密码学家与恶意软件研究员激辩 AI 是否重塑网络犯罪

10 月 30 日，知名密码学家、约翰·霍普金斯大学教授 Matthew Green 与长期追踪僵尸网络和蠕虫的安全研究员 MalwareTech 在 X 上就「AI 是否会重塑网络犯罪版图」展开多轮激烈争论，并延伸出对 Anthropic agent 蠕虫研究框架的批评与 AI 漏洞挖掘长期需求的分支讨论。目前双方各持立场、未达共识，但争论集中呈现了安全社区内部对 AI 风险的两种典型态度。

已确认

• Green 担忧经过「去审查」（abliterated）处理的开源权重模型（如 abliterated GLM、Qwen）可能让不具备专业能力的普通人也能实施网络攻击，显著降低攻击门槛。
• MalwareTech 反驳称，学术研究者刚下载了去除安全护栏的模型就对「先进 AI 能力改变威胁格局」下结论过于草率；他自 2015 年起专职追踪僵尸网络与蠕虫威胁行为者，并以 IoT 恶意软件类比——如今 IoT 恶意软件已像屋里的蜘蛛一样成为背景噪音，不值得费力清除——暗示把小型开源模型前向部署到 IoT/边缘设备价值有限。他否认自己在「唱衰 AI」。
• Green 另行批评 Anthropic 近期的 agent 蠕虫/后门安全研究，认为用 IoT 和「模型逃逸」（model escape）来框定这项研究「极其无益」。
• MalwareTech 判断 AI 漏洞挖掘正处于话题新颖带来的「蜜月期」，原本不关注的人也在向前沿模型砸钱；但长期需求有限，精英研究员之外，漏洞研究只有给安全公司做 VR 或打 bug bounty 两条出路，热度退潮后需求恐断崖式崩塌。
• 研究者 davidmanheim 反驳这一判断：随着攻击成本降低，软件未必会回到「攻击难、多数目标因不重要而安全」的年代，企业持续安全扫描的需求可能比想象中更刚性。
• Green 澄清自身立场：他很高兴看到安全社区推动 AI 实验室纠正过去的糟糕决策，也认同安全与沙箱至关重要，自称并非末日论者；但他反对把这种立场与「新模型能力没什么大不了」的态度捆绑，并认为安全圈对 AI 实验室的批评中夹杂着不安全感。

为什么重要

这场争论集中体现了安全社区内部对 AI 的两种典型立场分歧：一方强调去审查开源模型与能力提升带来的现实风险，另一方基于多年一线威胁追踪经验认为威胁叙事被夸大。分歧直接关系到行业对 AI 安全投入、漏洞研究市场走向的判断，而 Green 对 Anthropic 研究框架的批评和「批评夹杂不安全感」的反思，也为社区讨论提供了更自省的视角。

2026-10-30 ~ 2026-10-30 · 9 条相关

• 【源头】MalwareTech：AI 漏洞挖掘热度退潮后，需求恐将断崖式崩塌 — MalwareTechBlog · 2026-10-30
• 网络安全专家与密码学教授隔空互怼：拆护栏的 GLM 到底懂不懂威胁 — matthew_d_green · 2026-10-30
• 【源头】知名密码学家与恶意软件研究员激辩：AI 会重塑网络犯罪版图吗 — matthew_d_green · 2026-10-30
• 反方观点：软件不会重回安全年代，企业持续扫描需求或比想象中刚性 — davidmanheim · 2026-10-30
• MalwareTech：IoT 恶意软件像屋里的蜘蛛，不值得费力清除 — MalwareTechBlog · 2026-10-30
• 密码学家 Matthew Green:反对 AI 实验室但别低估新模型能力 — matthew_d_green · 2026-10-30
• 密码学学者批评 Anthropic 用「模型逃逸」框架描述 Agent 蠕虫研究 — matthew_d_green · 2026-10-30

另有 2 条近重复转述:matthew_d_green · matthew_d_green