动态验证和业务威胁感知等能力。

在此基础上，AI能力以多个功能模块的形式嵌入体系。例如，AI研判模块用于解析攻击意图并辅助决策；日志分析智能体通过整合多源数据实现异常识别和可视化；在API安全场景中，引入基于大模型的风险识别能力，实现事前、事中和事后的全程防护。

在数据层，通过行为建模和数据分析，对访问行为进行结构化理解，并利用多种无监督学习算法识别异常行为，使防护从依赖规则转向依赖数据和模型。

在执行层，通过智能协同和自动化管控，系统能在识别异常后联动生成应对策略，并调用相应的防护能力完成处置，从而具备一定的自适应能力。

总体而言

这一架构带来了多方面的转变

1

从依赖规则判断转向数据驱动决策

2

从依赖人工响应转向自动化执行

3

从单一节点防御转向具备智能对抗能力的系统化防御

“动态防护”的角色也随之演变——它不再仅仅是防御工具，而是正演变为具备基础智能能力的安全系统。

结语

对瑞数信息而言，“AI对抗AI”代表着一次体系层面的升级：

以动态对抗为基石，以数据驱动为支撑，将智能能力深度整合到检测、分析和响应的全流程中，从而构建一个能够持续进化的智能对抗体系。

当攻击持续演进，防御体系也必须具备同步进化的能力。

这，正是智能体时代网络安全竞争的关键分水岭。