用人工智能打破网络安全“杀伤链”
本文信息来源：a16z
网络安全是一场竞赛，攻击者的每一步行动都会迫使防御方作出应对。这一直是一场猫捉老鼠的游戏：攻击者不断探测漏洞，防御者紧急应对，循环往复。随着时间推移，这场军备竞赛催生了大量的类别、框架和标签——多到它们之间的界限变得模糊。结果是，一个常常让人感到支离破碎、令人不知所措的安全环境。然而，有一个问题始终应该明确：某个安全工具究竟是如何真正干扰攻击者的？一种切断噪音的方法是将防御与攻击者的行为联系起来观察。“网络杀伤链”就是这样一个视角，它描绘了入侵的各个阶段，并突显出防御措施可以在哪些环节打破这一连锁过程。
从这个角度来看，当今的形势尤其难以应对。新的初创公司每月不断涌现，企业部署的工具数量也比以往任何时候都多。一个典型的 SOC（安全运营中心）如今每天要处理成千上万条警报，所管理的工具数量比三年前增加了 30%以上 ，但团队依然长期人手不足。这种工具泛滥、数据量庞大以及人才稀缺的组合，使得区分真正的创新与渐进式功能变得更加困难。
在这种环境下，人们很容易依赖由厂商定义的类别，例如 SIEM、SOAR、EDR 或 XDR，但这些标签往往掩盖的内容多于揭示的内容，因为它们描述的是市场，而不是攻击阶段。 这种混淆也可能体现在公司对自身的认知上。许多创始人认为自己是在相互竞争，因为他们共享同一类别标签，但如果从“杀伤链”视角来看，他们往往应对的是完全不同类型的攻击。
安全历史表明，产品类别很少保持不变。看似永久的东西，往往只是对新一波攻击的临时应对，因为防御方会加装新工具，攻击者则会适应，循环不断重复。随着时间推移，一项突破性能力可能会让整类攻击失去意义，并将许多产品整合到一个平台之中。
在 2000 年代，企业分别运行防火墙、IDS、IPS、VPN 网关和网页过滤器，直到定制芯片的出现使得能够以线路速度检查数据包，并将这些功能整合为下一代防火墙。终端安全也走了类似的路径，杀毒软件、反恶意软件和主机入侵防御逐渐融合为 EDR，后来又发展为 XDR。如今，在运维、身份、云和数据安全领域，从 SIEM、SOAR 到 CNAPP、DSPM 的缩写爆炸式增长，只是同一循环的又一次重演。 当时，许多厂商看起来是直接竞争对手，但实际上大多数是在弥补链条中的不同缺口，直到新功能将它们整合为一个平台。今天同样如此：表面上看似竞争的关系，往往反映的是在攻击链上互为补充的角色。
每一个标签都只是为了跟上攻击者步伐的临时尝试，而不是持久的框架。理解这一格局的更好方式是问：这个工具打破了攻击链的哪个阶段？它能让防御者多快地阻断攻击？
简史：网络攻击链
网络杀伤链（Cyber Kill Chain）最早由洛克希德·马丁公司于 2011 年提出，将军事概念应用于描述网络攻击的各个阶段。其核心思想很简单：每一次入侵都遵循一个从早期侦察到最终目标的顺序，防御方可以在任何阶段打断攻击。干预得越早，造成的损害就越小。
业内人士常将最初被攻破的时刻称为“爆点”（boom）。爆点“左侧”的一切是预防，爆点“右侧”的一切是遏制与恢复。如果攻击者已经到达爆点，防御者的任务就是通过检测横向移动、切断指挥与控制（C2）通道、清除持久化手段等方式，在攻击目标达成前限制破坏范围。诸如驻留时间（dwell time）或平均检测时间（mean time to detect）等指标，只是衡量防御者在攻击者入侵后多快能打断杀伤链的方式。
为了让这一框架更具可操作性，防御方通常会将其与 MITRE ATT&CK 搭配使用，后者对对手在每个阶段所采用的具体战术、技术和程序进行了分类整理。Kill Chain 展示了攻击可以在何时被阻断，而 ATT&CK 则解释了这些攻击在实际中是如何展开的。两者结合既提供了战略地图，也提供了战术手册，帮助团队不仅明确何处介入，还能识别需要重点关注的行为。
这种框架的重要性在于它提供了通用语言和实用地图。如果某个工具能够可靠地阻止钓鱼邮件投递、检测横向移动或切断指挥与控制流量，它就解决了一个普遍的薄弱环节，并成为其他工具依赖的平台。相比之下，那些与 Kill Chain 某一阶段没有明确关联的产品，往往难以证明其价值。
杀伤链切穿了当今充斥着缩略语和类别的混乱局面。与其问某个产品是 CNAPP、CWPP、CIEM、CDR 还是 CASB，不如问： 它在攻击生命周期的哪个阶段能发挥作用，以及它能多快帮助防御者发现并应对威胁？ 按照杀伤链阶段来划分市场——预防与检测、“爆发前”与“爆发后”——比追逐厂商标签更简单、更持久地理解整个格局。
人工智能浪潮：当今的平台转型
攻击者已经在将人工智能作为倍增器使用。 他们可以以自然流畅的方式生成钓鱼信息，制造出比特征防御追踪速度更快的变种恶意软件，并以机器速度扫描庞大的攻击面。 除此之外，人工智能还能加速复杂零日漏洞的发现， 加剧攻防不对称性，并推动防御方可预判或控制的极限。这改变了冲突的经济格局：攻击者几乎以零边际成本运作，而防御者在增加每一道防护措施时仍需承担更高成本。
这就是为什么在传统工具上简单加装 AI 功能远远不够。 正如下一代防火墙并不仅仅是“防火墙++”，AI 原生安全需要重构预防、检测和响应机制，使智能与自动化成为基础，而不是附加组件。
AI 原生产品旨在将智能、适应性和自动化直接嵌入到检测与响应的核心之中。网络杀伤链是理解其重要性的最清晰方式：
- 侦察与投递（爆发点“左侧”）： AI 原生检测平台不仅仅扫描已知的恶意域名或特征码。它们会学习用户、资产和通信的行为基线，捕捉那些能绕过传统过滤器的细微探测或钓鱼诱饵。
- 指挥与控制及横向移动（爆发点“右侧”）： AI 关联引擎将微弱信号（例如登录异常、异常的 DNS 请求、权限提升）拼接成连贯的叙事，从而揭示攻击者意图。这种捕捉上下文的能力正是 LLMs 区别于以往检测系统的关键所在。
人工智能改变了防御的规模和经济模式。它可以让防御方以攻击者的速度行动，在上下文中而非孤立地观察信号，并在战术演变时持续适应。这将防御从被动反应转变为主动且自动化的模式。关键并不是人工智能在抽象意义上改变了一切，而是它让“杀伤链”框架比以往任何时候都更为紧迫。对于每一款产品来说，至关重要的问题是它是否能够在更早、更快的阶段有效打破这条链条。
人工智能正为网络安全奠定新的基础：在这种基础中，智能融入到每一层防护之中。原生于人工智能的安全体系是当今的平台变革。
最后的思考
网络安全运营的历史是一场不断适应的循环：防御方不断创新，攻击者随之应对，并不断出现新的类别来弥补最新的漏洞。随着时间推移，分散的单点解决方案会在重大突破出现时被整合进更广泛的平台，使整个攻击类别失去意义。经验教训是，单靠工具并不能取胜；关键在于它们能否更快地打破“杀伤链”，从而缩短检测和响应的时间。
对于安全团队来说，这种压力并非理论上的。错过关键警报或错误配置控制措施，可能会带来影响职业生涯的后果。最有价值的解决方案，是那些能够显著减轻这种负担的——无论是将调查时间从数小时缩短到几分钟甚至几秒钟，通过自动化实现隔离，还是全天候稳定运行。
安全领域的北极星目标很明确：通过尽早且果断地打断攻击链来降低风险。每一款产品都应根据其在攻击链中的作用位置，以及它为防御方带来的速度和准确性提升来评判。像 MITRE ATT&CK 这样的框架在描绘战术细节方面依然有用，但最终的衡量标准是，这个工具能否帮助防御方更快、更省力地阻止攻击。
对于投资者和创业者来说，攻击链同样有助于区分真正的竞争关系。那些用缩写定义时看似重叠的初创公司，往往是在应对攻击链中不同的薄弱环节。这种清晰度不仅对买方决定部署何种产品至关重要，对投资者决定资金投向也同样重要。
下一代工具的定义将不再依赖缩略语，而是取决于其彻底消除攻击路径的能力。尽管攻击者会不断适应变化，人工智能驱动的运作将为防御方带来新的优势。未来的领导者将是那些能够将“杀伤链”从负担转化为持久优势框架的人。