AI 智能体操作入侵的指纹识别：检测与响应指南

CSA 发布研究笔记，提出从时间节奏、行为决策、主机痕迹和模型依赖四层信号判断入侵是否由 AI 智能体操作，并据此调整检测与响应。案例包括 Anthropic 披露的 GTG-1002 行动（Anthropic 估计 AI 承担约 80-90% 的工作，部分研究者质疑该估计）、经 Hugging Face API 调用 Qwen2.5-Coder 生成命令的 PROMPTSTEAL 恶意软件，以及 NorForge 发现的归属同一行动者的 14 个 Cairn 暴露面板和超过 1,100 个攻击项目。作者建议防守方盘点可调用外部 LLM 端点的账号与密钥、审查自有 AI 密钥用量日志、为疑似智能体入侵预设自动遏制流程，并把智能体记忆文件和生成脚本纳入取证清单；Palisade 蜜罐研究在 8,130,731 次交互中标出 8 个疑似 LLM 智能体，提示主动欺骗可促使智能体自我暴露。