朝鲜员工在硅谷领工资，Jaguar靠20亿英镑贷款续命：AGI时代的网络防御赌注

2025年秋天，Jaguar Land Rover 的生产线停了大约五周。勒索软件团伙加密了这家英国车企的系统，屏幕上弹出付款通知。英国政府最后提供了约15亿英镑的贷款担保，才让它的供应链没有当场崩掉。

这是勒索软件的破坏力。但 Alexis Carlier 把网络攻击分成三层，这只是中间那层。

他是 Asymmetric Security 的创始人兼 CEO，公司刚结束隐身模式。Anthropic 红队负责人 Logan Graham 在推特上说，这个圈子里没几个人比他更「AGI-pilled」。

Alexis 自己解释这个标签：2020到2021年，ChatGPT还没出现的时候，他就在 Center for the Governance of AI 工作，思考 AI 变成大事之后会怎样。现在他做 Asymmetric，前提假设很直接：AGI 会到来，会提供近乎无限的智能劳动力，那么网络防御该怎么从头设计。

他的答案是：从被动的应急响应，转向主动的、持续的数字取证。

谁在攻击，要什么

按数量算，大约80%的攻击来自相对低水平的业余爱好者或罪犯。他们做「喷洒式」钓鱼，给尽可能多的目标发邮件，广撒网。用现成的恶意软件，碰运气。普通个人和小公司遇到的大多是这种。不点钓鱼链接，基本就没事。

再往上是有组织的犯罪团伙，做勒索软件。他们中等复杂度，协同行动。找到系统入口，加密数据，弹窗要钱。新冠期间这类攻击数量暴涨。Jaguar 就是被这种团伙盯上的。这类攻击的经济破坏力最大。Alexis 估计，破坏和实际赎金的比例大概是10比1。有经济学家认为，如果能解决网络犯罪这个毒瘤，对经济增长的拉动会非常明显。

最上面是民族国家。数量少，但目标极其明确。中国是最大的玩家之一，重点是从西方的研发密集型行业窃取知识产权，AI 几乎是当前的头号目标。俄罗斯更侧重政治颠覆，2016年美国大选就是典型案例。

朝鲜的动机又不一样，主要是给政权筹钱。他们有一个「远程工作者项目」，把朝鲜人派到西方科技公司做远程技术岗，赚工资汇回国内。Alexis 说他们最近从 CrowdStrike 招了一个人，专门处理这类案子。公司发现员工不对劲，因为这个人同时在往国内寄钱和传 IP。

三种攻击者的行为模式完全不同。勒索软件团伙加密数据后想尽快被发现，好收钱。民族国家想尽可能长时间保持隐蔽。

防御的瓶颈在哪

普通公司做基本防御就够了：开多因素认证，定期更新软件，审查供应商的供应链安全，开自动监控，偶尔做主动的妥协评估。这些能挡住大部分业余选手和部分有组织犯罪。

对付民族国家是另一回事。Alexis 说，如果你有特别重要的 IP，需要极端严格地限制软硬件供应商，可能大部分 SaaS 都不能用。员工审查要超出常规，在某些地方甚至可能不合法。要持续在系统里找零日漏洞，持续做妥协评估。大多数组织根本做不到这个水平，所以民族国家的情报窃取行动一直在进行。

有个细节值得记下来。Nathan 提到他本来打算去中国参加 AI 安全对话，有人建议他别带自己的设备，买一次性手机，回来就扔掉。Alexis 说，如果你带了设备，对方大概率会在上面留持久化机制。可能是物理接触，也可能是拿到了你的登录凭证。你回国之后，这个访问还在。不是只有在当地连网络才被监控。

Nathan 问，苹果的安全团队很大，一直在修补，普通人值得他们用零日吗？Alexis 的回答是：苹果的安全确实不错，但国家级攻击方的投入是几十万人的量级。很多访问通道要几十年后才被公开发现。你不够重要，他们不会优先为你花零日漏洞。但技术上完全做得到，很多时候他们可以做到很久不被发现。

为什么数字取证这么稀缺

绝大多数公司的安全运营中心靠静态规则运转。软件里硬编码了「这个行为可疑」的判断。问题是，很多可疑行为也可能是正常的。你从不同地点登录，可能只是这周在西藏旅行。你半夜还在操作，可能只是熬夜。你批量下载文件，有时候人就是要批量下载。

反过来，真正可疑的行为可能看起来完全正常。有人想窃取数据，可以花几个月时间，每次只传一点点。静态规则根本抓不到。

所以现状是：大量误报，告警不断。安全运营中心先做分诊，快速判断这个告警值不值得优先处理。少数情况下，他们拉出来做数字取证。这才是深度调查，像侦探一样，把所有证据源翻一遍，推理出到底发生了什么。

问题是，能做这件事的人极少。CrowdStrike 是全球顶级的事件响应公司之一，能做深度取证调查的团队大概只有60人。整个人才池非常窄，人很贵，做事很慢。所以数字取证通常只在被入侵之后才被动使用，不可能做到持续、主动、大规模。

还有一层数据问题。网络安全的大部分信息不公开。公司被钓鱼攻击后，不会把邮件日志放到网上。研究者和模型开发者缺乏基准来评估模型在真实攻击场景里的表现。人才稀缺和数据稀缺叠在一起，让防御端的进步比攻击端慢得多。攻击端没有这个限制：想测模型能不能攻破系统，直接让它试就行，不需要敏感数据。

Asymmetric 在做什么

他们目前聚焦商业邮件泄露，就是通过邮件发起的攻击。常见场景是攻击者拿到了某个邮箱的访问权限，可能是钓鱼，可能是凭证泄露，然后用这个权限骗人发信息或转钱。2016年民主党全国委员会被俄罗斯攻击，也是邮件攻击。

Asymmetric 的做法是全栈 AI 数字取证和事件响应。他们有一个平台，把企业的邮件日志全部摄取进来。AI 代理做第一遍分析，人类调查员在后面检查，大部分时候做质量控制，少数时候需要实质性修改。

Nathan 问，现成模型表现如何。Alexis 说，在这些邮件调查里，不做什么花哨的训练，就用现成模型加基本脚手架，开箱大概能到90%的准确率。这对加速调查很有帮助，但离真正自动化还差得远。这个场景对准确率要求极高，可靠性的「九」很重要。所以可预见的未来都需要人类在场，把可靠性的九往上推。

效果上，这些邮件攻击的调查时间从行业常见的两三天到一周，压缩到了几个小时。

为什么从服务开始做

Nathan 问了一个很实际的问题：你是一家初创公司，客户凭什么选你而不是 CrowdStrike？没人因为选了 CrowdStrike 被开除。

Alexis 的回答指向 CrowdStrike 自己的历史。大约15年前，CrowdStrike 起步时也是先做事件响应服务提供商，做了两年才产品化。原因有两个：做服务能持续看到攻击者到底在干什么，积累数据；同时和客户建立信任关系。网络安全里信任特别重要，因为你很难判断一个安全工具到底有没有在起作用。没被攻击，可能是工具好，也可能是你根本不知道已经被攻击了。

Asymmetric 走的是同一条路：先用服务切入，积累数据和信任，再往产品化走。 不同的是，现在 AI 让服务模式的利润率比以前高得多。这是新技术窗口带来的机会。

他们目前的分发渠道主要是网络安全保险公司。保险公司有一批预先批准的事件响应供应商名单，客户被攻击后就从名单里叫人。所以 Asymmetric 的很多销售动作是去见保险承保方，在那里建立信任，再通过他们进入企业客户。这个渠道不太常见，但在网络安全领域很有效。

一个更重要的论点：差异化加速

这可能是整期播客里最有价值的部分。

Alexis 说，现在模型的能力边界是锯齿状的。有些任务像天才，有些任务连不起来。这带来一个机会：你可以有意地选择一些领域，通过策划数据集、评估方法和训练环境，把锯齿前沿往特定方向拉。

他举了个类比。AI 对齐领域讨论「自动化 AI 研究员」已经很久了，想通过 AI 加速对齐研究。其他领域很少有类似的思路。原因之一是预训练时代泛化太强，很难只在一个方向加速。但锯齿前沿改变了这个局面。

数字取证正好是一个适合差异化加速的领域，因为它不是双用途的。 渗透测试和漏洞发现是双用途的，你可以补洞也可以利用。但数字取证问的问题是「系统里有没有入侵的证据」，这纯粹是防御性的。Alexis 说，做数字取证的人通常不会变成顶尖黑客，人类层面上这两个技能集的重叠很有限。所以在这个领域加速 AI 能力，不太会同步加速攻击能力。

他呼吁更多人在网络安全、生物安全、AI 安全等领域做同样的事：有意地策划数据、环境和评估，把防御能力往前拉。Nathan 在结尾也说，希望看到这种思路被复制到其他领域。

市场有多大

事件响应服务市场大概400亿美元。这是 Asymmetric 目前切入的市场。

但 Alexis 的算盘更大。如果主动数字取证真的成熟了，它会替代现在基于静态规则的检测方法。检测市场大概5000亿美元。这是数量级的跳跃。

再往上，如果高质量安全变得极其便宜，需求可能会进一步爆发。不过这部分不确定，取决于客户类型。有些组织只需要达到最低安全标准，有些组织，比如 AI 实验室、国家安全机构，对安全有远超常规的需求。

Alexis 的框架是：假设你有100倍的智能劳动力，你会用它做什么？很多以前太慢、太贵、做不起的工作，现在可以大规模做。数字取证就是典型。最终成本会降到接近计算成本，你可以在系统里持续做深度调查，而不是等被攻击了才叫人来。

你现在能做什么

Nathan 在节目最后说，听完这期他可能会去改几个密码。这不是玩笑。Alexis 给出的防御建议里，最基本的那几条对普通用户仍然有效：

• 打开多因素认证，这是投入产出比最高的一步。
• 定期更新软件，大部分实际攻击利用的是已知但没修补的漏洞，不是零日。
• 审查供应商的供应链安全，你的安全边界不只是你自己的系统。
• 开自动监控，偶尔做主动的妥协评估。
• 如果你要去高风险地区，别带日常设备，假设它会持续被监控。

创业者和技术负责人还可以多做一件事：如果你在某个防御性领域有专长，可以考虑把数据集、评估和训练环境做成资产。 锯齿前沿意味着，有意地拉高某个防御方向的能力，比等待模型泛化更现实。网络安全、生物安全、心理健康，这些领域都存在类似的机会。越早做，积累越有价值。

Nathan 在节目里说了一句话，值得作为结尾：如果 AGI 真的带来近乎无限的智能劳动力，问题就变成了你拿这些劳动力去做什么。Asymmetric 的答案是拿去做以前太贵、太慢、做不起的深度调查，把它变成持续的、主动的防御。

这个方向如果走通了，回头看 AI 对网络安全的影响，可能会得出一个和直觉相反的结论：防御方受益更多。