Google GTIG 揭露 exploit_agent:駭客首次用 AI 全自動找漏洞並發動攻擊,企業該怎麼防?

Google 威脅情報團隊 GTIG 發布報告,首次揭露全自動 AI 漏洞利用框架 exploit_agent,並統計零日漏洞在 2026 年 8 月單月飆升至 22 個。本文解析攻擊流程與企業防禦重點。

Share
Google Threat Intelligence Group 揭露自動化漏洞利用框架 exploit_agent 官方部落格封面
Google Cloud 威脅情報團隊發布報告,揭露結合大型語言模型的全自動漏洞利用框架 exploit_agent。 圖片來源:官方原文。

過去企業修補軟體漏洞,通常還有幾天到幾週的緩衝期,讓工程師慢慢測試相容性並安排上線排程。

但這段緩衝期正被 exploit_agent 這類新型 AI 漏洞利用工具徹底打破,因為攻擊方已經把「看懂修補程式、寫出攻擊腳本、實際入侵網站」整條鏈路交給代理自動執行。

2026 年 11 月 17 日,Google 威脅情報團隊 GTIG 與 Mandiant 聯合發布最新 AI 威脅追蹤報告,首次確認攻擊者已經部署完全不需要人類介入的自動化漏洞利用框架。

這套被命名為 exploit_agent 的多代理框架,能持續比對軟體更新前後的程式碼差異,自己寫出漏洞利用程式並直接對目標網站發動攻擊。

當漏洞從公開到被大規模利用的時間從數週壓縮到幾天甚至一天內,企業資安團隊靠人工巡檢已經很難追上機器速度。

以下我們拆解 exploit_agent 的運作方式、2026 年最新 AI 漏洞利用數據,以及企業防禦端該優先補齊哪些破口。

exploit_agent 是什麼?它怎麼做到全程無人介入?

exploit_agent 是 Google 威脅情報團隊在一個對外曝光的測試伺服器上發現的多代理漏洞研究與武器化框架,背後串接了多個前線商用模型與本地大型語言模型。

這套系統最危險的地方,在於它不再只是幫駭客寫出單段程式碼的聊天助手,而是一條會自己運作的自動化 AI 漏洞利用產線。

研究人員在系統環境設定檔中甚至發現俄語註解,要求操作者把多個模型 API 金鑰直接填入設定檔,讓框架能自動調度不同模型來完成攻擊任務。

它的核心運作邏輯是持續對熱門網頁應用程式進行「差異分析」,也就是在軟體廠商發布安全修補程式的前後,自動抓取兩個版本的原始碼來比對改動內容。

只要分析出廠商修補了哪一段權限檢查或輸入驗證邏輯,框架裡的多個代理就會自動推導出舊版軟體的漏洞位置、撰寫測試用的攻擊腳本,接著直接掃描並入侵尚未更新的網站。

在 Google 觀察到的案例中,exploit_agent 曾檢查 WordPress 外掛 Spectra 版本 2.19.25 的存取控制程式碼,目標受害遙測顯示操作者特別鎖定法國的媒體娛樂與教育機構網站。

除了自動化入侵之外,這台伺服器上還包含一系列後續控制腳本,涵蓋內部網路偵察、密碼暴力破解、植入網頁後門,甚至還會自動清除其他駭客留在同一台主機上的後門程式。

這種連「搶地盤、清掉競品後門」都寫成自動化腳本的做法,說明攻擊者已經把 AI 漏洞利用當成規模化營運工具,而不只是單次實驗。

更值得技術團隊留意的是,差異分析之所以能成功,是因為開源軟體與網頁外掛的更新紀錄幾乎都是公開透明的。

過去這些更新說明是為了提醒管理員盡快升級,現在卻同步成為 AI 代理用來定位弱點與生成攻擊指令的免費教材。

當攻擊者把這套比對流程接上自動掃描器後,全球所有尚未按下更新按鈕的同款網站,都會在極短時間內暴露在相同的自動化入侵風險之下。

Google Threat Intelligence Group 揭露自動化漏洞利用框架 exploit_agent 官方部落格封面
Google Cloud 威脅情報團隊發布報告,揭露結合大型語言模型的全自動漏洞利用框架 exploit_agent。 圖片來源:官方原文。

為什麼攻擊者專攻已修補的 n-day 漏洞,而不是只找零日漏洞?

許多人以為 AI 駭客最可怕的是每天挖出從沒人見過的零日漏洞,但 Google 報告指出,目前攻擊者用 AI 漏洞利用框架搶攻「已公布修補的 n-day 漏洞」反而更有效率。

原因很現實,因為尋找全新零日漏洞必須在龐大的程式碼庫裡大海撈針,測試成本與算力消耗都非常高,而且未必每次都能穩定觸發。

相對地,一旦軟體廠商發布更新公告或預覽版程式碼,AI 代理只要比對修補前後的差異、閱讀更新說明與安全研究摘要,就能在極短時間內把原本安全的修復資訊反推成武器。

根據 GTIG 在 2026 年 9 月針對漏洞數據的分析,2026 年 1 月到 8 月之間,整體公開揭露與被利用的漏洞數量幾乎翻倍。

同一時期,零日漏洞的利用次數從 2025 年平均每月 8 個,小幅上升到 2026 年平均每月 11 個,但在 2026 年 8 月單月卻突然暴增到 22 個。

這組數字背後的意思是,AI 一方面拉高了零日漏洞的爆發峰值,另一方面更讓「廠商公布修補後、企業還沒來得及更新」的空窗期變得極度危險。

報告中舉了一個 2026 年 8 月底的實戰例子:列印管理軟體 PaperCut 出現兩個可串聯達成未授權遠端程式執行的漏洞,安全研究團隊與資安公司 Huntress 利用大型語言模型,在漏洞揭露後一天內就生成了可用的利用程式。

短短四天後,威脅監測機構 GreyNoise 就觀測到攻擊者針對這組漏洞發起大規模實際掃描與入侵行動,留給企業 IT 部門反應的時間只剩下幾天。

同時,由於工具門檻降低,網路上也出現大量宣稱可用但實際上跑不通的 AI 生成漏洞利用程式,這反而增加了防守方驗證假警報與篩選真實威脅的工作負擔。

對企業安全團隊而言,這代表未來的壓力來自雙向擠壓:一方面真正的自動化攻擊把修補時間壓縮到幾天之內,另一方面大量低品質的機器生成雜訊又會干擾資安人員的判斷。

如果不靠同樣具備自動化比對與驗證能力的防禦工具來過濾雜訊,資安工程師很快就會在真假混合的告警浪潮中疲於奔命。

延伸閱讀:Google Cloud 拿下 Palo Alto 近 100 億美元大單!AI 資安服務狂飆,2026 年企業雲遷移加速

除了 exploit_agent,還有哪些多代理攻擊框架正在被濫用?

Google 這次點名的不只 exploit_agent 一個工具,而是整個開源滲透測試與多代理攻擊工具生態系都在被威脅行為者拿來實戰,包含金融動機駭客以及疑似與中國相關的網路間諜組織。

為了讓技術與資安主管一次掌握這些工具的差異,以下我把報告提到的五個主要多代理攻擊框架整理成對照表:

框架名稱 技術架構與運作方式 已被觀察到的攻擊對象或用途 對企業防禦的啟示
exploit_agent 串接多款商用與本地模型,自動比對修補差異並執行入侵 鎖定法國媒體娛樂與教育網站,植入後門並清理競品後門 公布修補後的 24 到 96 小時內就可能面臨全自動攻擊
CAIRN 開源多代理滲透框架,以共享黑板與 OODA 循環協作 曾被用於針對美國航太產業目標的入侵行動 攻擊者只需給定目標 IP,代理就能自行串接多階段路徑
CyberStrikeAI Go 語言後端指揮控制伺服器,串接超過 100 種資安工具 透過 YAML 攻擊劇本自動化執行端到端攻擊鏈 商業模型與開源權重模型都能被接進同一套攻擊編排器
HexStrike AI 整合 MCP 協定的攻擊框架,由 12 個以上子代理協作 連接超過 150 種偵察、網頁測試與二進位分析工具 連標準化開發協定 MCP 也被改造成自動化滲透介面
PentAGI 降低操作門檻的開源自主攻擊與系統化掃描平台 2026 年 8 月底至 10 月初針對亞洲多類機構進行系統化偵察 入門級操作者也能發起高頻率、跨組織的自動化掃描

從這張表可以看出,攻擊者不需要從頭訓練自己的模型,只要把開源滲透測試框架接上現有的模型 API 或本地模型,就能把原本需要資深紅隊工程師手動串接的偵察與測試步驟自動化。

這也讓這波 AI 漏洞利用與多代理滲透工具的擴散速度遠超過以往,因為只要有人開源出整合框架,各路威脅行為者就能快速複製並接上自己的攻擊清單。

甚至連 Google 過去追蹤過的偷算力手法 LLMJacking 也持續存在,也就是駭客先入侵企業雲端環境偷走大模型憑證,再透過地下代理服務轉賣模型存取權限給其他攻擊者使用。

延伸閱讀:OpenAI 漏洞獎勵提高:最高17.2萬美元怎麼算,下一場安全衝刺做什麼?

全自動 AI 攻擊有什麼弱點?企業現在該做哪三件事?

好消息是,Google 在報告中也點出這類全自動多代理框架目前有個明顯的代價,就是它們為了追求攻擊速度,往往犧牲了隱匿性。

當自主代理在目標主機上不斷試探、生成單次使用的攻擊酬載並根據執行結果動態調整策略時,會在網路與系統紀錄中留下大量異常流量、特定識別碼與可辨識的程式碼痕跡。

這對防禦方來說是一個重要的時間窗口,代表只要監測機制夠敏感,資安團隊依然有機會趁攻擊代理在內網橫向試探時就攔截下來,不過隨著底層模型能力提升,未來的隱匿度勢必會越來越高。

第一步:壓縮高風險元件的修補時間窗

既然研究團隊與攻擊者已經能用模型在一天內寫出 AI 漏洞利用程式,企業不能再維持「每個月統一更新一次」的舊排程,特別是面向網際網路的網頁伺服器、CMS 外掛與管理後台必須建立緊急修補通道。

第二步:針對自動化代理流量建立行為偵測

Google SecOps 已經針對 ARTEX 等工具部署行為與流量特徵規則,Mandiant 也發布了強化指南,企業資安團隊應該優先檢查現有監控系統是否能捕捉異常高頻的 API 試探與自動掃描特徵。

第三步:保護雲端模型金鑰避免成為 LLMJacking 目標

如果企業內部已經大量使用各種 AI 服務的 API 金鑰,務必設定嚴格的呼叫權限、異常流量告警與額度上限,避免金鑰外洩後被駭客拿去當成免費的攻擊算力來源。

同時,資安與維運團隊也應該把公司對外開放的測試環境、暫存伺服器與開發者工具納入同一套清查範圍,因為許多外部攻擊正是從未受保護的測試主機或外洩設定檔開始擴散。

把高風險軟體的自動更新、異常行為監控與金鑰權限控管這三道防線串起來,才能真正把 exploit_agent 這類全自動 AI 漏洞利用工具擋在企業內網之外。

同時,企業內部若有使用開源滲透測試工具進行紅隊演練,也應該建立清楚的授權紀錄與來源 IP 白名單,避免自家測試流量與外部自動化掃描混在一起,影響資安團隊的即時判斷。

只要能在修補速度與異常行為監測這兩端同時拉高門檻,就能大幅增加自動化攻擊代理的試錯成本,讓防禦方重新掌握主導權。

常見問題

exploit_agent 和一般的 ChatGPT 寫駭客程式有什麼不同?

一般對話模型需要人類手動貼上程式碼並複製結果去執行,exploit_agent 則是全自動多代理架構,能自己抓取修補前後的程式碼做差異分析、生成攻擊程式並直接發動入侵與植入後門。

這次揭露的 AI 攻擊主要針對哪些地區或產業?

根據 Google 威脅情報團隊觀察,exploit_agent 受害遙測指向法國的媒體娛樂與教育產業,而客製化版 PentAGI 則在 2026 年 8 月底至 10 月初針對亞洲多類機構進行大規模偵察。

為什麼 2026 年 8 月的零日漏洞數量會突然暴增到 22 個?

GTIG 分析指出,AI 降低了漏洞研究與武器化的門檻,使 2026 年整體漏洞揭露與利用數量較前一年明顯上升,並在 8 月出現單月 22 個零日漏洞被利用的高峰。

中小企業沒有專職紅隊,該怎麼應對這種機器速度的攻擊?

優先把面向公開網路的軟體與外掛開啟自動安全更新,並為雲端與 AI API 金鑰加上用量上限與異常登入告警,這比花預算買複雜的高階監控平台更能先擋住多數 n-day 自動掃描。

Google 針對這類多代理自動化攻擊提出了哪些防禦手段?

Google 安全營運平台已針對 ARTEX 等工具部署行為與流量偵測規則,Mandiant 也發布了企業系統強化指南,協助防禦方攔截高頻異常的代理掃描行為。

結語

Google 這次發布的 GTIG 報告是一個清楚的分水嶺,證明 AI 漏洞利用已經從「輔助寫攻擊腳本」跨入「全自動完成差異分析與入侵執行」的實戰階段。

如果你是負責企業對外服務、雲端架構或有大量開源外掛的資安與維運主管,現在就必須把高風險系統的修補週期從數週壓縮到數天內,並納入針對自動化代理行為的流量監測。

而如果你是一般軟體開發者或小型網站經營者,不需要急著自行建置複雜的 AI 防禦平台,但務必停掉「久久才手動更新一次系統與外掛」的習慣,因為自動化掃描工具現在比人類工程師更早讀完廠商的更新公告。

想持續掌握最新的企業資安威脅情報與防禦實務,歡迎免費訂閱 AI 郵報,或點擊下方 Google Cloud GTIG 官方報告檢視完整技術細節。

資料來源