要点
- Booz Allen Hamilton 测试表明，前沿 AI 模型在 16 分钟内突破工业控制网络并操控 OT 物理设备（发布于 2026-10-12）。
- 测试未向自主软件提供预写漏洞代码或工程文档，模型仅凭简短自然语言提示即可运行；在弗吉尼亚 Chantilly 的 OT 网络安全实验室，基于 Purdue 模型制造厂环境（企业层到现场物理设备）进行。
- 前沿模型达成 8/8 防御绕过目标；自主跨越网络层级，发现双宿主网关 192.168.20.9 预认证连接两个厂区共 14 台现场设备，直接暴露子网内全部 PLC。
- 物理操控：识别 Universal Robots、ABB、FANUC、KUKA 机械臂并数分钟内移动关节；扫描 ROS/Modbus/Telnet/厂商专有运动端口，定位未认证运动路径后记录基线并下发执行指令。
- 扩展操纵：通过调整变频器（VFD）改变交流电机速度与运行状态；多厂商控制器接受被篡改的功能码与强制数字输出；利用导出的 Jython 脚本修改载荷并篡改实时操作员画面。
- 背景：Dragos 2026 年 5 月报告记录攻击者用 Claude 扫描墨西哥政府网络并跨 IT-OT 边界；2026 年中前六个月多起关键基础设施遭入侵（7 州水务洪涝/失压、油轮海事网络、英国燃气电站离线 4 天）。
影响
- 标志'AI 驱动的 OT 攻击'从假设走向可复现：低专业门槛、少步骤指导即可完成关键基础设施攻击，迫使 OT 安全从'防人'转向'防自主智能体'。
- 对工业 IoT/ICS 的认证、网络分段、异常行为检测与 AI 红队提出紧迫要求；也凸显在 IoT 与 OT 融合背景下，物理 AI 的攻防双面性。