AI应用于进攻性安全

　　执行摘要

　　人工智能（AI）技术，特别是大语言模型（LLM）和由LLM驱动的AI智能体（AIAgent）的出现，引发了进攻性安全（OffensiveSecurity）领域深刻变革，包括漏洞评估、渗透测试和红队演练。这一转变将AI从一个狭窄的应用场景重新定义为一种多功能且强大的通用技术。本文探讨了基于LLM的AI变革潜力，通过研究其与进攻性安全的集成，以解决当前挑战，并展示了AI在五个安全阶段——侦察、扫描、漏洞分析、利用以及报告中的能力。

　　关键发现

　　进攻性安全的挑战：安全团队面临专业人才短缺、环境日益复杂和动态变化，以及平衡自动化测试与手动测试的需求。

　　AI的能力：AI，主要通过LLM和AI智能体，提供了在进攻性安全方面的卓越能力，包括数据分析、代码、文本生成、规划现实攻击场景、推理和工具编排。这些能力可以辅助自动化侦察、优化扫描流程、评估漏洞、生成综合报告，甚至自主利用漏洞。

　　AI的益处：在进攻性安全中利用AI可以提高可扩展性、效率、速度，发现更复杂的漏洞，并最终提升整体安全态势。

　　没有银弹：尽管前景可期，但目前还没有任何一种AI解决方案能够彻底改变进攻性安全。需要对AI进行持续实验，以找到并实施有效的解决方案。这就需要创建一个鼓励学习和发展的环境，团队成员可以使用AI工具和技术来提升他们的技能。

　　建议

　　AI集成：可将AI融入自动化任务中以增强人类能力。利用AI进行数据分析、工具编排、生成可操作的建议，并在适用的情况下构建自主系统。在进攻性安全中采用AI技术可以在不断发展的威胁环境中保持领先优势。

　　人类监督：由LLM驱动的技术是不可预测的，可能会产生幻觉并导致事实性错误。持续使用人类监督来验证AI的方式，提高输出质量，并确保技术优势。

　　治理、风险和合规（GRC）：实施健全的GRC框架和控制措施，确保AI的安全状态、安全行为和符合道德规范。

　　本文使执行领导层，包括首席信息安全官（CISO）、网络安全战略师和高管，能够通过有效阐述进攻性安全投资的价值，以确保增强进攻性AI能力所需的资源。