先了解这件事
英国 AI Security Institute(AISI)公布了一项用前沿 AI 模型发现云环境配置错误的安全案例研究。该演练为期两周,AISI 在自研研发平台的 staging 环境中,使用多种前沿模型和编码智能体查找云配置错误,发现并修复了若干真实问题,其中包括一处此前未被发现、可让攻击者冒充其他用户的配置错误。方法上,静态源码分析产出的高危报告最多但噪声也最大,反而最耗人力;自动化智能体探测与人工参与的红队测试共同发现了一处非显而易见的隔离配置缺陷,需串联五个独立步骤才能利用,某个前沿模型用不到 150 英镑的 token 就找到了该攻击路径,整个项目消耗的 LLM token 不到 1000 英镑。演练中一套基础商用告警系统未标记任何自主智能体活动,而更高级的监控系统识别出了部分异常行为。
AI 根据公开报道生成
最新进展 · 正式报道
英国 AISI 用前沿 AI 在自家云环境查找错误配置的案例研究事件进展
1 个已确认进展
- 来源：英国 AI Security Institute：Blog
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月11日
英国 AI Security Institute：Blog一手
英国 AISI 用前沿 AI 在自家云环境查找错误配置的案例研究
英国 AI Security Institute（AISI）在为期两周的演练中，用多种前沿模型和编码智能体在自研研发平台的 staging 环境中查找云配置错误，发现并修复了若干真实问题，其中包括一处此前未被发现、可让攻击者冒充其他用户的配置错误。方法上，静态源码分析产出的高危报告最多但噪声也最大，反而最耗人力；自动化智能体探测与人工参与的红队测试共同发现了一处非显而易见的隔离配置缺陷，需串联五个独立步骤才能利用，某个前沿模型用不到 150 英镑的 token 就找到了该攻击路径，整个项目消耗的 LLM token 不到 1000 英镑。演练中一套基础商用告警系统未标记任何自主智能体活动，而更高级的监控系统识别出了部分异常行为。