智能体 AI 与网络军备竞赛

这份资料要回答的是一个正在逼近的问题：当 agentic AI 变得足够强大，以至于今天只有资源最雄厚的行动者才具备的网络能力被广泛扩散，网络战的攻防平衡和全球政治会怎么变。作者来自 Oak Ridge National Laboratory，他们把 agentic AI 视为网络安全领域「真正的范式转变」，而这一转变尚未到来。值得现在看的原因在于，支撑这种转变的组件已经出现：多智能体编排平台可以让智能体协同完成复杂任务，若干网络专用智能体也已投入实际用途。换句话说，讨论的对象不是遥远的科幻，而是正在组装的现实。

资料的分析方式不是实验测量，而是概念分析加场景推演。作者先基于自己在攻防 AI 方面的研究经验，拆解 agentic AI 可能如何改变攻击者与防御者之间的对称性，再把视角拉到地缘政治，通过与核武器扩散的对比来讨论影响。为了让论证落地，作者举了多个已存在的产品和平台作为例证，包括多智能体协作平台 CrewAI、自动化渗透测试的 XBOW 与 RunSybil、以及用于安全运营中心告警分诊的 Dropzone AI。这份工作将刊于 IEEE Computer Magazine 的 Cybertrust 专栏，体裁上更接近立场与分析文章，而非实证研究。

关键论证的起点是网络战与动能战的差异。动能战靠物理暴力迫使对手屈服，网络战则通过间谍、破坏、降级信息和操作系统来获取战略优势；在这里技能本身就是武器，而网络武器具有「非持久性」——往往只能奏效一次，一旦威胁被公开承认、相关系统打了补丁，同一路径就失效。正因如此，开发有效网络武器的成本会随防御者水平提高而高到只有民族国家或同等行为体才负担得起。Agentic AI 可能改变的就是这个成本结构：作者设想一个 Centralized Reinforcement Learning Agent（CARL）统辖若干任务专用智能体，比如理解与生成二进制代码的 LREM、消化分散日志的日志智能体、测绘和遍历网络的网络智能体、以及分析系统并识别有效战术技术与程序（TTPs）的漏洞发现智能体。作者判断，单个能替代熟练人类的智能体可能还要十年以上，但由多个分层模型组成的这种组合式智能体「即将到来」。

作者给出的现成例证说明这种组合并非空想。XBOW 能在 75% 的 web 安全基准中发现并利用漏洞，并在 web 应用中发现了新漏洞；RunSybil 同样把渗透测试自动化；Dropzone AI 则用自主智能体接管告警分诊等一线任务。作者由此提出攻防平衡的双重判断：一方面，agentic AI 会维持现有的共同进化节奏，因为攻击智能体能力提升时，防御智能体可以通过再训练或动态自适应来跟进；另一方面，它也可能打破这一范式，把能力交给过去不重要的行为者，同时让没有资源更新防御的实体更加暴露。作者还点出一个结构性不对称：维持强防御姿态的成本本来就高于发动攻击，尤其当攻击被自动化之后。

这意味着什么？如果 AI 智能体能在数小时、数分钟甚至数秒内针对复杂防御系统生成新的攻击，防御方智能体可能来不及适应，而许多组织今天就已经缺乏抵御现有威胁的能力。作者用一张红蓝智能体共同进化的示意图来表达这种张力：低回合回报说明蓝方表现好，高回合回报说明红方占优。对实践者的含义是，防御侧的投资逻辑不能只停留在「买工具」，还要考虑适应速度和资源门槛；对政策侧的含义是，能力扩散本身就是需要管理的变量，这也解释了作者为何要引入核武器扩散的类比来讨论地缘政治后果。

这份资料适合网络安全研究者、安全运营从业者、以及关注 AI 治理与网络政策的人读。读完能拿走的是一套分析框架——网络战的技能门槛、攻防共同进化与不对称成本——外加一组具体的产品例证，可以用来校准自己对 agentic AI 实际进度的判断。需要留意的边界也很清楚：它是展望性的概念分析，不是实测数据；单个通用智能体仍被作者认为可能需要十年以上；地缘政治部分建立在与核扩散的类比之上，属于推演而非预测。把它当作一份提出问题和框定变量的材料，比当作结论清单更合适。

Column - Agentic AI in Cybersecurity Agentic AI and the Cyber Arms Race Sean Oesch, Oak Ridge National Laboratory, Oak Ridge, TN, USA, [email protected] Jack Hutchins, Oak Ridge National Laboratory, [email protected] Phillipe Austria, Oak Ridge National Laboratory, [email protected] Amul Chaulagain, Oak Ridge National Laboratory, [email protected] Abstract—-Agentic AI is shifting the cybersecurity landscape as attackers and defenders leverage AI agents to augment humans and automate common tasks. In this article, we examine the implications for cyber warfare and global politics as Agentic AI becomes more powerful and enables the broad proliferation of capabilities only available to the most well resourced actors today. Keywords: Intelligent agents, Cybersecurity, Reinforcement learning I n the early years of cybersecurity defenders utilized