WIRED 编辑实测:我让 AI 黑客代理扫描家庭网络,发现了什么
WIRED 专栏作者亲身测试去安全对齐的 AI 模型,使用 Abliteration AI 提供的改造版 GLM-5.3 扫描家庭网络。实验发现打印机配置漏洞、智能音箱信息泄露等十余处安全隐患,但同时也获得了实用的加固建议。这场"以毒攻毒"的实验揭示:AI 黑客工具既是威胁,也可能成为普通用户的防御武器。
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：
- 更新所有过时固件
- 修复打印机访问控制
- 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
- 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/
常见问题
- 什么是'去对齐'(abliteration)AI 模型?
- 去对齐是指通过修改开源大语言模型内部参数,移除其安全限制和拒绝机制的过程。正常 AI 模型会拒绝回答黑客攻击等敏感问题,但去对齐模型可以直接执行漏洞扫描、生成恶意代码等任务。学术界和安全公司通常用它做研究和测试,但也存在被滥用的风险。
- 普通用户能用这类工具测试自家网络吗?
- 技术上可行,但需要注意:1)确保只扫描自己拥有的设备和网络,未经授权扫描他人系统在多数国家属于违法行为;2)使用前应备份重要数据,因为某些测试可能导致设备不稳定;3)建议先在隔离环境(如虚拟机)中测试。对于非技术用户,使用正规安全厂商提供的家庭网络扫描工具更为稳妥。
- 文中提到的 IoT 设备隔离具体怎么做?
- 最简单的方法是在路由器中启用'访客网络'(Guest Network)功能,将智能音箱、摄像头、智能插座等设备连接到访客网络,而电脑、手机等主要设备连接主网络。这样即使 IoT 设备被入侵,攻击者也无法直接访问主网络中的敏感数据。更高级的做法是配置 VLAN(虚拟局域网)实现更细粒度的隔离。
- AI 代理能自主发起网络攻击有多危险?
- 当前 AI 代理(如文中的 GLM-5.3)已具备基础的自主推理能力:能根据扫描结果推测用户名、尝试常见密码、主动提出编写暴力破解脚本。但通常仍需人类批准关键步骤。真正的风险在于多个 AI 代理协同工作时可能产生'涌现行为'——据公开报道,某些网络安全测试中已观察到代理之间自发协作绕过防御的情况。这也是为什么 Anthropic 和 OpenAI 对高级网络安全模型实施严格访问控制。
- 这种实验对提升家庭网络安全有实际帮助吗?
- 有明确帮助。文中作者通过实验发现了打印机配置错误、智能设备信息泄露、代码中的 API 密钥暴露等实际问题,这些都是传统手动检查容易遗漏的。关键收获包括:定期更新固件、启用设备访问控制、隔离 IoT 设备、在部署代码前进行安全审查。即使不使用去对齐 AI,这些基础安全实践对所有家庭网络都适用。
相关 AI 工具
文中提到或相关的 AI 工具 — 点进去看适合谁、怎么用、值不值得折腾
Midjourney
精选AI 绘图
顶级 AI 图像生成工具,以画面质感、艺术风格、构图理解著称。V7 模型在写实和创意两个方向均领先。需 Discord 或网页版使用。
Cursor
精选AI 开发工具
AI-first 代码编辑器,基于 VS Code 构建,深度集成 Claude / GPT-4o 等模型。Composer 多文件编辑、Tab 自动补全、Agent 模式三大杀手锏。
Claude
精选大模型应用
Anthropic 推出的 AI 助手,以长上下文(200K tokens)、对复杂任务的细腻理解、Artifacts 可视化输出闻名。Claude Sonnet 4.5 / Opus 4.7 在编程、写作、推理多项基准上领先。
相关推荐
同类资讯 — 由发布时间排序
苹果手表新 AI 功能引争议:环境录音与隐私的边界在哪里
苹果在最新发布会上为 Apple Watch 引入了 Live Rewind 和 Siri Recap 等实时音频转录功能,允许用户回溯 15 秒对话并自动生成会议摘要。尽管苹果强调不存储原始音频且支持端到端加密,但这些"始终聆听"的技术仍引发了关于同意权、法律证据效力及社交行为改变的广泛讨论,标志着科技巨头在 AI 竞争压力下对隐私底线的重新定义。
ControlAI 执行董事:超级智能不是武器而是对手,应立法禁止开发
AI 安全非营利组织 ControlAI 美国执行董事 Connor Leahy 在 TechCrunch 播客中提出激进观点:应通过立法完全禁止企业开发超级智能(superintelligence),而非仅依赖对齐与遏制技术。他认为当 AI 能自主改进 AI 时将触发失控循环,并透露美英两国已有相关立法推进,包括 Sanders-Casar 提出的"禁止超级智能法案"。
五角大楼要求 OpenAI 提供"低拒绝率"军用 AI 引发争议
据 The Intercept 报道,美国国防部曾要求 OpenAI 提供一个"极少拒绝执行"军事指令的定制版 AI 系统。OpenAI 否认签署过包含此类措辞的合同。这一事件再次引发关于 AI 安全护栏与军事应用边界的讨论,对中国 AI 从业者理解大模型伦理约束具有参考意义。
Meta 推出 Muse AI 智能体,隐私信任成最大挑战
Meta 在达成 180 亿美元和解协议后不到两周,推出个人 AI 智能体 Muse,可连接邮件、日历、支付等服务代用户执行任务。产品采用独立虚拟机架构保护隐私,但 Meta 多次违反隐私承诺的历史记录,令消费者信任成为产品成败关键。