微软报告：AI驱动的网络攻击倒逼身份与数据治理

AI正在重塑勒索软件的攻击节奏

微软最新发布的《数字防御报告》记录了勒索软件战术的一个实质性转变：攻击者开始利用AI来自动化横向移动（lateral movement），并加速在企业网络中部署勒索软件。报告明确将身份治理与数据管控列为当前企业环境中最关键的两大防御缺口。

这份报告最引人警惕的并非攻击手段本身，而是攻防之间的"速度不对称"。过去，攻击者在网络中横向渗透需要人工侦察、分阶段提升权限，整个过程耗时且依赖操作者的经验。如今，这些环节正被AI大规模自动化，从初始入侵到全网沦陷之间的时间窗口被压缩到防御方预案所假设时长的一小部分。

换句话说，当企业还在走工单流程、排期修复漏洞时，攻击者已经借助AI把这些缺口利用完毕。防御方按天、按周计划的响应节奏，正面对一个以分钟计的对手。

为什么是身份与数据治理

报告把焦点集中在两个看似"老生常谈"的领域，恰恰说明了问题的本质没有改变，只是攻击效率变了。横向移动的核心依赖是凭据与权限——攻击者拿到一个立足点后，靠窃取和复用身份凭据在系统间跳转。身份治理薄弱意味着一旦突破边界，内部几乎无遮无拦。

数据管控则决定了攻击的"战果"。如果敏感数据缺乏分类、访问控制和出口监控，AI自动化的数据外泄与加密勒索就能一气呵成。这两个维度恰好是传统安全建设中最容易流于形式、最难彻底落地的部分。

值得强调的是，AI并没有创造全新的攻击路径，它放大的是既有弱点的可利用速度。防御缺口一直存在，只是以前攻击者填补这些缺口的速度，大体和企业修复的速度处在同一量级；现在这种平衡被打破了。

横向移动（Lateral Movement）是攻击链中的关键阶段，指攻击者在获得初始立足点后，利用内部网络信任关系、已窃取凭据或未修复漏洞在系统间逐步扩展控制范围的过程。常见技术包括哈希传递（Pass-the-Hash）、票据传递（Pass-the-Ticket）以及利用远程管理协议（如RDP、WMI）进行横向跳转。在AI介入之前，这一过程高度依赖操作者的手动侦察与判断，耗时往往以小时乃至天计算；AI自动化可以并行扫描网络资产、实时分析权限拓扑并选择最优路径，将同等覆盖范围的横向移动压缩至数分钟内完成，从根本上改变了防御方"早发现早隔离"策略的有效性前提。

智能体层面的新难题

报告引发的一个更深层讨论，指向了正在生产环境中运行AI辅助流水线（AI-assisted pipelines）和智能体工作流（agentic workflows）的团队。当自动化的AI智能体本身成为系统的一部分时，身份与数据治理的问题被推到了一个全新的层面。

现有工具是否够用

传统的IAM（身份与访问管理）和DLP（数据防泄漏）工具，是为人类用户和相对静态的服务账户设计的。而AI智能体带来的挑战在于：

• 智能体的身份如何界定？它代表的是发起任务的人，还是一个独立主体？
• 智能体的权限边界如何动态约束？一个能调用多个工具、访问多源数据的智能体，其权限组合可能远超设计预期。
• 智能体之间的调用链条如何审计？当一个智能体触发另一个智能体时，传统的单点访问日志很难还原完整的行为路径。

这些场景正是现有IAM和DLP从未被设计去覆盖的盲区。把为人设计的最小权限原则，机械套用到可以自主编排任务的智能体上，往往要么过度授权、要么处处受限无法工作。

IAM（Identity and Access Management，身份与访问管理）负责定义"谁能访问什么"，包括用户账户生命周期管理、权限分配与身份验证；DLP（Data Loss Prevention，数据防泄漏）则监控敏感数据在系统内外的流动，防止未授权的复制、传输或外泄。两类工具的设计假设都是主体相对固定：人类用户有明确的部门归属和角色，服务账户绑定特定应用并长期不变。AI智能体打破了这一假设——同一个智能体可能在不同任务中扮演截然不同的角色，其数据访问范围随任务动态变化，且可能在毫秒内完成传统人类操作需要数分钟才能完成的数据读取与传输，DLP基于流量阈值的告警机制在这种场景下几乎形同虚设。

面向实践者的思考

对于在生产环境部署智能体的团队而言，核心问题不再是"要不要上AI"，而是如何在智能体层专门设计身份与数据治理机制。这意味着可能需要为每个智能体建立独立且可追溯的身份、实施运行时的动态权限收敛，以及针对智能体数据访问行为的专门监控——而不是简单复用面向人类的旧工具。

AI辅助流水线（AI-assisted pipelines）指在业务系统中嵌入AI模型以自动完成数据处理、决策或操作的工作链路；智能体工作流（agentic workflows）则更进一步，指由AI智能体自主分解目标、调用外部工具（如搜索、代码执行、API接口）并与其他智能体协作以完成复杂任务的运行模式。两者的关键区别在于自主性：传统流水线按预设逻辑执行，智能体则可以在运行时动态决定下一步行动。这种自主性在提升效率的同时，也使得权限边界和行为审计变得异常复杂——智能体可能在单次任务中跨越多个系统、调用多种凭据，而整个过程很难被传统安全工具逐步追踪。

攻防不对称下的现实选择

微软报告传递的信号很清晰：面对AI加持的攻击者，企业无法单靠增加人手来弥补速度差。防御侧同样需要借助自动化和AI来缩短检测与响应时间，否则这种不对称只会持续扩大。

身份和数据治理之所以被反复点名，是因为它们是决定攻击"能走多远"的两道闸门。把这两道闸门收紧，即便攻击者突破了边界，其横向移动和数据掠取的速度也会被实质性拖慢。对正在拥抱智能体工作流的组织来说，现在就把治理前置到智能体层，比事后补救要主动得多。