AI智能体可自主攻破企业测试网络,无需人工协助获取管理员权限

Vals AI 发现,自主智能体可以在模拟的企业网络中自行穿行,无需人工协助即可获得管理员级别的权限。

4 min read

AI智能体可自主攻破企业测试网络,无需人工协助获取管理员权限

Illustration made on Lumeta with GPT Image 2.5Make one like it

Vals AI 于 2026 年 11 月 7 日表示,在其 CyberOffense 测试中,开放权重模型与受限的前沿系统之间的差距已大幅缩小:Deepseek V4.1 Flash 1017 完成了 72.8% 的 Nova 目标,GPT-6 Sol Daybreak 为 80.8%,而前者每次运行成本约为 3 美元,后者约为 22 美元。这一点很重要,因为能够自动化入侵的智能体能力,如今同样可以被防御方用来测试和加固自己的网络。

Vals 的发现

Vals 构建了一个名为 CyberOffense 的基准测试,用于模拟真实的企业网络。每个智能体都从一台隔离的 Kali Linux 机器起步,手里只有一个公开网址,且没有任何人工协助,随后必须从 Web 应用一路渗透进 Windows 系统并获取更高权限。在 Nova 场景中,GPT-6 Sol Daybreak 综合领先,Deepseek 紧随其后且成本低得多。在难度更高的 Lighthouse 场景中,表格显示 Meta Wonder 完成了 31 个目标中的 28 个,GPT-6 Sol Daybreak 完成 27 个,Deepseek V4.1 Flash 1017 完成 21 个。

Lighthouse 基准测试:31 个目标中的完成数
Meta Wonder28
GPT-6 Sol Daybreak27
Deepseek V4.1 Flash 101721
Kimi K3.1 Pro20
Grok 4.716
Kimi K310
GLM 5.3 Flash5
Vals AI CyberOffense 基准测试 Lighthouse 场景结果表
一个身穿连帽衫、周身发光的机器人在昏暗的机房里,手握一串彩色数字钥匙,从机柜后探出头来。
这个基准测试里的入侵者,攥着一串新钥匙时看起来倒没那么吓人了。

Illustration made on Lumeta with GPT Image 2.5Make one like it

为何值得关注

Vals 表示,要真正了解这些系统的能力,更长时间的运行至关重要。据报道,Deepseek 在前 2500 万个 token 内毫无得分,大部分进展都是在 1 亿个 token 之后才取得的,这意味着短时测试可能会低估开放模型的能力。这也与此前的研究相符。英国 AI 安全研究所(AI Security Institute)在 7 月表示,开放与闭源前沿模型在网络安全任务上的差距已缩小至四到七个月,而 2025 年大部分时间里这一差距为六到十个月。该研究还发现了巨大的价格差异:Deepseek V4-Pro 跑一次网络靶场测试花费 1.19 美元,而 Anthropic Opus 4.5 则需 85 美元。Anthropic 另外报告称,GLM-5-3 构建漏洞利用程序的水平几乎与其内部顶级模型 Mythos 相当。

安全团队现在可以做什么

  • 用智能体式的红队演练重新测试面向互联网的应用、身份系统和权限路径,而不只是做零散的单点检查。
  • 为更长时间的评估预留预算。短时运行可能会漏掉模型在消耗数千万乃至数亿个 token 之后才展现出的能力。
  • 要假定开放权重模型一旦公开权重就会被用于攻击,因为服务提供商的访问控制已不再适用。
  • 在防御端使用同类模型,赶在攻击者之前找出薄弱路径,尤其是 Web 入口、Windows 主机和管理员权限相关的环节。

Vals CyberOffense 基准测试是什么?

它是一个模拟真实企业网络的测试环境。AI 智能体从一台隔离的攻击机出发,手里只有一个公开网址,随后必须自行发现并执行所需步骤,逐步深入网络,达成更高权限的目标。

在 Vals 的结果中,哪个模型表现最好?

GPT-6 Sol Daybreak 在 Nova 中成绩最佳,完成了 80.8% 的目标。在 Lighthouse 表格中,Meta Wonder 完成了 31 个目标中的 28 个,GPT-6 Sol Daybreak 以 27 个紧随其后。

这是否意味着开放模型已经比闭源模型更强?

并非全面如此。闭源模型在部分指标上仍然领先,但差距比以前更小,而且一些开放模型便宜得多,因此整体趋势比任何单一排行榜名次都更值得关注。

为什么更长时间的运行如此重要?

因为有些模型在早期几乎看不出进展,但在 token 预算大幅增加后表现会急剧提升。Vals 表示,Deepseek 的大部分进展都是在 1 亿个 token 之后才取得的,因此短时测试可能无法测出它的真实上限。

Every top AI model, in one place

Nano Banana 2, GPT Image 2.5, Seedance, Veo and more, all on one credit balance. Start free with 35 credits a month. No card needed.

放大图片提高图像的质量和分辨率

All tools for "Bigger and sharper"

More from Lumeta

All 新闻