「AI 普及之后，安全会怎么变？」——在这里流行的误解，会让对策走错方向。真正有效的，是那些不起眼的基本功。我们从防御视角，纠正 4 个常见的误解（不涉及攻击手法）。
❌ 误解：AI 制造特别的新弱点 → 需要特别的新对策
↓ 实际上是
✅ 事实：增加的是对既有弱点（未打补丁·重复使用·暴露）的攻击 → 有效的是基本功
公共机构和研究显示了什么
本文的立场并不只是本站的看法。公共机构和研究公司的报告也指向同一个方向。
- 英国国家网络安全中心（NCSC，2024 年 1 月）：未来两年，AI「几乎肯定」会增加网络攻击的数量并加重其影响，提升最大的是侦察和社会工程，即使技术不高的攻击者也更容易实施。
- Mandiant（Google Cloud）：从漏洞公开到被利用的平均时间，2023 年缩短到 5 天（2021–2022 年为 32 天）。
- Verizon《2025 年数据泄露调查报告》（DBIR）：在泄露事件中，最初的入侵途径有 22% 是凭据滥用，20% 是漏洞利用。两者都是由来已久的基本弱点。
- Veracode（2025 年）：100 多个语言模型完成了 80 个编程任务，45% 的结果含有存在漏洞的代码。
这些都没有描述新种类的弱点，显示的是既有弱点被更快、更频繁地攻击。
误解①「我这站太小，不会被盯上」
常见的想法
- 规模小、没名气，就引不起攻击者的兴趣
- 是由人来挑出『有价值的站点』再发起攻击的
事实
- 自动化省去了『由人来挑选目标』这一步。它不断扫描整个互联网，一旦哪里冒出弱点就无差别地下手
- AI 强化了『面广·速快·量大』的模式。小站往往防护薄弱、容易得手，因此会成为目标
误解②「AI 需要『特别的新对策』」
常见的想法
- AI 时代里，过去那套对策都不管用了
- 不引入新的专用工具就守不住
误解③「装个产品（WAF·AI 安全）就安心了」
常见的想法
- 装上高功能的产品，防守就大功告成
- 有了检测工具，设计就可以往后放
事实
- 检测·防御类产品针对的是**『已经开始发生之后』**。优先要做的是从一开始就不让它发生、不让它扩散的设计（打补丁·最小权限·MFA·不把机密以明文存放）
- 把顺序弄反，就会在弱点仍然存在的情况下把钱花在检测上。先做基本功，再加产品
误解④「AI 写的代码又快又方便（＝安全）」
常见的想法
- AI 生成的代码质量高，可以原样上线
- 做得快＝做得安全
事实
- AI 有时会看似合理地夹带危险的写法或配置错误。快并不意味着安全
- 上线前必须复查：确认有无机密写死·认证/输入校验·公开范围·依赖 CVE（→ 真实案例：AI 代码导致的 API 密钥泄露案例）
2026 年的案例：AI 代理利用的是基本弱点
从 2026 年 7 月起，研究用 AI 代理访问真实网站的多个案例被公开。每一个都印证了上面 4 条纠正。
- 在 Hugging Face 的案例中，起点是被公开暴露的凭据（→ Hugging Face 入侵事件）。
- 在 Anthropic 公开的案例中，一个正在评估的模型扫描了约 9,000 个目标，并用众所周知的方法进入了一家公司：从暴露的调试页面读取凭据，以及 SQL 注入（→ AI 代理访问真实网站，英文）。
- 据 Anthropic 称，被访问到的组织并没有检测到这些活动。
9,000 这个数字说明，目标不是按规模挑选的（误解①）。使用的方法很基本（误解②），而网站没有察觉，这正是「先堵住入口，再谈检测」的原因（误解③）。
速查表：哪些有效，哪些无效
拿不准时，从第一行开始做。
| 对策 | 判断 | 理由 |
|---|---|---|
| 更新依赖和服务器，监控已知漏洞 | 有效（最优先） | 从公开到被利用的时间如今只有几天 |
| 多因素认证（尽可能用 passkey） | 有效（最优先） | 只凭被盗或复用的密码再也进不来 |
| 作废已经暴露的凭据 | 有效（最优先） | 删除文件或历史记录，挡不住仍然有效的密钥 |
| 关闭生产环境的调试输出，限制管理后台访问 | 有效 | 正是 2026 年案例中实际被利用的入口 |
| 可还原的备份（异地保存、测试过还原） | 有效 | 其他防御失效时的最后一道防线 |
| WAF 或基于 AI 的检测产品 | 做好基本功后有用 | 不堵住入口，只会增加检测成本 |
| 改管理后台 URL、隐藏版本号 | 单独使用效果弱 | 自动扫描会尝试大量 URL；代替不了认证和更新 |
| 只让 AI 看一遍代码 | 单独使用不够 | 会有遗漏；机密和依赖要用专用工具检查 |
如何检查自己的网站
第一次检查大约需要 30 分钟。
- 用网站安全综合检测一次检查
.env和.git暴露、证书和安全响应头 - 上线前把代码和配置粘贴到密钥泄露扫描中，找出写死的 API 密钥
- 用依赖漏洞扫描或
npm audit检查依赖中的已知漏洞 - 在管理设置中，确认每个管理员账户都开启了多因素认证
本站的视角：按优先级行动，而不是出于恐惧
AI 时代的新闻总爱渲染，但本站的立场是AI 并没有改变一切，基本功依然有效。攻击越是变得又便宜·又快·又大量，真正有效的就越不是花哨的新产品，而是按正确顺序把不起眼的基本功做扎实。真正危险的是：因为误解而去寻找特别的新对策，结果把眼前的未打补丁·重复使用·暴露的机密放任不管。只要按 优先级清单 的顺序来，就不会迷路。
出处
- 英国 NCSC「The near-term impact of AI on the cyber threat」（2024 年 1 月 24 日）— ncsc.gov.uk
- Google Cloud（Mandiant）「How Low Can You Go? An Analysis of 2023 Time-to-Exploit Trends」— cloud.google.com
- Verizon「2025 Data Breach Investigations Report」— verizon.com
- Veracode「2025 GenAI Code Security Report」（2025 年 7 月 30 日发布）— veracode.com
- Express「Production Best Practices: Security」— expressjs.com
接着读
- AI 代理入侵：Hugging Face 入侵事件（2026）：自主 AI 代理的攻击
- 清单：AI 时代的安全对策（优先级清单）
- 基础：安全最低限度清单
- 诊断：站点综合安全诊断