文/招商银行信息技术部 代留虎
随着金融数字化转型步伐的不断加快,互联网渠道已经成为金融机构连接客户、扩大业务范围的主要途径,网上银行、手机银行、移动支付、网上信贷及互联网理财等数字化服务广泛普及,这些服务在提升业务效率的同时,也在不断累积网络安全风险。特别是近年来,人工智能技术快速发展,尤其是大语言模型技术的突破,为金融创新提供了强劲动力,但也催生了新的智能化网络攻击手段。这些手段具有隐蔽性强、对抗性强及高度自动化等特点,对金融行业互联网业务的安全运营构成了严重威胁。
本文将分析智能化网络攻击的风险,梳理其主要特点和潜在风险,并提出针对性的防范思路和应对措施。希望为金融行业在智能化时代保障业务安全、维护金融稳定提供一些参考。
智能化时代金融行业互联网业务面临的新威胁
今年以来,多家国外通用大模型厂商先后推出具备网络安全攻防能力的大模型(以下简称网络安全大模型),表现出突破性的网络安全能力,颠覆了传统网络攻防逻辑。一是规模化零日漏洞挖掘,可数周内发现数千个潜伏的未知漏洞,漏洞挖掘效率远超人类专家。二是全流程漏洞利用自动化,可自动构建完整攻击链,实现全流程自动化攻击。三是深度渗透测试与攻防模拟,可执行复杂的渗透测试场景、二进制分析与漏洞影响评估。
网络安全大模型的发布给金融行业网络安全和业务安全带来多重挑战。
网络安全方面。首先,防御压力显著增加。网络安全大模型使得原本需要大型组织支持的高级攻击能力,转化为普通攻击者可获取的技术工具,导致威胁来源范围扩大,传统防御体系面临更大的挑战和压力。其次,漏洞数量激增,响应窗口大幅收窄。网络安全大模型自动化漏洞挖掘的方式将使漏洞数量出现爆发式增长,防守方漏洞响应的时间窗口被大幅压缩,应对漏洞压力显著增大。最后,规模化攻击强度明显加大。网络安全大模型可以批量利用存量漏洞开展自动化、规模化、持续化攻击,攻击频次与强度急剧上升。
业务安全方面。首先,身份欺诈拟真度大幅提升。网络安全大模型拥有极强的长上下文推理与多轮交互能力,可结合公开信息、泄露数据,批量生成高度匹配受害人画像的定制化身份凭证、背景信息及欺诈话术。其次,风控规则可能被逆向突破。网络安全大模型可通过自动化试错逆向推导传统反欺诈系统的规则阈值、校验逻辑,并实时调整欺诈策略。最后,欺诈全链路形成自动化闭环。网络安全大模型的自主代理能力可自动覆盖信息收集、账户注册、风控绕过、欺诈实施等完整周期欺诈链条,无需多角色团伙分工即可完成规模化攻击。
智能化网络攻击的主要特征和风险分析
传统网络攻击主要依靠人工完成,攻击过程的每个环节都需要人来操作。具体来说,攻击者会按照固定的步骤完成攻击,比如先收集情报、制作攻击工具、通过钓鱼等方式传递恶意程序,再利用漏洞进入系统、植入恶意软件、提升权限并扩散到更多设备,最后清理痕迹。从攻击工具的角度看,攻击者使用的恶意程序、漏洞利用的脚本、钓鱼信息等都有固定的特征和模板,攻击过程就像是按部就班地执行标准化的操作流程。从攻击者的能力看,受到人力和技术的限制,攻击的各个步骤往往是分散进行的,缺乏有效的反馈机制和协同配合,无法根据防御方的应对措施快速调整攻击策略。从攻击效果看,传统网络攻击通常依赖于找到边界漏洞进行单点突破,攻击者缺乏批量自动化挖掘漏洞的能力,同时,在内网中扩散攻击时会产生可被监测的网络流量和操作记录。此外,传统网络攻击和业务欺诈行为均可通过固定的网络安全策略和业务风控规则来防范,整体来看,这种对抗更像是“人工操作对抗固定规则”的模式。
随着大模型技术在各行各业的广泛应用,其强大的通用认知、推理和生成能力将深刻改变网络攻防的基本逻辑。由此产生的智能化攻击手段将贯穿攻击全过程,推动以人工为主的传统攻击模式逐步演变为具备自主漏洞挖掘、环境感知、实时策略调整和持续对抗能力的智能化攻击模式。如图1所示,传统攻击方式高度依赖攻击者的技术经验和手动操作,存在自主性不足、适应性差、迭代效率低的天然局限。而智能化攻击的核心优势在于,通过AI的语义理解、逻辑推理和多模态生成能力,减少对高强度人工操作的依赖,推动攻击链条从“人驱动的单向规划运行”转向“AI驱动的闭环自主运行”,从而实现攻击效能的指数级提升。

图1 AI重塑网络攻击基本逻辑
当前AI驱动的网络攻击正在逐步演进中,尽管以下所述可能暂未全部直观显现,但从AI本质看,将对网络攻击形态产生以下影响。
一是攻击门槛显著降低,趋向平民化。传统网络攻击需攻击者掌握漏洞挖掘、载荷编写等复杂技术,门槛高,局限于技术群体。而智能化攻击将技术环节封装为标准化工具与AI智能体,攻击者只需通过自然语言指令即可驱动AI完成全链路攻击,推动攻击模式从精英化技术对抗转向工业化、平民化批量实施。
二是攻击效能显著提升,实施周期大幅缩短。传统攻击模式下,从载荷调试到攻击实施需人工分析和适配,耗时较长。智能化攻击通过自动化漏洞挖掘和对抗性学习,快速生成恶意载荷,将攻击周期和安全响应时间窗口大幅压缩,使传统防御体系面临响应滞后的挑战。
三是攻击载荷精准定制,隐蔽能力显著提升。传统攻击多依赖通用漏洞和标准化脚本,攻击特征单一,容易被静态防护规则拦截。而智能化攻击能通过自主漏洞挖掘和环境感知,精准识别目标系统特征,动态生成恶意代码和钓鱼文本,实现更高的隐蔽性和更强的规避能力。
四是攻击链路实现自主运行,动态对抗能力显著提升。传统攻击依赖人工编排路径,按预设步骤单向推进,无法根据防御反馈实时调整。而智能化攻击通过智能体实现全链路自主控制,既能自动执行预设流程,又能根据防御动作和策略调整实时优化方案,形成“感知—决策—执行—反馈”的闭环机制。
五是漏洞挖掘效能跃升,漏洞供给规模扩容。传统漏洞挖掘高度依赖研究人员人工开展代码审计、逆向调试和模糊测试,漏洞发现周期长、成本高。而AI驱动的漏洞挖掘可依托大模型语义理解与逻辑推理能力,结合智能模糊测试,实现对操作系统、开源组件、各种框架的批量挖掘、自动验证,将单漏洞的挖掘周期压缩至很短时间。
防范思路
智能化网络攻击的崛起,标志着网络战场已从“人与人的对抗”升级为“AI与人的对抗”。面对这一挑战,传统以特征匹配、人工处置为核心的防御模式势必出现短板,破局之道在于以其人之道还治其人之身,防御方必须同步构建AI驱动的防御体系,以AI防御对冲AI攻击,在攻防两端形成对等的博弈能力,如图2所示。

图2 以智能防御对抗智能攻击
首先,AI驱动的防御体系可依托大模型的语义理解和意图识别能力,深度理解程序行为逻辑、流量语义和业务访问规则,精准识别异常行为的底层逻辑,提升对未知攻击、逃逸式攻击和高级持续性攻击的检测能力。其次,通过AI驱动的防御体系实现威胁监测、风险研判、决策处置、追踪溯源的全流程自动化运行,将安全响应周期压缩至与AI攻击相匹配的时间范围。再次,AI驱动的防御体系形成“威胁感知—策略生成—效果验证—持续迭代”的自主闭环运行机制,实时跟踪攻击变化特征,主动适配策略变化。最后,AI驱动的防御体系可依托大模型的代码语义分析和逻辑推理能力,对自身系统、开源组件开展前置化漏洞挖掘,在漏洞被利用前提前完成加固,从根源上收缩攻击面。
面对网络攻防的深刻变革,金融行业不能仅依靠传统防御手段的堆叠修补,而应在夯实传统防御根基的基础上,系统性引入AI能力,构建“AI对AI”的下一代智能网络安全架构,推动防御范式向智能化升级。
1.构建智能化防御与纵深防护的互补架构
当前,网络攻防已全面进入智能化对抗的博弈模式,智能赋能攻防两端成为主要趋势。然而,传统纵深防御体系并未因此失去价值,仍发挥着不可替代的基础支撑作用。智能化防御与传统纵深防御形成上下层次的防御体系:智能化防御体系承担上层动态对抗、威胁意图识别及自适应攻防博弈的核心功能,聚焦研判与动态处置未知、高隐蔽性及定制化AI攻击;而传统纵深防御机制则提供底层刚性防护、网络分区隔离、业务风控及安全韧性支撑,依靠标准化、确定性防护能力拦截规模化基础威胁、缩小攻击影响范围,并兜底应对智能化失效风险。
2.升级纵深防御体系,夯实底层刚性防护能力
面向AI驱动的新型网络攻防场景,纵深防御体系仍需不断迭代和完善,持续夯实底层刚性防护底座。首先,持续落实全域覆盖的纵深防御体系,补齐各防护层级的能力短板,确保传统纵深防御体系持续发挥实效,拉长AI攻击的突破链条,提升攻击成本。其次,打通传统防护设备与AI安全运营平台的数据接口,将各类网络安全流量、日志、告警和文件统一汇聚,为智能行为基线设置、攻击意图识别提供可靠的数据源,实现规则拦截与AI识别的双向协同。再次,强化各层级确定性兜底,防范AI幻觉和中断的风险,通过“不依赖算法”的确定性策略,建立安全缓冲机制。最后,重点做好三个关键领域工作:加强漏洞威胁情报监测与处置,依托监管态势系统,实现漏洞情报和风险情报的快速获取、分析和处置;强化互联网应用安全防护,通过各种自动化技术实现高风险攻击的自动化拦截;筑牢软件供应链安全防线,严格落实第三方及开源准入机制,压实各方安全责任,从源头阻断外部引入的安全隐患。
3.建设“AI对AI”的自主防御体系,推动智能化升级
面对智能化网络攻击自适应、无特征、高隐蔽的新型特征,传统纵深防御虽然构筑了刚性安全底座,但是在未知威胁、隐蔽攻击、海量告警处置上存在明显短板,所以必须推动网络安全防御体系向智能化转型,构建AI驱动的上层主动防御体系,从风险前置管控、威胁实时识别、事件自动处置、欺诈自主拦截四大维度构建上层智能防护能力,以“智能”弥补传统纵深防御体系的短板。
一是构建AI驱动的风险收敛能力,在攻击发生前最大程度消除安全风险。具体实现上,通过构建攻击面管理智能体、源代码审计智能体、漏洞挖掘智能体,自主完成攻击面测绘、源代码审计和安全漏洞挖掘,持续缩小与攻击者的能力代差,从源头上筑牢安全防线。以漏洞挖掘智能体为例,笔者所在金融机构已实现AI对部分互联网项目源码(千万行)和二进制的智能分析,漏洞发现数量和效能远超传统人工方式。
二是构建AI驱动的攻击监测能力,用于识别未知攻击和高级持续性攻击。具体来说,通过跨平台的数据采集能力,结合大模型的泛化理解和推理能力,构建基于AI的行为分析和异常检测系统,识别未知攻击和高级持续性攻击,有效发现传统工具难以识别的复杂攻击。具体实现上,构建流量分析智能体、异常行为分析智能体,通过大模型对网络流量与系统命令的深层语义理解,精准识别行为异常的复杂攻击链,洞察攻击者的真实意图,解决面对攻击变种和混淆技术时传统工具漏报率高的痛点。
三是构建AI驱动的事件运营能力,提升安全事件响应效率。构建“威胁检测—智能研判—决策处置—追踪溯源”四位一体的AI智能化安全运营体系,实现海量风险告警的分类、研判、处置、溯源的全流程自动化。具体实现上,通过构建全场景的事件运营智能体,实现告警的自动过滤、事件根因的智能研判、处置流程的智能编排、工具的自动化执行及处置效果的闭环评估,大幅缩短告警处置时间,并提升事件处置的精准性与一致性。从笔者所在金融机构的落地成效看,该智能化运营模式可适配全场景安全告警处理,将日均人工处置告警量压缩至百笔以内,平均告警处置时间缩短至分钟级,95%以上的安全告警可实现无人干预自动化闭环处置。
四是积极探索AI技术与反欺诈场景结合。通过引入大模型能力,实现从传统特征规则、浅层机器学习向深度智能辅助研判的升级,并将相关能力嵌入交易反欺诈各业务场景,辅助风险监测及处置。通过构建辅助决策与自迭代智能体,形成交易风险全生命周期-的闭环管理,有效强化欺诈行为的实时处置与追溯能力,在降低资金损失的同时,持续提升风险识别精度与自适应迭代能力。
未来展望
数字经济与人工智能深度融合重塑网络空间,生成式AI全面渗透攻防两端,智能化网络攻击打破传统人工成本束缚,传统网络安全体系赖以生存的静态特征防御、人工闭环处置模式遭遇挑战,网络安全对抗进入智能博弈新阶段,构建适配AI网络攻击威胁的新型AI防御体系将成为各金融机构刚性需求。
智能化网络安全建设核心是在坚持网络安全底层原则、逻辑和属性的基础上,推动网络防御范式的转型。具体而言,需要建立以“AI对AI”为核心的顶层设计,以智能化能力为引擎,对传统纵深防御体系进行系统性升级。建设过程中不搞推倒重来的替代式建设,而是在传统纵深防御体系等成熟防御能力的基础上,重点补齐未知风险识别、自动化应急处置、动态策略调整和漏洞全生命周期智能管控能力,实现防御侧与攻击侧在自动化、规模化、动态化能力的全面对齐,搭建起与智能化攻击对等博弈的能力底座。落地过程中需充分契合金融行业的运行特性,兼顾安全合规与业务稳定,避免脱离现有体系盲目堆砌技术,同步开展AI安全治理、AI人才队伍梯队建设,用AI红蓝对抗实战检验防护效果,确保AI防御体系可落地、可迭代、可评估。在AI攻防对等博弈的全新格局下,为金融数字化转型与数字经济高质量发展筑牢适配智能时代的安全屏障。
(此文刊发于《金融电子化》2026年9月上半月刊)
声明:本文来自金融电子化,版权归作者所有。文章内容仅代表作者独立观点,不代表安全内参立场,转载目的在于传递更多信息。如有侵权,请联系 anquanneican@163.com。