AI在现代威胁狩猎中的真实作用

如今，现代AI无处不在，威胁它存在于你的狩猎收件箱、社交信息流 ，中的真实作用甚至你的现代汽车里 。在网络安全领域
，威胁它被吹捧为一种“灵丹妙药” ，狩猎最终能让防御者跟上攻击者的中的真实作用步伐。我见识过足够多的现代炒作周期，深知事实远非如此简单。威胁

AI在威胁狩猎中的模板下载狩猎应用也不例外——它功能强大，但并非包治百病的中的真实作用良药。

不久前，现代许多公司出于对数据泄露和生产效率风险的威胁担忧
，直接禁止使用ChatGPT等工具
。狩猎开玩笑的，现在很多公司依然这么做。

然而 ，时光飞逝
，一年后的今天，CISO开始尝试利用自主式AI实现工作流程自动化
，免费模板并填补技能缺口。与此同时
，攻击者也没闲着，他们利用AI优化网络钓鱼诱饵、生成深度伪造内容，甚至编写数据勒索攻击的部分脚本
。

但有一个重要区别：在攻击中使用AI完成单个步骤
，与AI主导整个攻击行动截然不同。那种AI驱动的杀伤链超越人类防御者的设想 ，目前仍只是科幻而非现实。就目前而言，最有趣的源码库情况发生在防御者一方 ，AI开始在人类主导的威胁狩猎中扮演实用的“副驾驶”角色。

现实框架：TaHiTI

AI在威胁狩猎中新兴作用最有趣的方面之一，是英特尔471公司发布的报告
，详细介绍了他们如何运用TaHiTI(Targeted Hunting integrating Threat Intelligence，即结合威胁情报的目标狩猎)来简化和自动化威胁狩猎流程，该框架在金融领域开发 ，将狩猎过程分为三个阶段：启动 、狩猎和收尾。它不依赖于特定供应商 ，云计算为原本可能混乱无序的工作提供了结构框架。

英特尔471的高级威胁狩猎分析师Scott Poley指出 ，TaHiTI之所以有效，正是因为它反映了狩猎活动的周期性。你不能只测试一次假设——你需要不断优化它
，在你的环境中运行 ，并反复迭代 ，直到区分出正常行为与真正的恶意行为
。

AI可以加速这一过程，但它无法取代将理论与现实区分开来的建站模板机构知识。

智囊团，而非预言家

当你开始狩猎时，AI可以帮助你对假设进行压力测试 ，或将战术映射到MITRE ATT&CK框架 。Poley告诉我 
，AI如今最大的优势之一在于假设开发和加速研究，它可以通过呈现资深分析师已认可的相关行为或技术 ，为初级分析师提供助力，从而弥合技能差距 。

同时，他警告说 ，大型语言模型往往过于顺从  。为了让AI保持诚实
，源码下载他采用分步方法——先列出已知信息 ，然后让模型验证或挑战这些信息
。他说，这种对话式风格能带来更好的见解 ，避免被误导。

查询、聚类与上下文

一旦深入其中，AI可以提供查询模板 ，并比滚动搜索结果更快地指引你查阅文档，这对初级分析师来说确实节省了时间，但Poley也指出，AI在语法或优化方面常常表现不佳。他不得不亲自纠正AI生成的查询，并反馈正确的语法，而AI却只是轻描淡写地回应“这说得通” 。

AI真正大放异彩的地方在于信息丰富化
。威胁狩猎往往存在视野狭窄的风险——过分关注单个工件或路径 。AI可以帮助拓宽视野  ，将活动与相邻的威胁行为者技术联系起来 ，或者揭示PowerShell中猎人可能忽略的别名 。Poley将此描述为将小胜转化为更完整狩猎的上下文信息
。

数据决定命运

这里有一个残酷的事实：如果你的日志只保留30天或60天，AI只会放大这些数据缺口 。英特尔471的另一位高级威胁狩猎分析师Lee Archinal解释说，保留期短的终端检测与响应(EDR)数据会使良性但罕见的行为(如每月打开一次Word)看起来像异常 。具有更长历史记录的安全信息和事件管理(SIEM)系统更有帮助，但仍需要人工调整以区分真实威胁与统计噪声。

Archinal强调，最好将AI视为一种简化任务的工具，而非人类专业知识的替代品。你仍然需要一位分析师 ，他了解何时应用信息丰富化、你的环境中哪些基线重要，以及如何区分用户行为的怪癖与真正的安全威胁  。

让AI起草，让人类决定

没人喜欢写报告。AI非常擅长整理结构化摘要
，包括高管摘要和技术细节 。如果处理得当，这种一致性可以减轻利益相关者的认知负担 ，并加快向安全运营中心(SOC)、事件响应(IR)和漏洞管理团队的交接速度。

这就是AI可以在不将组织置于风险之中的情况下，使威胁猎人更高效的地方 。让模型起草，然后让人工编辑。

未来之路

展望未来，AI在回顾性分析和操作指南中的作用可能最具价值
 。用90天的日志数据对昨天的狩猎进行复盘，以发现趋势或测试假设，这种繁重的工作正是为AI量身定制的 。随着时间的推移，这些历史数据甚至可以训练系统根据类似案例中的有效方法提出“下一步行动”。

但自动化应该反映人类的决策，而非取代它们。Poley给我举了一个生动的例子：在事件中，禁用某个账户可能会阻止攻击者——但如果时机不当，也可能会破坏核心业务流程 ，这是一个没有人类监督就不应由AI做出的决定。

有何启示?AI将在威胁狩猎中长期存在
 ，但它应该处于循环之中——而非触发行动。利用它来扩展信息丰富化 、聚类和报告功能。以TaHiTI等框架为支撑 。最重要的是，将其视为“副驾驶”
，而非“自动驾驶仪”。

攻击者也在尝试使用AI，但防御者有机会更负责任、更有效地利用它 。区别将在于我们对其局限性的理解程度 ，以及我们在让AI保持受控状态方面的自律性
 。