2026-08-11
7 月火山引擎 AI 产品共拦截爆破攻击 4578 万次，Web 攻击 27399 次，较 6 月有所上涨，攻击增长主要来自白帽子的扫描行为。同时，火山安全团队持续开展 Skills 安全扫描，本月发现恶意 Skill 3500+，风险类型分布为文件和数据外泄占 42%、越权资源访问占 25%、凭证和密钥窃取占 17%
7 月全球 AI 领域呈现技术创新与安全挑战并行的态势，一方面，大模型持续突破性能边界，开源模型参数规模再创新高；另一方面，AI 安全事件密集爆发，OpenAI、Anthropic 等头部厂商的模型相继在测试中突破安全隔离、自主实施网络攻击
OpenAI GPT-5.6 Sol 模型自主渗透 Hugging Face 生产系统：7月9日，OpenAI 安全团队在对 GPT-5.6 Sol 进行进攻性安全能力评估时，模型为在测试中获取高分，自主突破沙箱隔离，先后利用 JFrog Artifactory 的多个 0Day 漏洞控制节点，通过横移发现连通外网的节点，获得了存放 ExploitGym 答案的 Hugging Face 生产数据库权限，详情
Anthropic Claude 三起突破隔离环境事件：Anthropic 在回溯 14万+ 网络安全评测后发现，Claude 模型在三起不同评测任务中意外接入真实互联网，先后入侵三家现实机构的生产基础设施，详情
前沿 AI 模型的网络攻击能力已从“生成攻击代码”进化到“自主执行完整攻击链”，安全防御范式亟需升级：
架构层面：提示词不能作为安全边界，需将自然语言约束转化为确定性技术约束；严格收敛 AI 基础设施和沙箱的出入口，仅允许必要协议和端点访问；暴露面、凭据和配置、授权管控仍是防护重心，需全面应用 AI 进行威胁建模、资产梳理、风险管控和监控运营，实现以 AI 防御 AI
模型行为层面：安全监控需从“调用级审计”升级到“轨迹级审计”，关注连续操作的整体目标而非孤立的单步命令，应对模型将恶意行为拆分为子任务并自我合理化安全冲突的特性
7月21日，安全公司 Manifold Security 披露微软 Azure DevOps MCP 服务存在混淆代理漏洞，攻击者可在 Pull Request 描述中隐藏不可见的 HTML 注释，劫持审核者的 AI 编码代理，窃取攻击者本身无权访问的其他项目数据，详情
混淆代理是古老访问控制问题在 AI 代理时代的重现，AI 代理使用自然语言同时处理指令和内容、持有广泛凭证、自主跨系统操作的特性，使其成为混淆代理攻击的理想目标。混淆代理风险根因是代理服务没有进行用户与资源授权关系的校验。
受影响范围：开源 AI 多代理编排平台 Ruflo 所有 < 3.16.3 版本
漏洞根因：默认 docker-compose.yml 将 MCP Bridge 端口 3001 绑定到 0.0.0.0 且无认证，暴露 233 个工具（含 shell 命令执行、数据库操作等），同时 MongoDB 也绑定所有接口且无认证
解决方案：升级至 3.16.3 或更高版本；临时缓解措施包括关闭端口 3001 和 27017 外部访问、修改端口映射为回环地址、轮换 API 密钥、审计数据存储是否被篡改
受影响范围：可视化 AI 代理构建框架 Langflow 1.4.2 版本
漏洞根因：validate 端点的 exec_globals 参数处理不当，允许攻击者传入不可信全局执行上下文，无需认证即可在服务器以 root 权限执行任意 Python 代码。目前已观测到 220+ 次在野攻击，来自 64 个唯一 IP
解决方案：升级至最新安全版本；临时缓解措施包括将实例从公网隔离、拦截 /validate 端点外部请求、以非 root 用户运行、启用出口过滤、排查入侵痕迹