自动化威胁报告

核心观察

• AI驱动的智能自动化攻击加剧：生成式AI技术，特别是大语言模型的快速发展，使得攻击者能够将AI技术深度融入自动化攻击工具中，攻击的智能化、规模化和隐蔽性都达到了新的高度。
• 身份认证成为自动化攻击新焦点：随着企业零信任架构的推进，身份认证成为系统访问的核心控制点，攻击者针对性开发了大量自动化工具，通过凭证填充、MFA绕过、会话劫持等手段，试图突破身份认证防线。
• API成为自动化攻击的主要入口：随着微服务架构的普及和业务系统的解耦，API已经成为连接各个系统组件的关键纽带，也成为自动化攻击的最主要入口。
• 勒索攻击全链条自动化成为主流趋势：勒索攻击已形成完整的自动化攻击链条和成熟的服务化模式，助推了勒索软件在全球范围内的传播与发展。
• 软件供应链攻击深化：软件供应链安全因其复杂性、多样性、隐蔽性，以及影响的深远性和广泛性，备受全球关注，已成为威胁企业安全的重要因素。
• LLM系统面临的攻击升级：随着各类大语言模型的广泛部署和应用，针对LLM的自动化攻击呈现多样化趋势，自动化攻防博弈进入新阶段。

整体分析

• 整体态势：Bots产生的流量持续攀升，占比达到65%，恶意Bots的占比继续扩大，从2023年的49.94%上升至52%。
• 行业攻击分布：金融、政务服务、互联网和运营商等行业遭受Bots攻击最为严重，其中金融行业首次超过政务和互联网行业，成为恶意Bots攻击的重灾区。
• 业务类型攻击分布：API接口和数据查询类业务仍然是遭受Bots攻击最频繁的目标，新型业务场景如AI服务接口、数字身份认证等也成为新的攻击热点。
• 攻击手段类型：API滥用攻击和信息遍历爬取占据前两位，漏洞探测利用比重上升，特别是针对0day/Nday的自动化利用增多，智能身份仿冒等AI驱动的攻击手段快速发展，供应链攻击持续升温。
• 攻击来源特征分析：Bots攻击源呈现出明显的云化、分散化和匿名化特征，攻击基础设施加速向云服务迁移，攻击地理分布演变，攻击技术特点变化。

深度分析

• API攻击场景化升级：API攻击呈现出明显的场景化、智能化特征，攻击者正利用API实施自动化的"高效攻击"，并以此作为突破企业安全防线的跳板。
• 勒索攻击全链条自动化成为主流趋势：勒索攻击组织将漏洞自动化探测利用与勒索攻击紧密结合，形成了一套成熟的攻击链条，从初始的漏洞探测到最终的数据加密，每个环节都体现出高度的自动化和协同性。
• 票务系统成为自动化攻击新热点：自动化攻击已在票务行业形成完整的黑灰产业链，攻击者通过AI技术提升验证码破解精度，利用人机对抗技术规避检测，并采用分布式资源调度实现大规模攻击。
• AI加持下的自动化攻击全链路智能化：攻击者通过AI技术提升验证码识别率，利用GAN技术生成更真实的用户行为特征，并采用强化学习持续优化攻击策略，使得攻击的精准度和隐蔽性显著提升。
• 公开数据依旧是爬虫重灾区：随着企业数字化转型提速和公开数据服务的普及，公开数据系统持续成为恶意爬虫攻击的重灾区。
• LLM应用安全风险持续升级：随着生成式AI技术的快速发展，大语言模型在企业应用中的渗透率正在迅速上升，LLM相关攻击事件占网络安全事件的15%，环比增长200%，LLM安全形势日趋严峻。

Bots 攻击详情分析

• 攻击来源：攻击者采用了更加复杂的攻击策略，隐藏攻击来源，提升溯源难度，攻击基础设施转变，攻击地理分布演变，攻击技术特点变化。
• Web客户端特征分析：攻击者在操作系统、浏览器类型和自动化框架的选择上，更加贴近真实用户的分布，伪装程度显著增强。
• 移动端客户端分析：Android平台的攻击比例远高于iOS，这与系统开放程度和攻击成本直接相关，逐渐出现鸿蒙系统的攻击流量。
• 自动化扫描器分析：攻击者正在将扫描器与其他自动化工具深度结合，构建从信息收集、漏洞探测到漏洞利用的完整攻击链条。

案例分享

• 高级自动化工具对抗：通过动态技术对客户端的指纹和特征进行验证，对异常的客户端进行识别和拦截，分析业务流程，建立访问行为基线，对于偏离基线的异常访问进行限制，动态行为分析，对用户操作过程中的时间间隔、鼠标轨迹、键盘事件、操作步骤进行动态分析，结合上下文行为分析，指纹，IP等属性，识别大模型生成的异常请求流量。
• 票务平台抢票对抗：利用动态技术深度检测客户端设备环境，在关键业务和接口嵌入动态不可预测的动态挑战环节，分析开放预约高峰期的日志，通过分析请求频率、停留时间、操作页面序列，配合采集的鼠标移动轨迹、键盘操作等用户事件进行综合分析，建立异常用户基线，精准识别高频异常流量并触发拦截，结合设备指纹和会话Token的唯一性，对短时间内频繁切换IP的请求进行关联分析，识别并屏蔽代理池流量来源。
• 自动化勒索攻击对抗：利用动态防御技术，对信息探测和0day/Nday漏洞利用的自动化攻击流量进行阻断，定时升级AI智能威胁检测引擎的0day/Nday规则，对漏洞的探测和利用做到精准的识别和拦截，及时对存在漏洞的系统打补丁，引起数据安全和应急响应系统，事前数据健康体检，对重要服务器文件和数据库进行安全备份；事中智能威胁检测，全链路威胁行为与内容变化追踪，即时发现可疑的攻击行为，事后的快速响应恢复，依托智能检测沙箱与溯源引擎快速定位勒索时间节点，通过直接挂载技术实现快速数据恢复。
• API接口安全综合对抗：使用API扫描器对业务系统进行安全扫描，部署WAAP平台，开启API审计功能，对API访问行为、数据流转等信息进行持续性监测，部署WAAP平台，开启动态保护功能，利用动态技术和设备指纹深度识别技术对自动化工具操作、爬虫行为、漏洞利用工具进行识别和限制，辅助可编程对抗进行基于真实用户的行为路径、访问频率、数据调用量等信息，建立用户的正常行为基线模型，通过比对偏离基线的操作来发现攻击者的异常行为，配合动态WAF引擎模块对API漏洞利用操作、如SQL注入、路径穿越，命令执行进行深度识别并拦截，开启动态请求响应加密：针对敏感的API请求数据，使用动态加密和加密参数混淆，确保即使被攻击者获取数据，也难以解密和重用。
• 攻防对抗：通过部署瑞数信息动态防御系统，红蓝对抗中的关键攻击链被全面阻断，信息收集阶段，通过攻击识别动态指纹保护，95%以上的扫描探测流量被拦截；漏洞分析阶段，利用动态技术阻断漏洞探测，对网站源码进行混淆，人工分析渗透行为进行迷惑干扰，有效保护网站的漏洞不被发现；渗透测试阶段，动态技术结合智能WAF引擎有效阻断漏洞和精确识别漏洞的自动化工具和手工攻击；后渗透阶段动态防御技术可以拦截webshell类的连接管理工具，即使攻进去也无法持续攻击下去，并且结合全访问日志的记录，可以对整个攻击过程进行精确的溯源分析。
• LLM应用安全对抗：通过专业的LLM API扫描器进行定期安全检测，部署全息指纹技术对客户端进行深度识别，结合动态令牌验证机制，有效防止API密钥盗用和未授权访问，实施动态安全防护，引入AI智能防护，建立提示词安全过滤机制，部署对抗样本检测，过滤异常输入，实时监控内容生成质量，防止有害信息传播，对知识库访问进行智能限流，防止批量数据窃取。

自动化威胁防护建议

• 从“单点防护”走向“全链路联防”，建立以WAAP为核心的综合防护体系：从传统WAF升级为WAAP（Web应用与API保护），集成WAF、DDoS、Bot防护和API保护，形成统一的联防体系，阻断来自API、Web和小程序的多源威胁。
• 强化数据安全的“事前—事中—事后”全周期保护，构建提升韧性的新一代数据安全体系：数据健康检测，零信任数据访问控制，分层加密与动态水印，数据出站控制，数据高可用性机制。
• 推动动态环境检测技术的升级，识别高级自动化工具的拟人化伪装：动态环境验证，环境补全探测，动态令牌机制。
• 从“被动防御”走向“攻击链联防”，构建完整的全链路防护体系：动态混淆、动态验证识别和拦截所有工具发起的信息收集行为，动态封装和动态混淆对网页代码的URL，JavaScript、表单以及Cookie等进行动态封装变幻，动态验证技术拦截所有的漏洞扫描工具攻击行为，动态令牌对所有的请求关联一次性的请求令牌，阻断冰蝎、蚁剑、哥斯拉、中国菜刀等Webshell类管理工具的攻击，形成监测—识别—响应—溯源的技术防护闭环，构建“人机识别-行为分析-威胁处置”的业务防护闭环。

2025 Bots攻击威胁发展趋势

• 生成式人工智能（GenAI）武器化：GenAI提供了一种能够以大规模方式高效实施攻击的完美工具，使得攻击数量大幅增加，网络空间易攻难守成常态。
• 构建网络韧性将成为行业共识：网络安全韧性越强，从网络打击中恢复的速度就越快，社会的承受力就越强，也就能在进一步的网络对抗中赢得主动。
• 勒索软件攻击更加智能化和常态化：勒索软件的门槛和成本显著下降，勒索攻击活动更为猖獗，新一代的勒索软件攻击会变得更加难以预防和处置。
• 深度伪造引发大规模欺诈风险成倍增长：深度伪造技术被非法用于经济、政治、社会等领域，形成严重危害，未来将出现高度个性化诈骗的趋势，犯罪分子利用泄露的个人数据以及其他来源的数据来创建详细档案，从而实施更有针对性的攻击。
• 基于AI的高级Bots自动化工具已具备类似真实用户的行为特征：基于AI的高级Bots和拟人化的自动化工具已经具备了与真实用户类似的行为特征，传统的静态UA检测和IP封禁手段已无法精准识别这类攻击。
• API攻击和供应链成为网络安全又一“软肋”：API承载着企业核心业务逻辑和敏感数据，支撑着用户早已习惯的互动式数字体验，针对API的攻击成为了恶意攻击者的首选，相对于传统Web页面，API的攻击成本更低，供应链攻击日趋频繁，隐蔽性更高且潜伏期更长。