AI驱动的恶意软件正让传统安全防护难题更难处置。这类程序不会长期保留固定代码等待防病毒工具识别，反而会反复变换形态，恶意功能始终保持不变。 这种新型恶意软件将大语言模型当作自动化代码工厂。恶意投放器可以定期请求生成经过全新混淆的自身版本，配套工具还能生成用于窃取文档的短命令。 这大幅降低了过去制作新恶意样本所需的时间成本和专业技能门槛。 2025年末，谷歌威胁研究人员披露了实验性投放器PROMPTFLUX，Morphisec的分析师在梳理相关报告后注意到了这一攻击趋势变化。 据观测，该样本约每小时调用一次Gemini API，重新生成混淆后的代码，研究人员在不到4小时内就发现了70余种变种。 Morphisec在发给Cyber Security News（CSN）的报告中表示，目前尚未确认出现大规模传播活动，当务之急是这类恶意软件给特征检测类防护机制带来的压力。 由于每个副本的代码都存在差异，防御者无法再依靠静态哈希和已知文件特征识别恶意软件。如果自修改代码搭配纯内存活动，威胁还会进一步升级，业界在研究无文件恶意软件运行机制时早已覆盖过这类攻击思路。

传统多态恶意软件通常只会加密或伪装载荷，仍会保留部分不变的底层逻辑。 AI辅助恶意软件的能力更进一步，可直接替换全部代码块。这已经接近变形恶意软件的行为特征，防御者无法在不同样本中找到可靠的核心特征生成检测指纹。 报告中提到的最典型案例是PROMPTFLUX，但这只是整体趋势的冰山一角。PROMPTSTEAL可利用模型生成用于窃取文档的单行Windows命令，已有公开分析显示，PromptLock和BlackMamba也会在运行过程中调用大语言模型修改载荷。 此前已有多篇关于AI恶意软件规避安全工具的报道，这类能力正引发越来越多的关注。 对安全团队而言，核心现实问题是检测速度跟不上变种速度。通常分析师要先识别出可疑文件、命令或行为，才能编写对应的检测规则。 如果规则下发到终端前，恶意软件已经完成变种，规则就只能拦截旧版本样本，无法识别新版本。 这并不意味着特征检测完全失去价值。针对已知威胁、攻击溯源调查、阻断重复攻击活动，特征检测依然有重要作用。 但防御者不能再把扫描无异常作为新投递程序安全的判定依据，尤其是当程序会启动脚本、调用系统内置工具或主要在内存中运行时。

防护需前置阻断执行环节，优先监测行为特征

企业需要建立预防优先的防护体系：无论恶意软件变种频率多高，都必须经过执行环节才能生效。这套防护思路的核心是阻断恶意代码的执行条件，而非先识别出特定恶意毒株再做拦截。 报告提出的具体防护方案包括：在进程启动时修改运行时内存环境，在攻击程序预期查找资源的位置部署诱饵。 Morphisec表示，这种方式可以在未知载荷执行加密、数据窃取或横向移动前就阻断攻击。企业应结合现有终端防护工具，独立测试这类管控机制的效果。 更均衡的防护体系首先要做好基础暴露面缩减工作。企业应及时为操作系统和面向互联网的应用安装补丁，限制不必要的脚本执行和管理工具调用，同时重点排查会访问大量文档的异常子进程或命令。 无文件恶意软件攻击的检测指南，可为监控这类不留常规可执行文件的活动提供参考。 安全团队应留存终端遥测数据，在应急预案中覆盖短生命周期变种的处置场景。分析师需要关注攻击的底层行为特征，比如可疑的凭证访问、异常的压缩包生成、外联连接、可信工具的异常调用等，不能只依赖文件名或哈希值做判定。 日常桌面演练应加入这类场景：初始样本在初步研判开始前就已经消失。这能帮助响应人员将工作重心放在攻击遏制、证据留存和业务恢复上，不必急于为恶意软件命名归类。

注：本文中的IP地址和域名均已做失效处理（例如将.替换为[.]），防止意外解析或跳转。请仅在MISP、VirusTotal或内部SIEM等受控威胁情报平台中恢复原始地址。

参考来源：

AI-Powered Malware Rewrites Itself Every Hour to Evade Signature-Based Detection

本文为 独立观点，未经授权禁止转载。
如需授权、对文章有疑问或需删除稿件，请联系 FreeBuf 客服小蜜蜂（微信：freebee1024）