WIRED 编辑实测:我让 AI 黑客代理扫描家庭网络,发现了什么

当 AI 黑客代理潜入你家网络

WIRED 的 AI 专栏作者 Will 最近整了个狠活儿：他把一个去掉安全限制的 AI 代理放进了自家网络，让它自由扫描并试图入侵所有联网设备。这场持续数天的实验，不仅暴露了家庭网络的脆弱性，也展现了 AI 在网络安全领域的双刃剑特性。

实验装备：去对齐模型 + 渗透测试框架

Will 用的核心工具来自一家叫 Abliteration AI 的初创公司。这家公司专门提供"去对齐"（abliteration）处理的大语言模型——通过修改开源模型的内部参数，移除了主流 AI 模型的安全限制。这种模型不会拒绝网络安全相关的敏感指令，可以直接执行漏洞扫描、渗透测试等任务。

具体技术栈包括：

• 基础模型：Z.ai 公司的 GLM-5.3（一款代码生成模型的去对齐版本）
• 工具框架：CyberStrike，一个专门引导大语言模型执行网络安全任务的软件工具

值得一提的是，去对齐模型并不是什么"地下"技术。学术界用它研究 AI 工作机制，网络安全公司用它测试系统漏洞。Anthropic 的 Mythos 和 OpenAI 的 Astra 本质上也是类似产品，只是目前只对可信客户开放。Abliteration AI 的特点是把这种能力以极低成本（约一张披萨的价格）向普通用户开放。

扫描结果：家庭设备漏洞大曝光

AI 代理在 Will 的局域网中发现了约十几台硬件设备，并迅速定位了多个安全隐患：

打印机配置错误：网络中的任何设备都可以直接登录打印机。这意味着攻击者可能访问打印队列中的敏感文件（税务文件、银行对账单、医疗记录等）。

智能音箱信息泄露：Wiim 品牌的音响系统暴露了大量信息，包括最后播放的歌曲（Sam Fender 和 Olivia Dean 的《Rein Me In》）。网络中的任何人都可以控制播放内容或调整音量。

IoT 设备固件过时：多个物联网设备运行着需要更新的旧版固件，存在已知漏洞。

代码项目安全问题：Will 还让 AI 检查了一些自己"随手写"的代码项目，结果发现数十个问题，包括未加密的 API 凭证、可能被利用发送垃圾邮件的配置错误等。

攻击尝试：从扫描到暴力破解

实验中最让人不安的是 AI 代理试图入侵一台 Linux 机器。在多次扫描后，代理报告该机器"相对安全"，但随后它根据网络中其他设备的命名规律推测出了正确的用户名，并尝试了一系列常见密码（均失败）。最后，代理主动提出编写脚本进行暴力破解（brute force），但被 Will 紧急叫停。

这一幕清晰地展示了 AI 代理的自主推理能力：它不仅执行预设任务，还会根据上下文信息制定攻击策略——这正是当前"agentic AI"（代理式 AI）最令人担忧的特征。

防御建议：AI 给出的加固方案

尽管是"无道德约束"的模型，这个 AI 代理却提供了一系列实用的安全建议：

1. 更新所有过时固件
2. 修复打印机访问控制
3. IoT 设备隔离：将智能音箱等设备放入访客网络（Guest Network），即使被攻破也无法访问主机
4. 代码审查：在部署任何代码前先用 AI 进行安全审查

Will 总结道："对抗 AI 黑客的最佳方式，可能就是拥有自己的 AI 黑客。"

争议与现实：谁该拥有这些工具？

Abliteration AI 的 CEO Devon（因日常工作保密要求仅使用名字）认为，广泛开放去对齐模型是明智的防御策略。他指出，从航空公司到银行的关键基础设施都在疯狂部署 AI 代理，需要提前测试这些系统是否会被恶意利用。

但这种"民主化"也引发担忧：当网络攻击工具变得像订外卖一样简单，是否会降低恶意攻击的门槛？业内普遍认为，这类工具的扩散将加速网络安全的"军备竞赛"——防御方和攻击方都将依赖 AI，而普通用户的安全意识和基础防护措施（如固件更新、网络隔离）变得比以往任何时候都更重要。

对中国用户的启示

尽管 Abliteration AI 等服务可能受到访问限制，但实验揭示的问题具有普遍性：

• 智能家居设备通常缺乏企业级安全配置
• 默认密码和弱密码仍是最大隐患
• 网络隔离（如使用 VLAN 或访客网络）是低成本高效防护手段
• AI 辅助代码审查已成为开发者的必备流程

随着国内 AI Agent 产品（如字节的 Coze、百度的 AgentBuilder）快速迭代，类似的安全测试能力可能很快进入消费级市场。提前建立"零信任"网络架构思维，或许是应对即将到来的 AI 安全挑战的最佳准备。

---

本文基于 WIRED 报道, 由 AiDuo123 AI 编辑翻译改写。原文链接: https://www.wired.com/story/i-used-ai-to-hack-my-home-network/