对手正在将前沿模型接入跨杀伤链的多代理工作流。

报告显示攻击者已超越机会性问答滥用，转向代理化流程，涵盖侦察、基础设施搭建、初始访问、事后自动化和数据筛选。人类仍参与设定目标和批准关键步骤，但编排任务越来越多地交由 AI 执行。这一转变重要在于自动化压缩了检测与调整间的时间，扩大了行动范围而无需增加人手，并使持续测试常见防御成为常态。结果是手动操作手册和被动控制的逐步削弱。

通过操作节奏、目标广度和事后利用深度衡量风险。

速度：AI 驱动的重配置缩短了检测后的攻击者反馈周期。规模：自动化的域名和基础设施管理扩大了目标范围，同时降低了每次尝试的成本。深度：语言和代码能力加速了大数据集的分类、总结和价值提取，支持更精准的后续行动。团队应将这些维度作为桌面演练和检测工程的关键绩效指标：跟踪对手调整的平均时间，模拟基础设施变动如何规避静态控制，测试环境对邮件箱、云存储和协作平台上自动化筛选行为的识别速度。

身份、邮件和云协作仍是最脆弱的高杠杆目标。

政府、国防相关供应链、关键供应商和研究机构是重点目标，但任何拥有联合身份、云邮件和分散数据资产的企业都面临风险。AI 增强的行动常滥用合法登录流程，植入诱饵，注册设备或应用以维持持久性。监控滥用集中于薄弱的授权边界和配置错误的流媒体或遥测服务。欺诈利用精心设计的社会工程和批量内容生成。非法蒸馏则利用对模型输出和训练工件的宽松访问。共同点是自动化叠加在合法工作流上，最大限度减少异常信号。

优先策略感知路由、细粒度访问、AI 原生遥测和滥用限速。

实施策略感知模型网关，分割高风险功能（代码、身份、基础设施），并执行每租户限速和异常评分。要求 API 使用强身份认证、设备状态检查和每应用隔离。将提示和工具使用遥测输入 SIEM，制定代理行为规则（突发域名注册、脚本化邮件流程、快速基础设施切换）。采用模型路由器，降级或阻断高风险任务，转向更安全模式或人工审核。合同中要求供应商共享滥用指标、限制敏感工具链速率，并在检测规避时公布缓解时间表。

采购、审计和信号共享规范将区分持久平台与点工具。

买家应将模型滥用视为第三方风险领域。更新招标文件，评估滥用检测、限速、红队方法和跨行业信号共享。要求提供模型滥用事件响应的实战经验，而非仅限隐私或正常运行 SLA。内部协调安全、机器学习和合规团队，建立涵盖数据保留、模型选择和工具访问的统一控制面。预计监管机构将推动模型滥用报告和共享防御机制——提前实施的企业将降低风险，缩短泄露窗口，并在供应商谈判中占优。