从精准网络攻击到自主化虚假信息攻势,人工智能正在重塑军事与恐怖主义行动模式——提升全球网络冲突的规模、速度与复杂程度

人工智能(AI)通过简化多项任务并加速在线操作自动化进程,正深刻改变人类生活方式。与此同时,其作为变革性力量介入现代网络战,彻底改变了国家与非国家行为体在网络空间攻防行动的运作模式。

凭借智能威胁检测、自动化网络攻击与自适应恶意软件等能力,AI正在打破数字冲突的力量平衡。从关键基础设施网络攻击、军事网络间谍活动与虚假信息攻势,到恐怖分子招募与在线行动,AI以超乎传统手段的规模、速度与复杂程度,强化全球网络行动效能(无论其性质如何)。本文探讨AI在网络行动中的当前应用、变革潜力,以及AI对抗AI的网络战在不久未来的深远影响。

人工智能在军事网络行动中的应用

  • 情报、监视与侦察(ISR)
    在基于人工智能的情报监视框架下,军事ISR能力可通过分析无人机、卫星与传感器等多源海量数据流得到增强。美国国防部"专家计划"(Project Maven)即运用AI处理无人机图像识别潜在威胁,加速决策进程。以色列军队正开发多军种人工智能能力(涵盖情报与网络作战领域)。将人工智能与量子技术整合至未来军事战略,致力于发展不同人机协同层级的算法战与网络中心战能力。

  • 进攻与虚假信息能力
    人工智能使军队能够针对持续演进的复杂系统发起更精准、自适应的网络攻击。机器学习算法可识别敌方网络漏洞并自动部署攻击程序。例如在乌克兰冲突中,AI辅助工具被用于分析敌方网络威胁并协调关键基础设施攻击响应。AI还能协助开发部署更复杂、可自适应目标(如关键军民基础设施)的恶意软件,并有效规避敌方防御系统。

在虚假信息作战中,AI推动大规模虚假信息制造与传播。AI协助识别具有舆论影响力的媒体人士以引导公众活动。利用AI实施大规模虚假信息行动,创建大量伪造网站与外文账号发布观点或偏颇文章。此外,使用深度伪造技术生产虚假信息操控舆论。

  • 防御能力与反制措施

人工智能通过加速威胁检测、分析与响应,可显著提升军事防御能力。AI系统可运用机器学习与深度学习算法实时识别异常网络行为与潜在漏洞(包括伪装合法活动的攻击)。AI还能实现威胁情报自动化,助力预测并潜在遏制网络攻击(避免重大损害)。

AI可辅助海量数据管理、简化漏洞识别,并持续适应新型网络威胁。如今,欺骗战术需同时误导人类指挥链与AI系统。通过渗透敌方AI系统注入错误数据,军队可扭曲其决策(例如资源误分配或目标误识别)。此类双重欺骗使战争复杂化(对手须防范人类与机械的双重误判)。

非国家行为体的网络行动中的人工智能应用

  • 准军事网络团体与黑客活动分子
    人工智能工具的广泛普及催生了准军事与黑客活动网络团体。在乌克兰,志愿网络部队"乌克兰网络军"通过Telegram等平台协调针对俄罗斯目标的网络行动,展现了AI与数字通信工具如何动员非传统行为体参与网络冲突。此外,多个具有民族主义、政治或意识形态倾向的黑客团体(专攻DDoS攻击)利用AI增强与优化网络攻击。

  • 恐怖主义:招募与激进化
    部分恐怖组织使用AI驱动聊天机器人在通信应用中与潜在招募对象互动。此类机器人可模拟人类对话(根据个体信仰与兴趣定制信息),从而提升招募效率。此类技术使组织无需直接人际接触即可更有效触达与激进化个体。

生成式AI使恐怖团体得以持续实施虚假账号社会工程学攻击(速度与效率提升,可自动整合特定参数)。如虚假信息行动部分所述,AI还可能助力恐怖组织扩大激进化行动规模(通过创建大量网站与通信应用机器人传播信息,扩大潜在招募人群覆盖面)。

人工智能融入网络战对国际安全的挑战与风险

将AI能力整合至网络战深刻改变了全球网络冲突格局。AI提升网络攻击的速度、规模与复杂程度,使国家与非国家行为体得以发动更具针对性、自主性与规避性的行动。AI技术的持续演进可能模糊战争与和平的界限(加剧归因与追责难度),同时增加局势升级与误判风险。

对国际安全的威胁重大。AI驱动的网络武器可能以前所未有的效能破坏关键基础设施、扰乱经济并动摇政治体系。若无强有力的国际规范、合作与监管,网络战中AI的无序使用或将开启数字军备竞赛与全球不安全的新纪元。

应对这些挑战需协同工作构建AI网络行动治理框架,确保技术进步不超越人类负责任管理的能力边界。

参考来源:israeldefense

成为VIP会员查看完整内容
5

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
中文版 | 边缘ISR:对抗环境中的情报革新
专知会员服务
10+阅读 · 5月1日
中文版 | 2025战场集群:AI防御机器人席卷前线
专知会员服务
17+阅读 · 4月21日
中文版 | 俄乌战争:乌克兰无人系统的发展
专知会员服务
20+阅读 · 4月16日
中文版 | 人工智能将如何影响战场行动
专知会员服务
21+阅读 · 4月13日
人脸静默活体检测最新综述
PaperWeekly
14+阅读 · 2020年8月9日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
图说报告 | “智能+”的终极版图:数字孪生世界
人工智能学家
23+阅读 · 2019年8月20日
手把手 | 事理图谱,下一代知识图谱
大数据文摘
52+阅读 · 2018年12月29日
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
Arxiv
168+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
453+阅读 · 2023年3月31日
Arxiv
167+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
5+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
6+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
16+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员