该论文探讨了大型语言模型驱动的自主智能体在进攻性安全应用中引发的伦理问题。传统渗透测试工具具有确定性、范围窄、需要专业操作人员的特点，而基于LLM的自主安全工具呈现出三个维度的不确定性：首先，智能体的行动源自非确定性策略，其输出难以在事前或事后解释，导致攻击归因困难和部署前安全审查受阻；其次，由于非确定性行动、所用模型的自主性以及不透明的LLM供应链，其影响是开放式的；第三，用户群体在规模和所需技能上均不确定——使用或开发进攻性能力的技能门槛大幅降低。这三个属性主题相关但不可相互推导，结合进攻与防御之间的结构性成本不对称，使进攻能力的工业化成为可能。短期净效应有利于攻击者，尽管长期来看同一技术可能使防御实践民主化。现有双重用途网络安全和AI伦理框架并未设计用于应对这种组合。该研究分析了当使用自主AI智能体进行进攻性安全时，道德归因如何在用户、工具制造者和第三方之间变得分散，并考察了该技术的利益相关者影响，提供了分层建议。论文适合安全分析师、伦理研究者、政策制定者阅读。