黑客可利用9种最流行AI工具组建大规模僵尸网络

# 黑客可利用9款最热门AI工具组建大规模僵尸网络 来源：https://arstechnica.com/security/2026/07/hackers-can-use-9-of-the-most-popular-ai-tools-to-assemble-massive-botnets/ 在AI安全的短暂历史中，提示注入迅速成为首要威胁。大型语言模型天生无法区分用户提供的合法指令与嵌入在邮件、源代码及其他第三方内容中的恶意指令——这些内容正是模型正在处理的。这使得攻击者可以轻而易举地偷偷注入恶意命令，而LLM会毫无察觉地执行。 由于无法在可信与不可信来源之间建立这一关键边界，AI引擎开发者只能搭建复杂的防护栏，旨在减轻损害而非解决根本原因。 迄今为止，大多数提示注入都属于所谓的"推送式"攻击，即针对每个潜在受害者。例如，攻击者将恶意指令注入单个邮件或日历邀请。由于必须将注入内容逐一发送（或推送）给每个特定目标，攻击规模受到限制，阻碍了大规模互联网级利用。 与此同时，"拉取式"攻击——即LLM主动寻找被植入网站上的对抗性提示——仍然有限。由于无法引诱大量LLM访问恶意网站，这类攻击同样难以规模化。 ## HalluSquatting登场 如今，研究人员设计出一种改变局面的拉取式攻击。这种被命名为HalluSquatting的新攻击有望组建大规模僵尸网络、实施大规模DDoS攻击以及大规模感染设备——这在提示注入攻击中尚属首次。该攻击针对包括Cursor、Cursor CLI、Gemini CLI、Windsurf、GitHub Copilot、Cline、OpenClaw、ZeroClaw及NanoClaw在内的AI编码助手与代理，所有这些工具均易受攻击。在日常操作中，这些助手与代理会经常从仓库和注册表中拉取代码及其他资源。 [](https://cdn.arstechnica.net/wp-content/uploads/2026/07/hallusquatting-threat-model.png) HalluSquatting威胁模型。 图片来源：Spira 等 HalluSquatting（全称"对抗性幻觉蹲守"）建立在LLM固有的倾向之上——即幻觉出托管在仓库和注册表中的资源标识符。它针对编码代理和助手生效，这些工具通常访问高权限命令行来运行来自第三方资源的代码。通过预测LLM最可能幻觉的标识符，然后注册这些标识符并植入安装反向shell或其他恶意软件的指令，该攻击可以不针对单个设备，从而不加区分地大规模感染海量设备。