1 DDoS攻击威胁报告 2DDoS攻击威胁报告 3 DDoS攻击威胁报告 4DDoS攻击威胁报告 DDoS攻击威胁报告 1一.专家观点 DDoS攻击威胁报告 21.1DDoS范式转移，从“带宽对抗”到“认知与决策速度对抗” 随着智能体与大模型技术的普及，DDoS攻击正经历一次根本性的范式跃迁。其核心竞争力已从传 统的带宽规模和资源堆积，转向以认知速度、策略精度和决策链路效率为中心的智能化对抗。AI驱动 DDoS攻击实现侦察、攻击、规避全流程自动化，显著压缩了攻击生命周期，倒逼防御端必须完成同等 维度的范式重构。 在侦察阶段，AI能够自动开展目标分析，重点包括域名与IP资产梳理、CDN与Anycast节点识 别、真实源站定位、端口与服务暴露面探测，以及关键业务接口的请求特征分析。进一步地，结合协议 响应特征与流量行为建模，AI能够识别连接建立成本高、资源消耗大的接口（如登录、搜索、动态查询 等），并评估其在高并发场景下的承压阈值。 在攻击实施环节，AI能够根据弱点实时构造高度定制化、不可预测的攻击载荷。无论是弱鉴权接口 上的高频凭证填充，利用协议特性的特殊数据包，还是多向量的L3/L4/L7融合攻击，所有载荷都可按 需生成并持续演变。系统甚至能够模拟正常用户的行为模式，如拟态的HTTP请求头、交互轨迹或搜索 查询，以躲避以指纹与阈值为核心的传统清洗规则。其突出特征是攻击流量高度多样、难以标准化、几 乎没有可复用的特征留痕。 在攻击端的动态规避方面，智能体会持续监测目标的防护策略变化，并在检测到拦截迹象后即时调 整攻击参数，如源IP池分布、并发速率、协议组合或攻击焦点位置等，实现了秒级的策略再生与自适应 突破。传统清洗系统通常依赖静态规则和人工干预。在策略更新速度上，这与攻击端存在数量级差距， 导致防御端极易被迫进入“永远慢一拍”的状态。 据绿盟科技伏影实验室监测，目前包括vire.cc在内的多个DDoS攻击平台已经将AI应用在攻击中， AI可以通过对目标进行分析，确定针对目标的最佳设置。 图1.1vire.cc将AI应用到DDoS攻击DDoS攻击威胁报告 3因此，未来的DDoS防护能力必须实现系统性的演进。防御中心从流量特征识别转向全网实时感知， 从经验式分析转向自动化威胁推理，从静态规则管理转向动态策略生成。具备自学习、自推理、自适应 能力的“自主网络免疫系统”将逐渐取代传统清洗模式，成为应对智能化攻击的唯一可持续路径。防护 核心竞争力不再是带宽资源，而是模型智能、策略生成速度以及响应链路的自动化程度。 1.2DDoS战术策略演进，趋向靶向精准化攻击 近年来，DDoS攻击的演进路径愈发清晰：从早期单纯的“炫技式骚扰”，全面迈向“靶向精准打 击”新阶段，战术策略持续升级迭代，针对性不断强化。 在攻击时机选择上，“精准狙击”特征愈发凸显，攻击者不再盲目发起攻击，而是紧盯目标核心业 务节点。例如在产品发布、业务高峰等本就承载高流量的时段叠加恶意流量，使系统负载被急剧放大， 显著增加防护难度，并使业务中断影响呈指数级放大，同时会造成更大的负面影响。另外，国际冲突、 重大赛事、大选等热点事件窗口期，攻击者往往聚焦政府、金融、通信等关键行业网站发动定向打击， 意图实现最大化破坏效果。 与此同时，攻击目标也呈现新的演化趋势，API接口正成为攻击者重点瞄准的“新靶点”。目前， 随着企业数字化进程加速，第三方API已成为核心业务逻辑的重要组成部分。尤其在AI技术普及的推 动下，各类AI产品的API在行业内高度渗透，其“轻前端、重后端”的特性使其极易被攻击者利用： 仅需发起极小流量的恶意请求，即可触发后端服务器复杂计算与资源调度，大量消耗算力、内存及数据 库资源，以极低攻击成本达成业务瘫痪的目标，实现“单点突破、全链影响”的攻击效果。 绿盟科技伏影实验室的监测数据充分印证了这一演进趋势：从2022年俄乌冲突、2023年巴以冲突， 到2024年巴黎奥运会、美国总统大选，再到2025年以伊冲突、印巴冲突，每一次热点事件均伴随DDoS 攻击，且攻击目标集中于政府、金融、军事等关键领域；2024年《黑神话：悟空》发布期、DeepSeek-R1 使用高峰期的攻击事件更直观体现了策略调整——攻击者专门锁定10:00-22:00的使用高峰，定向攻击 api.deepseek.com接口及chat.deepseek.com对话系统，与正常流量叠加实现攻击效果放大，呈现 出极强的靶向性特征。DDoS攻击威胁报告 4 图1.2DeepSeek遭受DDoS攻击时间线