Elastic:防范由 AI 驱动的社会工程攻击

作者:来自 Elastic Joe DeFever

社会工程攻击一直都是企业防御中最薄弱的一环,而 AI 正在让攻击者的攻击手段变得更加锋利。

网络钓鱼、商业电子邮件入侵和冒充身份仍然占据初始访问攻击手段的主导地位,但 AI 消除了过去迫使攻击者在覆盖范围和精准度之间做出取舍的成本、时间和技能门槛。如今,一名攻击者只需使用几个 提示词 ,就能以垃圾邮件的规模发起鱼叉式网络钓鱼活动,同时实现令人不安的个性化程度。

AI 正在加速的攻击 类 型

有三种攻击技术尤其值得关注,因为由 AI 驱动的攻击者已经改变了它们的实施方式。

  1. **大规模鱼叉式网络钓鱼:**攻击者不再需要在复杂程度和攻击规模之间做出取舍。配备 AI 的攻击者可以收集组织架构、服务台人员配置、公开代码仓库以及员工在社交网络上的活动轨迹,然后一次性为数百名目标生成个性化消息。2026 年分析的网络钓鱼攻击中,多达 86% 是由 AI 驱动的。1

  2. **短信钓鱼:**短信钓鱼通过一种看似毫不起眼的形式捕获受害者。短信缺少电子邮件所具备的身份验证基础设施,因此内置的预警信号更少,收件人也更难发现异常。Verizon 的《2026 年数据泄露调查报告》显示,人们通过短信或电话实施的社会工程攻击而上当的可能性,比通过电子邮件遭受此类攻击高出最多 40%。2

  3. **深度伪造:**过去,制作令人信服的伪造内容需要高超的编辑技能。现在,只需要几秒钟的音频或视频即可。深度伪造往往出现在最后一步 ------ 当一名产生怀疑的员工联系他人核实付款请求时,却在电话另一端听到了一个熟悉的声音。

它们的共同点是什么?这些攻击大多最终攻击的是身份,而不是恶意软件。一个利用真实内部知识构造的虚假服务台请求,即使对于受过训练的专家来说,也很难被识别出来。

为什么传统检测手段跟不上

传统检测有一个重要的假设:攻击者的产出受到人工投入的限制。基于特征的电子邮件过滤器、基于规则的欺诈检测引擎以及静态安全 意识培训 ,都依赖于这样一个前提 ------ 攻击者的攻击模式变化足够缓慢,使防御者能够追赶上来。

AI 打破了这一假设。当攻击者以机器速度重新生成诱饵、域名和攻击载荷时,对已知特征进行匹配就成了一场必输的游戏。防御者需要能够对行为进行推理的检测机制,而不是等待一个过去见过的模式再次出现。

对于那些围绕特征和操作手册构建起来的团队来说,这是一次艰难的转变,但机会也正是在这里。

重构防御体系以实现适应性

阻止由 AI 驱动的社会工程攻击并不是单一产品能够解决的问题。这是一种运营模式的转变,而以下几项能力可以让这种转变成为可能:

  • **以统一遥测数据为基础的行为分析:**当身份事件、终端活动、电子邮件信号和云登录信息存在于同一个数据模型中时,平台就能够发现一个看似合法的登录行为,随后却出现异常的 OAuth 授权许可,而这是一种已知的早期入侵指标。

  • **基于 agent 的调查和响应:**与其让分析师淹没在数百条关联松散的警报中,不如利用生成式 AI 将各种信号关联起来,形成按优先级排序的攻击叙事。在这种 AI 辅助下,分析师可以提升自己的角色:阅读经过总结的案件、验证推理过程,并批准响应措施。

  • **透明且与模型无关的 AI:**当 AI 针对基于身份的攻击做出判断时,你的团队应该能够看到每一个决策背后的提示词和推理过程。如果你无法审计它,就无法防御它。

将这些能力结合起来,你的团队就不再需要追逐单个网络钓鱼故障事件,而是开始瓦解其背后的攻击活动。

防御 AI 威胁

社会工程攻击的经济模式已经发生了逆转。侦察、个性化和身份冒充如今变得成本低、速度快,而且任何攻击者都可以使用。为更缓慢的时代构建的防御体系迫切需要更新。

查看我们的指南 防范由 AI 驱动的社会工程攻击,了解完整的分析,包括安全团队现在应该采取行动的检测重点,以及如何有效防御由 AI 驱动的社会工程攻击。

来源:

1 BusinessWire,《KnowBe4 研究发现 86% 的网络钓鱼攻击由 AI 驱动》,2026 年 4 月。

2 Verizon,《2026 年数据泄露调查报告》,2026 年。

本文中所描述的任何功能或特性的发布及时间安排均由 Elastic 自行决定。目前尚未提供的任何功能或特性可能无法按时交付,甚至可能完全不会交付。

在本文中,我们可能使用或引用了第三方生成式 AI 工具,这些工具由各自的所有者拥有和运营。Elastic 无法控制这些第三方工具,并且对于其内容、运行或使用不承担任何责任,也不对因你使用这些工具而可能产生的任何损失或损害承担责任。使用 AI 工具处理个人、敏感或机密信息时,请务必谨慎。你提交的任何数据都可能被用于 AI 训练或其他目的。无法保证你提供的信息会得到安全或保密的保存。在使用任何生成式 AI 工具之前,你应该熟悉其隐私保护措施和使用条款。

Elastic、Elasticsearch 及相关标志是 Elasticsearch B.V. 在美国及其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文:Defending against AI-fueled social engineering | Elastic Blog

相关推荐
Elasticsearch5 小时前
避免和纠正热点:Elasticsearch Serverless 如何平衡分片
elasticsearch
Elastic 中国社区官方博客6 小时前
机构如何统一智慧城市数据以改善公共服务?
大数据·人工智能·物联网·elasticsearch·搜索引擎·全文检索·智慧城市
阿里云大数据AI技术1 天前
Agentic Search 2.0:从单轮对话迈向企业级 AI 搜索自动驾驶Agent
人工智能·elasticsearch·agent
Elasticsearch1 天前
你的 AI agent 需要一个不在场证明:Elastic 中 Agent Builder 的可观测性和审计追踪
elasticsearch
Elasticsearch1 天前
仪表板活动日志:了解哪些 Kibana 仪表板会被使用
elasticsearch
Elasticsearch2 天前
从 22.61GB 到 15.63GB:Elasticsearch 9.5 如何用「混合存储」重新定义日志数据库
elasticsearch
Elasticsearch2 天前
用于自托管 LLM 调优的 vLLM Prometheus 指标:TTFT、KV Cache 和 GPU 利用率
elasticsearch
Sayai2 天前
Elasticsearch 快照备份到 NAS(NFS)实战:SLM 自动化 + 365 天保留策略
elasticsearch·自动化·jenkins
JavaPub-rodert3 天前
写软著 - Copyright Forge Skill 完整闭环改造方案
大数据·elasticsearch·搜索引擎