路透社报道称，一名黑客利用 AI agent 和几千美元入侵了数十个公司网站。Quartz 统计的入侵网站数量超过 100 个，The Verge 和 Tom's Hardware 指出 John Deere 和 SharkNinja 是受影响者之一。Tom's Hardware 将该工具描述为一个开源 AI 驱动的问题解决平台的演示。报道未说明利用了哪些漏洞、攻击活动持续了多久，或受影响组织如何回应，因此这些细节仍不清楚。
关键在于，agent 集群如今已成为攻击工具，而不仅是防御工具。单个操作者可以同时对多个目标并行开展侦察、探测和利用，其成本和速度是人工节奏的入侵无法达到的。那些按照人类时间假设来调整检测阈值和速率限制的防御者，恰恰暴露在这种攻击模式之下。
对于在生产环境中运行 agent 的团队，实际控制手段是对出口和速率行为进行监测：记录每个 agent 的出站请求量和目标多样性，对超出基线的扇出行为告警，并在编排层而非应用层限制并发。检测外部 agent 集群的同一套遥测数据，也能约束被入侵的内部 agent。Behzat AI 将出口和速率可观测性视为任何触及公共互联网的 agent 系统的基本要求。