一句话看懂：安全研究机构 Dream 发现，一个基于开源框架构建的自主多智能体攻击系统，在四天内对亚洲政府目标发动了十二轮攻击，攻破 85 个账户。这说明 AI 正在把网络攻击的瓶颈从“专家人数”转移到“算力成本”，攻防经济逻辑正在逆转。
事件核心：发生了什么
Dream 的威胁研究团队在 7 月恢复了一个自主多智能体攻击框架的操作工作区。该框架基于公开的 Hermes 和 OpenClaw 构建，针对亚洲政府实体发起入侵：约四天内执行 12 轮攻击波次，最多并行运行 8 个 AI 代理，攻破 85 个政府雇员账户，其中 84 个被用于在政府单点登录（SSO）环境中横向移动。
更值得关注的是其运作方式。系统为每个发现分配了贝叶斯置信度分数来评估攻击路径，失败后会自动进入“学习循环”：检索与该政府技术栈相关的漏洞库和安全研究资料，然后重试。整个过程形成闭环——调查、验证、行动、观察结果、更新知识、再次尝试。技术本身不算新颖，但攻击规模的可扩展性令防御方感到压力。
为什么重要
过去，大规模高级网络行动的限制因素是专家推理——决定查什么、怎么验证、如何串成可行攻击链、失败后如何调整——这些既昂贵又稀缺，天然限制了攻击规模。AI 正在自动化这层最贵的判断环节：它不会消除专家，而是改变专家能力的放大方式。当增加一个攻击能力的边际成本趋近于增加算力的成本时，攻防的经济学就变了。
对防御方而言，AI 同样是杠杆，但他们有一个结构性优势：防御者已经拥有攻击者需要花费成本去测绘的网络地图。问题是大多数组织并不清楚自己的资产与信任关系，AI 的价值恰恰在于把这种环境认知转化为可操作的防御规模。
对用户/开发者/创作者的影响
对于政府和企业安全团队：单纯增加安全人员数量不再是线性有效的防御策略。你需要优先建立完整的资产清单和身份信任关系图谱——这是 AI 防御工具能起作用的前提；否则，AI 攻击的自动化枚举与学习能力会让“未知资产”成为致命短板。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于开发者与安全厂商：这份报告的技术细节显示，自主攻击框架可以用开源模型（Hermes）和开源代理框架（OpenClaw）组装。这意味着攻击能力的门槛在降低，但防御工具的研发也应转向“闭环学习”架构——不仅仅是规则匹配，而是具备自我验证和更新能力的安全系统。
对于普通用户：遭到攻击的 85 个账户是政府雇员账户，而非公民个人数据——但 SSO 环境被攻破的潜在影响范围远不止账户本身，需要关注后续是否出现基于这些泄露凭证的钓鱼或社工攻击。
值得关注的后续
第一，该框架的具体投放方式和攻击目标是否会被进一步披露——目前公开信息显示其攻击了亚洲政府实体，但未指明具体国家。第二，攻击框架是否已形成商业化或开源扩散，是否有其他攻击组织复制类似多代理架构。第三，防御侧的自主响应框架——特别是基于资产地图和贝叶斯推理的自动化防御系统——是否会因此加速落地。目前公开信息中，Dream 尚未公布该完整攻击链的详细技术报告，后续值得追踪。
来源：TechRadar
