据TechRadar报道，Anthropic威胁情报团队在梳理一年内AI赋能的网络攻击时发现，2025年11月其破坏的一个国家支持间谍活动，按MITRE ATT&CK映射使用了13种战术下的30种技术，与数据集内许多中等风险行为体相当，但在Anthropic自身风险评分体系中得到满分100。Anthropic将这一行动列为数据集中的最危险行动，但它在技术数量上并不突出。
报道指出，这种最高风险行为体在技术数量上并不显眼，暴露出传统检测思路的弱点。仅凭技术覆盖广度，防御者很难判断真实风险；更有价值的线索来自技术如何组合、排序以及随时间执行。
指标一直是脆弱环节。安全运营过去二十年擅长识别攻击者已经使用过的证据，恶意软件哈希、恶意IP地址和可疑域名让团队能识别已知威胁、阻断重复攻击。一旦攻击者暴露部分基础设施，数千个组织可受益。2013年David Bianco的“痛苦金字塔”已指出这一弱点：防御者最容易消费的指标，也是攻击者丢弃成本最低的。修改文件可改变哈希，IP地址可直接更换，而攻击者为达成目标依赖的技术与程序更难改变。
生成式AI通过降低变化成本，让基于指标的检测更易受冲击。代码生成工具能快速产生新的恶意软件变种，钓鱼内容可大规模生产，攻击工具组装所需专业投入大幅减少。防御者面对的指标，其有效期可能短于识别、发布和处置所需流程。IOC订阅源并未因此失效，它在批量阻断已知恶意内容、丰富调查和事后追溯方面仍有价值，只是不能再承担检测项目全部重量。
Anthropic的研究检查了2025年3月至2026年3月间因恶意网络活动被禁的832个账号，映射了14种ATT&CK战术、482种技术下的13,873次观测动作。这些账号是总封禁量中细节足以深入评估的子集。
数据显示，行为体技能与使用技术数量之间几乎没有关联：能力最弱的行为体平均使用约16种不同技术，能力最强者约20种。攻击者使用的平台也没有造成差异。这符合企业环境实际：账户发现既出现在攻击中，也出现在合法管理中；远程服务既支持横向移动，也支持日常基础设施管理。几乎每种单一技术都需要结合上下文解释，才能支持结论。
信息出现在活动相互连接时。账户发现、凭据访问、移动到另一系统以及在压缩时间窗口内暂存数据，与同样的活动分散在数天日常工作中含义不同。序列因此成为检测逻辑的一部分，身份、触及的系统和紧接着发生的事情同样重要。
AI正在更深地进入攻击过程。自动化可压缩动作之间的时间，改变对原本熟悉活动的解释。人类主导的攻击一直包含某种程度的自动化，但操作者仍需解释结果并决定下一步；当AI系统承担更多决策，攻击阶段之间的时间可显著缩短，速度和序列本身成为有用信息。
Anthropic数据显示，研究期内AI使用从获取访问转向获得访问之后。在已入侵环境中使用AI工具进行账户发现上升8.9%，AI辅助钓鱼下降8.6%。曾需要真正专业能力的入侵后技术，正由能力较弱的行为体代劳。被Anthropic列为中等或更高风险的行为体比例从研究前半段的33%升至后半段的56%，十二个月内约增加1.7倍。速度本身不能证明恶意，仍需结合上下文判断。