DeepSeek驱动的自主攻击：我看到的不是黑客炫技，是门槛崩塌

这事儿真正值得细品的点，不在于"AI会攻击"这个早就被反复验证的命题，而在于它是用DeepSeek的开源权重跑的。闭源模型的API有风控、有调用频率限制、有审计日志，攻击者拿去用没法完全放开手脚。可开源模型不一样，本地部署之后就是台自家机器，不经过任何中间人，模型被喂什么、让它执行什么，完全没有人管。从攻击者角度看，这等于拿到了一个永不疲惫、不睡觉、无限量产的渗透实习生。

我大概梳理了一下这类攻击链的常规构成，差不多是这个路子：

一、前期侦察交给模型：喂给它一个网段的端口扫描结果，让它自己判断哪些服务大概率有已知CVE，并且按照"性价比"排序，跳过蜜罐、跳过响应异常的目标。

二、exploit生成和改造：模型根据目标指纹，从漏洞库里挑合适的POC，改参数、换payload、绕过WAF规则。这一块以前最吃人力的环节，被压成了几秒钟的事。

三、执行后的自主决策：拿下一台服务器之后，是继续横向、还是部署持久化、还是上传到下一次批量扫描的队列，模型自己出方案，操作者只需要最后确认。

这不是科幻片式的"AI觉醒"型攻击，但比那种更实际。它意味着攻击成本的计量单位变了——以前搞一次像样的渗透要凑人手、花时间、拼经验，现在一个写脚本的人配上开源的DeepSeek权重，就能把整套流程自动化到接近无人值守的程度。

防御端的应对思路也得跟着换。指望封堵模型权重或者给API加护栏，对开源模型根本不成立，模型已经发布出去就收不回来了。真正能兜底的还是最基础的那几样：资产暴露面收敛、补丁做到位、默认口令清零、日志和异常检测有自动化告警。攻击者用AI提速的同时，防守端也得把这套基础设施的自动化水平提上去，不然这个代差只会越拉越大。