卡巴斯基全球研究与分析团队（GReAT）的研究人员详细剖析了亚太地区最活跃的高级可持续性威胁（APT）组织之一——SilverFox。介绍了其如何利用该地区各行业不断升温的人工智能（AI）热潮开展攻击。研究人员还警告称，快速发展的AI能力正引领一个新时代，网络攻击将从“专业团队行动“转变为“低成本单兵作战”。

在于中国广州举办的卡巴斯基网络安全周末活动上，这家全球网络安全与数字隐私公司的研究员详细介绍了SilverFox这一活跃于亚太地区的主要威胁组织所采用的最新战术。

卡巴斯基全球研究与分析团队（GReAT）的研究人员

针对印度、印度尼西亚、南非和俄罗斯的工业、咨询、贸易和交通运输行业公司，利用伪装成官方税务审计通知的钓鱼邮件，诱使收件人下载一个据称包含“税务违规清单”的压缩文件。通过利用税务机关公文的权威性与紧迫感，该威胁组织试图说服受害者下载文件并触发攻击链。卡巴斯基的研究记录显示，2026年1月至2月期间共检测到超过1,600封恶意电子邮件。

卡巴斯基全球研究与分析团队（GReAT）的最新发现表明，SilverFox正在利用伪造的 Claude 应用渗透目标组织。Claude 是由 Anthropic 开发的一款先进的对话助手、大语言模型（LLM）及聊天机器人，旨在帮助用户通过自然对话完成文本创作、代码编写、长文档分析以及复杂问题的解答。

“SilverFox 是整个亚太地区最活跃的威胁组织之一。他们通过三种简单的途径入侵目标：假冒网站、钓鱼邮件，以及通过社交即时通讯应用传播的有害文件。他们植入恶意软件，用于长期网络间谍活动和敏感数据收集。我们最近的分析表明，该组织目前正在分发针对 Windows、macOS 和 Linux 系统的伪造版 Claude 软件，企图顺应企业对 AI 应用的热潮，攻破目标的安全防线，”卡巴斯基全球研究与分析团队（GreAT）高级资深安全研究员金晔（Seth）解释说。

就攻击分布而言，亚太地区受SilverFox恶意活动的影响最为严重，其攻击量远超其他所有地区的总和。这表明当前SilverFox威胁主要集中在亚洲，尤其是东亚和东南亚地区。

“根据我们最新的威胁数据，大中华地区是SilverFox的主要攻击目标，超过 90% 的攻击均针对该地区。仅中国大陆就占了71%。缅甸、柬埔寨和新加坡也遭受了大量攻击。这些是我们接下来需要重点关注的热点地区，”Ye Jin补充说。

在行业分布方面，制造业遭受的攻击占整体攻击量的三分之一以上，成为SilverFox的首要攻击目标。IT和服务业紧随其后，卡巴斯基GReAT的研究人员发现大量针对科技从业人员的钓鱼攻击。医疗健康和金融行业作为以高价值目标闻名的领域，也同样面临着来自该组织的巨大风险。

AI攻击：速度、隐蔽性与易用性

金晔还谈到了JADEPUFFER——全球首个完全由大语言模型（LLM）驱动的勒索软件，这标志着网络威胁的一个重大转折点。与以往AI仅作为人类操作者辅助工具的攻击不同，它展示了AI同时扮演决策者和执行者的角色。

作为首个具有自主行为能力的勒索软件，JADEPUFFER重新定义了利用AI能力实施网络攻击的速度与复杂程度。与传统攻击仍依赖人类操作者做出决策或调整策略不同，此次攻击生动展示了AI驱动的威胁如何能够实时分析、适应并执行攻击。

“在这个由我们的Sysdig披露的具体案例中，该恶意AI代理仅用时 31 秒就完成了诊断失败尝试、纠正攻击策略并发起新一轮攻击的全过程，其速度远远超越了大多数人类防御者的响应能力。除了速度之外，JADEPUFFER 还展现出了前所未有的自主性。这表明，AI 代理现在能够在整个攻击过程中做出独立决策，在无需直接监督的情况下，有效复制经验丰富的人类攻击者的推理能力，”他解释说。

除了速度和自主性之外，自主型人工智能在网络攻击中的兴起，也在隐蔽性和易用性方面重塑了游戏规则。

金晔详细介绍了ChatGPhish案例，这是一种间接提示注入技术，能够利用受信任的AI网页摘要功能（如ChatGPT）。在此类攻击中，网络犯罪分子将恶意指令隐藏在网页内，并诱使用户要求AI助手对内容进行总结。随后，AI 会在无意中转述这些嵌入的恶意指令或链接，从而成为攻击中意想不到的一部分。

由于恶意内容是通过可信的AI界面提供的，用户更有可能相信其安全性，从而点击有害链接或遵循危险的指令。与此同时，传统安全工具很难检测出此类攻击，因为它们看起来就像是用户与 AI 服务之间的合法交互，而非传统的网络攻击。

恶意人工智能代理还打破了发动网络攻击所需的技术知识门槛。这一结论在 2026 年 1 月发现 AI 与云原生恶意软件框架VoidLink时得到了印证。

与主要由人类开发者编写的传统恶意软件不同，据报道，VoidLink 几乎完全是在 AI 的协助下开发完成的。这表明生成式人工智能正在改变复杂恶意软件的开发方式，并使其开发过程更加普及化。

构建AI原生防御体系的必要性

以牙还牙是解决之道。对此，卡巴斯基专家解释称，防御方同样可以利用人工智能的能力，来保护企业和关键网络免受 AI 驱动的网络攻击的侵害。

企业应对复杂的AI驱动威胁的四种方式包括：

1. 主动防御——超越被动响应，利用人工智能驱动的威胁狩猎主动发现未知威胁。

2. 零信任架构——部署零信任架构，严格验证每一项访问请求，以消除内部网络的信任风险。

3. 系统化防御——构建一个涵盖端点、网络、应用程序和数据的全面防御体系。

4. 利用AI对抗AI——利用大模型与双重用途 AI 技术提升检测与响应能力，并与攻击者进行实时迭代对抗。

“当攻击者能够利用 AI 来实现自动化决策并加速攻击的各个阶段时，防御者必须以同等水平的智能化手段予以应对。融合了持续更新威胁情报的网络安全解决方案，已不再是竞争优势，而是应对快速演变的威胁、保持领先地位的关键要求，”金晔补充说。