6分钟，从一台弱口令终端突破至域控服务器。这是高校本地攻防模拟中AI“红队”打出的实际速度——而它7×24小时不需要休息。
在2026年教育行业实战攻防演练中，几组数字同样让人清醒：参演的70多支攻击队伍中，超过七成用上了AI；0day漏洞数量达到往年的2倍，其中七成由AI辅助挖掘；而防守方每天仍要面对2万多条告警。攻击在按分钟推进，“买设备、堆人力”的老办法正在失效。
本期《洞见》邀请上海交通大学、东南大学、中山大学、中国地质大学（武汉）的防守一线负责人，以及深信服的教育行业代表，从“裁判视角＋防守一线＋产业实践”三个维度，复盘今年护网里的真实得失，拆解从“被动防御”走向“主动免疫”的可行路径。
话题一变局——AI正在改写攻击与演练模式
姜开达 今年演习中，AI已不再是锦上添花，而是贯穿攻防全程的核心变量。
AI辅助攻击使用率急剧攀升，攻击复杂度发生质变。如果说前两年的教育护网中，AI辅助攻击还只是零星的“尝鲜”，那么2026年则迎来了真正的爆发。攻击者借助大语言模型和自动化渗透框架，已无需再费心手写SQL注入语句或构造绕过WAF的载荷。即便是“脚本小子”也能在极短时间内生成高质量、定制化的攻击代码。
在参与演习的70多支攻击队伍中，超过70%的队伍不同程度地运用AI工具开展攻击作业：有的依托自研的自动化攻击AI平台，实现了从攻击探测到报告编写的全流程自动化；有的借助自研AI代码审计系统挖掘0day漏洞。今年演习中，0day漏洞数量显著增加，达到往年数量的2倍，其中七成由AI辅助挖掘产生。
胡轶宁 与以往相比，2026年攻防演练呈现出几个明显变化。
第一，AI正在提升攻击效率，但目前尚不能完全替代专业攻击队。
第二，供应链厂商成为重要突破口。高校信息系统数量多、建设周期长、厂商来源复杂，外包厂商、运维账号、历史遗留系统等环节一旦存在薄弱点，就可能成为进入高校网络的“侧门”。
第三，AI钓鱼攻击更难防范。传统钓鱼邮件往往有明显语病、格式粗糙、内容突兀，师生较容易识别；而AI生成的钓鱼邮件可以根据高校工作场景、部门名称、通知口吻和师生习惯进行伪装，语言更自然、主题更贴近真实业务，比如会议通知、科研申报、财务报销等，还可以批量生成不同版本，针对不同人群精准投放，使传统基于关键词、黑名单和人工经验的防护越来越吃力。
第四，演练模式更加贴近真实攻击，邮件钓鱼、账号泄露、内网横向等手段组合使用，高校防守必须把身份、终端、网络、应用、数据和人员纳入统一防护体系。
同时也要看到，AI在防守侧的作用还没有充分释放，安全团队必须尽快从“人海战术”走向“人机协同”。
张永强 AI加持下，攻击烈度显著增强：随着Claude Code、OpenClaw等智能体工具和网络安全攻击Skills的广泛传播，防守方面对的不再是单个攻击者的手工尝试，而是更高频、更连续、更具组合性的攻击压力。
AI加持下，供应链攻击显著增加：攻击方通过收集资产指纹、招投标采购文件等信息锁定靶标系统的开发单位和运维单位，进而攻击其网络或运维人员的设备，获取源代码、二进制代码或登录凭证。过去这类代码审计分析依赖高级程序员或掌握逆向技能的专职人员，如今攻击方能在限定演习时间内低成本实施供应链攻击。
0day漏洞攻击显著增加：本年度攻防演练中就涌现出大量0day漏洞，不少学校因为使用了含有0day漏洞的主流平台类产品或应用系统而导致靶标系统沦陷甚至整个数据中心被打穿。
李 琪 此轮演练呈现出三个显著变化：
一是攻击手法智能化。攻击方自动完成“侦察—攻击—横向—清理痕迹”全链路；针对防守方AI检测模型的“智能免杀”开始出现，网络对抗从“技术对抗”升级为“智能对抗”。
二是攻击节奏明显加快。漏洞从披露到武器化利用的窗口期由“天”级压缩到“小时”级，防守响应时间被大幅压缩。
三是攻击面持续扩大。攻击路径从Web系统、VPN延伸至供应链、API接口、科研物联网终端，提示词注入、数据投毒等针对大模型的新型攻击首次成为演练科目。在演练模式上，为期两周的高强度对抗直指核心业务与重要数据，不仅考验技术防护的“硬度”，更考验业务连续性的“韧性”。
张 涛 当前，高校正面临“通报响应+攻防演练+合规检查”三重监管压力。
攻击，从“实验玩具”变成“实战武器”。从最新攻防演习数据看，外网突破三大手段中，0Day/NDay漏洞利用占52%，钓鱼社工占36%，互联网信息收集占12%。而AI正在为每种手段“提速增效”：大模型批量生成高仿真个性化鱼叉邮件，钓鱼邮件激增1264%；非专业安全人员借助生成式AI，每小时就能产出十几个高对抗恶意样本；AI还能聚合多个商业大模型，轻松获得目标单位的资产暴露面信息表。攻击门槛从“专家独享”骤降至“人人可用”。
更严峻的是速度碾压。每秒数千次API请求对上人工小时级响应——这不是快慢的差距，而是维度的差距。攻防速度的量变已引起攻防模式的质变。
话题二亲历——
防线最先在哪里失守？
张永强 AI发展日新月异，面对不确定的对手，防守方缺少一劳永逸解决问题的“银子弹”。
我中心采取的应对策略是“结硬寨、打呆仗”——逐一复盘过往安全事件、全面排查风险隐患，重新梳理数据中心资产并更新台账，逐条审计防火墙、WAF等安全设备策略确保有效，升级网络安全态势感知平台并引入XDR、SOAR能力，加强数据中心网络非法外联管控。这些措施取得了较好成效，演练期间学校核心信息系统和基础平台未发现被攻破的情况。
此次演练主要失分点是在暴露面控制和漏洞管理上。为收敛暴露面，我中心逐一审定信息系统对外开放访问的必要性，对必须开放的系统再次进行安全检查和特别加固；对存在高危漏洞但又必须带病运行的系统，一方面督促开发运维单位尽快修复，另一方面推动业务部门抓紧数据瘦身，在线系统仅保留最少必要的数据。百密一疏，演练前所担心的情况还是发生了：有2个面向公众开放注册的服务系统因未修复漏洞导致失分；不幸中的万幸，其中一个系统在演练前已主动归档历史用户信息，泄露数据量由万条降为百条。
李 琪 演习期间，学校成立攻防演习指挥部，下设监测分析、应急处置、溯源反制、综合保障四组，承担靶标系统的防守任务。学校攻击队还同步发现多所高校和教育平台的安全隐患，为演习赢得加分。
在AI监控上，各类安全设备联动封禁。在AI研判上，值守人员曾发现一条经过多层编码加密的可疑报文，AI研判引擎30秒内完成历史威胁情报关联和攻击手法推演，辅助值守人员5分钟内确认这是一起针对人事系统的精准渗透，从告警触发到攻击遏制全程不到10分钟——而纯人工模式往往需要30分钟以上。在AI攻击以分钟级推进的今天，这20分钟就是“被突破”与“守住防线”的分水岭。
值得一提的是，我们在信息化工作办公室下专门设立安全中心和质量监测科，对全校核心业务系统开展业务连续性评价监测，实时评估安全策略对正常业务的影响，在“封得严”与“用得好”之间把握平衡，避免因过度封禁影响正常教学秩序。
最深的体会是：演习成绩不是临时突击出来的，而是对平时持续验证和积累的一次集中检验；网络安全也不是网信部门一家之事，只有全校联动、全员参与，才能守得住、守得好。
姜开达 面对AI攻击的普及，如何评判攻击方是否真正凭借“AI攻击”取得有效成果，是裁判组今年遇到的最大挑战之一。我们不能仅凭一份看起来翔实的“攻击方报告”就认定AI起到了关键作用，也不能因为报告“未明确提及”就否定AI的深度参与。正如教育教学需要AI+HI（Human Intelligence），攻防对抗中AI也必须与人类智能深度融合——不是为了AI而AI，而是让AI全面介入攻防两端，用智能化彻底变革传统攻防模式。
从裁判视角看，高校在AI防御能力建设上暴露出的短板可以归结为三个方面：一是安全日志数据基础薄弱。AI防御高度依赖高质量、结构化的安全数据，但多数高校安全日志散落在多个异构系统中，格式不统一、上下文缺失，长期缺乏有效标注和分析利用，再先进的模型算法也难以发挥效用。二是模型持续运营能力不足。部分高校虽使用了具备AI能力的安全产品，却停留在“默认开启”状态，未根据学校实际业务场景调优，导致误报率居高不下，“智能分析”沦为“狼来了”的噪声源，安全团队无奈退回人工研判，形成恶性循环。三是缺乏对AI自身安全的保护意识。此次演习中，已有攻击方对防守方部署的AI应用系统发起攻击，通过大模型API接口进行提示词注入以获取内部信息，而除简单的提示词控制外，几乎所有防守方都缺少完善的防护措施。
张 涛 传统防线为何失守？
过去高校做安全，主要靠“增购设备”：防火墙、杀毒、流量检测各买一套，但产品能力割裂、运维繁杂，夜间和节假日无人值守形成防护薄弱时段，海量告警无人分析，未知威胁和高级攻击悄然漏过。更深层的问题是，数智校园建设加剧了安全风险—系统互联互通增加攻击路径，应用和数据增多却“带病上线”，对外开放持续加大暴露面；而专职安全人员没有增加，安全风险看不清、高级攻击防不住，只能疲于奔命、被动响应。
话题三应对——
学校的安全建设改造清单
张永强 演练过程中，中心越来越意识到AI是改变网络安全格局的关键变量，没等演练结束就主动拥抱AI，尝试构建AI驱动的安全运营体系，以应对AI加持的网络攻击。
在安全监测方面，重点提升告警降噪和关联分析能力：通过XDR、态势感知、日志分析和AI研判能力的结合，更快识别真正高风险的事件，也能帮助值守人员理解告警背后的攻击链条。演练期间，深信服安全态势感知平台每日产生告警2万多条，引入深信服XDR平台和安全GPT能力后，借助AI研判滤掉80%无效告警。在安全评估方面，尝试用AI辅助代码审计、漏洞验证、接口测试和修复建议生成。以代码审计为例，中心过去使用某些品牌工具做静态分析，规则匹配误报较多、人工复核量大、效率低下；现在使用智谱ZCode配合GLM-5.2大语言模型进行代码审计，平均每个系统审计周期由5-7天缩减到1-2天，发现的有效高危漏洞数量由2-3个提升至7-10个。在安全处置方面，安全团队逐步沉淀常见事件的排查模板和AI辅助流程，对失陷主机、异常外联、WebShell等事件由AI辅助开展主机排查、日志分析和证据整理，安全人员再进行确认和处置决策，平均每台问题主机的排查时间由过去的半天减少到30分钟，处置过程更加规范。
李 琪 面对AI驱动的实战攻防新形势，学校推动安全理念从“年度大考、临时抱佛脚”转向“以攻促防、持续验证”，重点做了三方面主动防御准备。一是常态化渗透测试形成“肌肉记忆”，由校内安全中心联合外部专业力量，模拟真实攻击者思维路径开展多轮深度渗透，发现多个常规扫描无法检出的API逻辑漏洞。二是引入AI自动化攻击模拟，提前与“未来对手”过招——我们在本地部署AI大模型作为“不知疲倦的红队”，7×24小时对校园网发起自动化攻击；一次模拟中，AI仅用6分钟就从一台弱口令测试终端突破至域控服务器，暴露了内网隔离和流量感知短板，促使我们紧急加固内网分区分域策略并部署蜜罐。三是全面收敛暴露面，集中清理僵尸网站、关停非必要系统，外部暴露面减少超过三成。
话题四路径——
给高校同行未来安全建设的建议
姜开达 面向AI驱动的新型攻击挑战，高校不能再满足于“购买设备+人工巡检”的传统模式，而应从根本上重构安全体系，走向“主动免疫”。我建议构建“一个中枢、两条基线、三重防护”的体系。
一个中枢，即建设AI驱动的智慧安全运营中枢：整合全校网络、系统、应用及安全日志，构建统一的安全大数据平台，利用AI进行实时关联分析和攻击溯源；把告警从“让人看”转变为“由AI辅助闭环处置”，通过智能体编排实现从风险发现、人工确认、用户通告到自动封禁的自动化响应闭环，让人从告警的汪洋中解脱出来，专注于策略优化和高级威胁分析。
两条基线，即建立精准的行为基线和资产基线：利用AI智能体结合大数据，持续学习每个用户、每台设备、每个系统的日常行为模式，第一时间捕获偏离基线的细微异常，这是对抗未知AI攻击的核心能力；同时结合资产攻击面管理，由AI辅助动态发现并收敛暴露面，压缩攻击者的可乘空间。
三重防护，首先是攻击面防护，根据零信任原则，对所有身份和流量默认不信任并进行持续验证；其次是AI模型自身防护，必须确保“智能大脑”本身不被攻陷；最后是供应链防护，管住厂商运维通道和开源组件风险，防止“一点突破，全网沦陷”。
我们必须清醒地认识到，对抗的本质已从人与人之间的对抗，转变为双方AI能力的速度赛跑。要依托行业威胁情报共享机制，结合各单位自身基础，建设智能化的威胁情报体系与异常行为检测机制，精准识别AI驱动的新型攻击。
当攻击者已经开始运用AI进行无差别、高效率的渗透时，任何孤立的、静态的防御都注定失效。唯有以AI对抗AI，以主动免疫取代被动修补，方能在新的攻防格局下，为教育数字化筑牢坚实防线。
胡轶宁 高校网络安全不能只靠单点设备、临时重保和演练突击，而应构建“边界可控、身份可信、行为可见、风险可处置、AI可防护”的系统性防护体系。
第一，守好边界，减少攻击入口。持续梳理互联网暴露面，明确哪些系统必须对外开放、哪些应收回内网或走受控通道；对历史、测试、临时和无人维护的系统坚决清理。很多重大风险并不来自核心系统，而是来自“没人管、没人用、没人敢关”的边缘系统。
第二，守好账号，把身份认证作为总闸门。高校用户规模大、人员类型复杂，应全面推行强密码策略、双因子认证、异常登录监测和账号全生命周期管理，重点管好管理员、厂商运维、VPN等高权限账号，对长期不用、无人认领、权限过高的账号及时关停降权。未来防护的核心，不只是判断“访问来自哪里”，更要判断“这个人是不是真的这个人”。
第三，守好供应链，管住厂商和运维通道。对外包系统、厂商账号、远程运维方式、开源依赖进行统一管理，系统上线不仅要做功能验收，更要做安全验收。供应链安全不只是技术部门的事，而是学校数字化治理的重要组成部分。
第四，用AI防AI，提升防守智能化能力。防守侧也应引入AI能力，用AI识别钓鱼话术、辅助日志分析、聚合多源告警并生成处置建议，让防守响应跟上攻击自动化的节奏。
第五，把AI应用本身纳入安全治理。高校在广泛建设大模型平台、知识库和智能体的同时，也带来提示词攻击、越权调用、敏感数据泄露、智能体权限滥用等新风险。推动AI应用不能只关注模型能力，还要同步建设AI安全护栏，对模型输入输出、知识库调用、插件权限和日志审计统一管理。AI安全将成为高校网络安全的新边界。
第六，建立常态化机制，不能只靠演练突击。应把演练中验证有效的做法固化为日常制度，包括常态化漏洞扫描、弱口令治理、钓鱼演练和账号复核，把“重保能力”转化为“日常能力”，真正提升学校的安全韧性。
张永强 AI迭代周期短、投资大、试错风险高，短时间内很难建成一个由AI全面驱动的新安全防护体系。对同行高校的建议：首先要做好安全基本面建设，继续贯彻落实党委网络安全责任制，建立健全网络和数据安全管理体系、技术防护体系和安全运营体系；其次是小切口推进，从管理、技术和运营选取若干切入点，尝试使用AI技术，以较小成本达到较大收益，最终推动防护体系逐步向AI转型。具体建议包括：
一要摸清资产底数。俗话说“不怕被贼偷就怕被贼惦记”，高校系统多、部门多、历史遗留资产多，很多问题不是出在没有安全设备，而是因为资产不清、责任不明、暴露面长期存在。互联网上暴露的资产（包括业务系统、服务器、接口、账号权限、第三方组件和重要数据目录等）都应持续纳入动态管理；生产系统仅存储和处理最少够用的“热”数据，“温”数据、“冷”数据及时迁移归档。
二要把数据安全放到最核心的位置，从数据流动的视角审视数据安全，守住数据安全的底线。例如，可以考虑建立相对独立的数据安全监测机制，增加数据库防火墙设备和数据加密保护设备等。
三要坚持实战化评估和闭环整改。AI加持下没有攻不破的系统，除了上线评估外，要加大对生产系统的监测频度，赶在攻击者前发现并修复高危问题漏洞。
四要警惕AI自身安全风险。最近OpenAI模型入侵Hugging Face事件提醒大家，AI具有不可预知的破坏力；业界SOTA大模型的漏洞挖掘能力极强，过去的逻辑隔离技术已无法满足需求，应加快应用单向网闸等技术，构建物理隔离的运行环境、测试环境和开发环境。
李 琪 面向AI驱动的新型攻击挑战，高校应着力构建四位一体的系统性防护体系：理念上从“边界防护”走向“纵深防御”，把安全能力嵌入信息系统规划、建设、运维的全生命周期，实现安全左移、内生安全；机制上坚持数据安全与业务连续性并重，建立防护强度与业务可用性的平衡指标体系，让安全措施既有效又友好；技术上善用AI提升监测研判和响应能力，同步加强AI治理，防范AI被滥用，管好校内大模型应用的数据边界和算法风险；生态上加强人才队伍建设与协同联防，培育自有安全力量，推动高校间威胁情报共享与联防联控，形成教育行业网络安全共同体。
对我们学校来说，下一步就是把演练中验证有效的AI研判和联防联动机制固化到日常运营中，让“以攻促防”成为常态。
张 涛 应对之策是构建AI驱动的三道防线。
第一道防线：事前收敛风险，暴露的攻击面被提前发现并收敛。通过部署AF隔绝二级单位/二级学院横向的攻击；针对账号买卖、弱口令弱密码、互联网资产暴露面风险等问题，可以通过部署aTrust 收缩暴露面，加强多因子校验，提升攻击的成本和代价。
第二道防线：事中高效检测，钓鱼邮件和0day攻击等高级威胁被有效检出。通过部署钓鱼大模型、检测大模型，有效应对 36%的钓鱼攻击手段和54% 的 0/Nday、混淆绕过攻击。
第三道防线：事后智能对抗。有效攻击经大幅降噪后进入应急响应流程，并利用自动化能力实施反制。建设运营大模型将极大提升智能分析、降噪与对抗能力，识别关键威胁实体，完成自动化闭环处置，为防守者赢得时间。
从“合规导向”到“效果导向”。技术再强，没有组织协同，防护体系就是漏水的——不是过了测评、买了设备就够了，而是能不能真正防住攻击。这需要“全校一盘棋”的联防联控：信息中心与二级学院建立协同联动，与供应链企业共享情报，在监测、预警、研判、处置全流程形成闭环；安全建设也应从被动应对转向主动防御，把工作做在攻击发生之前。
