编按：
笔者2018年做电力物联网网关时，就是使用 mosquito MQTT 协议，把经过 modbus rtu 采集的电力信息通过 mqtt 发送到互联网上的 InfluxDB，通过 Grafana 展示。当时做架构设计时，就考虑了协议通信用 ssl 加密，不同的 topic 使用 acl ，客户端通信还需要认证。当年也是逆向德国电力三大巨头之一的一个网关盒子，其 mqtt 就是和大疆的这个扫地机一样，没有认证，没有加密，所有的 topic ，直接可以枚举。
所以大厂都在犯的错误，真不能怪 AI 和普通用户。
正文
近日，安全圈传出一个令人背脊发凉的消息：一名开发者在尝试利用 Claude Code 编写 PlayStation 5 控制器接管大疆（DJI）扫地机器人的脚本时，意外撬开了大疆整个 IoT 后端的"大门"。
这并非传统意义上的缓冲区溢出或零日漏洞攻击，而是一场典型的逻辑鉴权缺失导致的全局性信息泄露。
{#section path-to-node="6"}
1. 核心技术痛点：MQTT 协议中的 ACL 缺失
在 IoT 架构中，MQTT (Message Queuing Telemetry Transport) 是事实上的行业标准通信协议。它基于发布/订阅（Pub/Sub）模型，通常依靠 ACL（Access Control List，访问控制列表） 来界定客户端的权限。
-
漏洞本质： 大疆的 MQTT Broker（代理服务器）在配置上存在严重的逻辑缺陷。开发者发现，通过订阅一个通用的通配符路由（Wildcard Topic），竟然可以跨越权限边界。
-
未加密传输： 更为致命的是，该 Broker 上的数据流未进行有效加密（plaintext 或弱加密）。这意味着任何接入该代理的客户端，都可以实时监听全球范围内 6,700 多台扫地机的状态报文。
{#section-1 path-to-node="9"}
2. 从"辅助编程"到"漏洞挖掘"：Claude Code 的降维打击
这次事件最值得技术人反思的点在于：发现者并非职业安全研究员。
当用户要求 AI "实现 PS5 手柄控制设备"时，Claude Code 为了打通指令链路，会自动分析捕获的流量包结构。AI 在处理代码逻辑时，会尝试所有可能的 API 调用路径。在这个过程中，AI "敏锐"地捕捉到了后端验证流程中的非正常响应，从而自动构建了绕过权限校验的 payload。
这标志着：AI 已经具备了在模糊测试（Fuzzing）之外，通过语义理解进行自动化逻辑渗透的能力。
{#section-2 path-to-node="13"}
3. 风险评估：不仅是控制，更是监视
通过该漏洞，攻击者可以实现的恶意行为包括：
-
远程劫持： 接管设备移动控制权，甚至下发固件更新指令。
-
隐私外泄： 扫地机摄像头采集的实时画面、家庭环境地图数据（SLAM 地图）在未授权情况下被提取。
-
横向移动： 以扫地机作为内网跳板（Pivot），探测家庭或公司 Wi-Fi 环境下的其他敏感设备。
{#section-3 path-to-node="16"}
4. 架构师的教训
作为开发者或架构师，我们必须从该事件中汲取三点技术共识：
-
零信任架构（Zero Trust）： 永远不要信任来自内网或已验证客户端的"默认权限"。MQTT Topic 必须实施精细化 ACL 管理，遵循最小权限原则。
-
数据面脱敏： 即使在 Broker 内部，敏感数据（如摄像头流、地理坐标）也应进行端到端加密（E2EE），而非依赖链路加密。
-
防范 AI 逆向： 传统的"混淆视听"在 LLM 面前已逐渐失效。未来的接口设计必须考虑如何对抗 AI 的自动化逻辑推理。
LeisureLinux 总结： AI 降低了开发门槛，同时也抹平了攻击的技术鸿沟。大疆作为行业头部企业，在基础组件配置上的疏忽，给所有 IoT 厂商敲响了警钟：在 AI 面前，没有所谓的"冷门协议"，只有守不住的逻辑漏洞。
想了解更多 Linux 下的自动化渗透工具或 IoT 安全加固技巧？欢迎关注 B 站 LeisureLinux 频道，查看相关实操视频。
