Gartner预测，到2028年，在威胁检测和事件响应领域内，多代理人工智能（AI）的采用率将从当前的人工智能实施中的边缘比例（约5%）大幅跃升至核心地位的70%。
多年来，工业OT运营技术环境一直被视为网络攻击难以攻克的领域，原因在于其协议过于专业化，固件过于定制化，技术门槛也过高。然而，最近一项关于APIOT（"Autonomous Purple-Teaming for Industrial OT"）的最新研究对这一观点提出了挑战。研究人员首次展示了一个完全自主的人工智能代理，在无需任何人工操作协助的情况下，就能独立识别、攻击、修补和验证工业裸机系统。
人工智能破解工业协议并发起自动攻击
这项研究聚焦于基于微控制器的OT设备，这些设备通过Modbus/TCP和受限应用协议（CoAP）议进行通信。与传统的IT系统不同，此类设备通常不运行操作系统，也没有成熟的安全控制措施。也正因如此，长期以来它们一直被视为自动化攻击难以攻破的目标。
APIOT利用大型语言模型自主分析数据包结构和协议字段，不依赖预先构建的漏洞利用，而是直接操作协议原语，并独立推导出合适的攻击模式。在测试过程中，APIOT在侦察、利用、行动、修补和验证的整个周期中实现了90%的成功率。在许多情况下，该AI仅经过几次交互便识别出潜在目标，并立即开始尝试对其进行攻击。
AI代理大幅降低了针对OT的攻击门槛
该研究明确指出，针对工业固件的攻击将不再仅限于拥有专业知识的专家。研究人员将这一发展称为一个转折点，因为人工智能系统现在能够独立分析协议结构、推断漏洞并协调完整的攻击链。AI攻击自动化、规模化、隐蔽化的特征让网络攻击从“几年一遇”变为“一年几遇”，已成为全球网络安全面临的首要挑战之一 。
测试同时也揭示了自主代理的局限性。在缺乏控制机制的情况下，系统出现了反复循环的行为、侦察流程存在缺陷以及任务阶段停滞不前的情况。只有通过增加一个被称为“监督者”（Overseer）的治理层，才能稳定运行并显著减少AI代理的错误行为。
OT 网络缺乏可视性已成为安全隐患
随着IT与OT网络环境的不断融合，AI技术的发展与迭代，工业网络威胁形势不断演变，OT安全的重要性日益凸显。研究证明分布式 OT 架构扩大了潜在的攻击面，与此同时，许多裸机设备在固件未更新的情况下持续运行多年，而组织往往无法对这些OT资产、通信路径或漏洞状况保持全面的可视性，企业在OT关键资产的防护能力上需进一步提升与优化。
针对ICS/OT（工业控制系统/运营技术）环境的独特需求，Octoplant可以帮助工业组织补足OT资产情报短板，集中管理自动化生产设备程序、固件版本和网络结构，同时尽早识别安全风险，确保对安全事件的迅速和准确响应，增强对关键资产的保护，为OT网络安全提供坚实的保障。
关于Octoplant
Octoplant作为制造业工控程序备份与版本管理的行业标准，凭借近40年积累的产品能力与行业经验，适配数十年来几乎所有主流自动化系统及供应商系统的协议，支持160+各类型、各品牌的工控设备，从专有系统、遗留系统到多供应商环境，它将所有OT设备整合到一个统一平台中，确保OT资产的可视化、可追溯性，保障生产连续不间断。
