AI驱动下的勒索软件3.0时代即将到来，你准备好了吗？

引言：全球首个由AI驱动的勒索软件案例被捕获

2026年7月1日，Sysdig威胁研究团队发布了一份报告，标题直白却令人警醒：《JADEPUFFER：用于自动化数据库勒索的智能体勒索软件》。报告中披露的事件，被评估为全球首个被完整记录的端到端AI代理驱动勒索攻击。

这个事件之所以重要，不在于它使用了多么新颖的漏洞，而在于它是一个由大语言模型驱动的AI代理，首次在真实环境中自主串联起多个已知弱点，完成了过去需要熟练攻击团队多步骤协作才能完成的任务。

这让安全界不得不重新思考一个问题：当AI代理能够以极低边际成本、极高并行度执行复杂攻击链条时，传统勒索软件的商业模式和威胁规模，是否正在迎来一次根本性的范式转变？

JADEPUFFER或许只是一个早期信号，但它清晰地指向了一个正在逼近的未来——勒索软件正在从“人类操作工具”的2.0模式，向“核心控制AI实体舰队”的新阶段演进。

接下来的内容，我们将回顾勒索软件从1.0到2.0的演化路径，分析AI驱动下3.0时代可能带来的结构性变化，并探讨这种变化将如何重塑全球勒索威胁的边界，以及企业和关键信息基础设施应如何应对。

勒索软件的演化历程：从1.0到2.0

要理解AI驱动下可能出现的勒索软件3.0时代，我们首先需要回顾过去十几年勒索软件是如何一步步从边缘威胁演变为高度产业化地下经济的。

勒索软件1.0时代：点对点的手工模式

在勒索软件发展的早期阶段（大致可界定为2010年至2016年左右），勒索软件主要处于点对点手工操作模式。

这一时期的典型特征是：攻击通常由单个黑客或极小规模团队完成。他们需要亲自完成从初始入侵、横向移动、数据加密到勒索谈判的几乎全部环节。攻击者往往依赖自己编写或购买的单一勒索工具，攻击目标相对随机，成功率较低，整体规模也非常有限。

当时的勒索软件更像是一种“技术实验”或“个人作案工具”。攻击者既是开发者，又是执行者，还可能是谈判者。这种模式对攻击者的技术能力要求极高，攻击效率低下，且极易因个人失误或基础设施暴露而失败。那个阶段的勒索事件数量相对较少，影响范围也大多局限在个人或小型企业，尚未形成系统性的产业威胁。

简单来说，勒索软件1.0时代本质上是手工作坊阶段。它依赖的是攻击者的个人技术能力和运气，而非成熟的商业模式和分工协作。

勒索软件2.0时代：RaaS平台与加盟商分工模式

真正的转变发生在2016年前后。随着REvil、LockBit、Conti、BlackCat等团伙的崛起，勒索软件正式进入2.0时代——RaaS平台模式。

在2.0时代，勒索软件的运作逻辑发生了根本性变化：核心团伙与加盟商实现了专业化分工。

核心团伙主要负责开发和持续更新勒索软件本身、搭建和维护基础设施、以及提供技术支持和版本迭代服务。

而大量加盟商则负责攻击执行环节，包括获取初始访问权限、入侵目标网络并进行横向移动、部署勒索软件并执行加密、窃取数据进行双重勒索、以及与受害者进行谈判和收款。

这种分工带来了显著的商业优势。最核心的机制是利润分成模式。一般情况下，核心团伙只拿走赎金的20%–40%，而加盟商可以获得60%–80%的分成。这种“薄利多销”的策略极大地激励了更多人加入攻击网络。核心团伙不需要自己承担高风险的入侵工作，就能通过规模化运作获得稳定收益；加盟商则可以用自己的技术能力“接单”赚钱。

也正是这种模式，让勒索软件从一种小众犯罪工具，迅速演变为高度产业化的地下经济形态。攻击门槛大幅降低，不再需要一个人精通所有技术环节。只要掌握部分执行能力，就能通过加盟形式参与其中。结果是全球勒索事件数量在2017年之后呈现爆发式增长，REvil、LockBit、Conti等团伙曾一度主导全球大部分勒索攻击。

2.0时代的另一个重要特征是风险分散。核心团伙很少直接接触目标网络，大量脏活累活由加盟商承担，这在一定程度上降低了核心团伙被执法机构直接追责的风险。同时，成熟的RaaS平台还提供了更新、客服、谈判脚本等支持，进一步降低了加盟商的进入门槛。

然而，2.0模式也存在明显局限：

• 严重依赖人类加盟商，而人类存在技能差异、信任问题和不可控风险；
• 攻击规模受限于加盟商的数量和执行能力，难以实现真正的指数级增长；
• 利润需要持续分给大量加盟商，核心团伙的实际利润率受到限制。

正是这些结构性问题，为AI技术的介入提供了空间。

AI驱动下的勒索软件大升级

当AI代理能够自主完成从入侵到加密的完整攻击链条时，勒索软件的商业逻辑正在发生根本性变化，这就是勒索软件3.0时代。

与1.0时代的手工操作和2.0时代的“平台+人类加盟商”模式不同，3.0时代的核心特征是：核心团伙开始“豢养”大规模AI代理舰队，由AI实体逐步替代传统人类加盟商，完成大部分攻击执行工作。

AI代理为何能够承担传统加盟商的角色？

2.0时代的核心竞争力在于“薄利多销”——核心团伙通过把60%–80%的利润分给加盟商，来换取攻击规模的扩大。然而，这种模式存在天然瓶颈：人类加盟商的数量有限、技能参差不齐、存在信任风险，且边际成本极高（每次成功攻击都要支付高额分成）。

而AI代理的出现，正在打破这一瓶颈。

以JADEPUFFER事件为例，我们看到一个由大语言模型驱动的AI代理，能够在真实环境中自主完成以下工作：

• 利用已知漏洞获取初始访问；
• 进行大规模凭证收集和横向移动；
• 植入后门并在失败后自我修正；
• 执行数据库加密和勒索信息投放。

更重要的是，这个过程几乎不需要人工实时干预。AI代理能够根据环境反馈实时调整策略，生成包含自然语言推理的代码注释，展现出类似人类攻击者的规划和适应能力。

这意味着，AI代理已经具备了替代传统加盟商核心执行能力的基础。未来，核心团伙不再需要招募和培养大量人类加盟商，只需要维护和优化AI代理模板，然后把“目标列表”分配给这些AI实体即可。

勒索软件3.0时代的核心商业模式转变

在勒索软件3.0时代，核心团伙的角色将发生显著变化：

• 核心团伙：专注于基础设施建设、AI代理模板的持续优化、模型更新和目标筛选。他们不再需要把大部分利润分给加盟商，而是将资源投入到提升AI代理的攻击效率和成功率上。
• AI代理舰队：成为新的“执行实体”。核心团伙可以根据需要“豢养”几百、几千甚至更多AI代理。这些代理可以24小时不间断工作，并行处理大量目标。
• 利润分配逻辑改变：从“核心拿小头、加盟商拿大头”的分成模式，逐渐转向“核心掌握更高利润率”的模式。AI代理的主要成本是token和算力，边际成本远低于支付人类佣金。

这种转变的本质，是把传统勒索软件的“人力密集型”执行环节，转变为“技术密集型+低边际成本”的执行环节。

当前的现实与局限

可以明确的是，3.0时代目前仍处于早期阶段。JADEPUFFER虽然展示了AI代理的潜力，但也暴露了明显不足：

• AI代理在执行过程中仍会出现幻觉和错误，需要自我修正；
• 其初始访问能力目前主要依赖已知漏洞，对需要社会工程或高质量入口的目标仍力有不逮；
• 大规模管理AI代理舰队本身也是一项复杂的技术挑战。

因此，在可预见的未来，混合模式很可能是主流过渡形态：AI代理负责大部分执行工作，人类负责高质量初始访问权限获取和最终谈判环节。

但这并不改变一个基本趋势：AI代理正在快速蚕食传统加盟商的工作范围，而核心团伙对AI代理的掌控能力，将成为新的核心竞争力。

为什么说这是“升级”而非简单替代？

AI驱动的3.0模式与2.0模式相比，最大的不同在于执行效率和规模化能力的质变。

在2.0时代，攻击规模受限于人类加盟商的数量和精力。而在3.0时代，一个训练良好的AI代理模板理论上可以被快速复制到成百上千个实例中，并行发动攻击。这不是数量上的简单增加，而是攻击范式的根本转变，这将彻底重塑过去十几年形成的RaaS商业生态。

这种转变带来的直接后果是：勒索软件的边际成本将大幅下降，攻击范围和频率可能出现显著增长。

而这也将彻底重塑过去十几年形成的RaaS商业生态。

勒索软件3.0时代的演化

边际成本的断崖式下降

在2.0时代，勒索软件的核心成本结构是“人力分成”。核心团伙每成功完成一次攻击，通常需要将60%–80%的赎金支付给负责执行的加盟商。

而到了3.0时代，情况发生了本质变化。核心团伙的主要成本将集中AI模型的训练优化和持续更新、算力消耗和基础设施维护。

一旦AI代理模板成熟并经过验证，复制一个新的AI代理实例并让其执行攻击的边际成本将变得极低。

这种成本结构的转变，类似于传统制造业从“人工组装”转向“自动化生产线”。当边际成本大幅降低后，攻击者进行更多尝试的经济动力会显著增强。

攻击规模与范围的扩大

低边际成本直接带来的后果是攻击规模的潜在爆发。

目前，全球公开报道或被安全厂商监测到的有效勒索事件，每年大致处于数千至近万件的量级（具体数字因统计口径不同而有所差异）。这些事件主要集中在价值较高、支付意愿较强的目标身上。

在3.0模式下，由于AI代理可以并行处理大量目标，且单次攻击的成本极低，核心团伙将有能力同时对更多目标发起攻击。这可能带来以下变化：

• 攻击事件数量上升：未来几年内，全球年度有效勒索事件数量有可能从目前的不到1万件，增长到几万件甚至更高规模。
• 攻击目标范围扩大：过去因为成本较高而不值得攻击的低价值目标（如中小型企业、科研机构、地方性组织），在AI代理模式下可能变得具有攻击价值。
• 攻击频率加快：AI代理可以24小时不间断工作，攻击节奏将明显快于依赖人类加盟商的传统模式。

更重要的是，AI代理的并行能力意味着核心团伙可以同时对数百甚至数千个目标进行侦察和利用尝试。这种“广撒网”式的低成本尝试，将显著提高整体攻击成功率。

攻击效率与适应性的提升

除了规模扩大，3.0模式还会带来攻击效率的质变。

AI代理能够实时根据环境反馈调整策略，这使得攻击链条的成功率和速度都会优于传统固定脚本或人工操作。同时，AI代理可以快速迭代和优化攻击手法，新漏洞或新配置错误的利用速度会明显加快。

这意味着，防守方过去依赖的“时间窗口”将被进一步压缩。传统模式下，攻击者需要时间招募和协调加盟商，而AI代理舰队理论上可以在短时间内被大规模部署。

现实制约与混合过渡

需要指出的是，以上推演是基于AI代理能力持续成熟的前提。目前来看，3.0模式仍面临一些现实制约：

• 初始访问仍是瓶颈：AI代理在利用已知漏洞时表现较强，但在需要高质量初始访问（钓鱼、社会工程、高价值入口）时能力有限。这部分工作短期内仍可能依赖人类或IAB。
• AI代理的可靠性问题：幻觉、执行错误、需要人工 oversight 等问题依然存在，大规模AI舰队的管理本身也是一项复杂任务。
• 防守方的反制能力：如果企业普遍加强运行时检测、零信任架构和AI工作负载安全，AI代理的实际成功率会被压制。

因此，短期内最可能出现的是混合模式：AI代理负责大部分执行工作，人类负责高质量初始访问和谈判环节。纯粹的“无人化”大规模攻击，在可预见的未来仍会受到多种因素限制。

影响：全球网络安全攻守失衡

当勒索软件进入3.0时代，边际成本大幅下降、攻击规模显著扩大的新态势，将对攻击者、防守方以及整个网络安全生态产生系统性影响。这些影响既包括直接的威胁升级，也包含商业模式和情报工作的深刻变革。

对攻击者侧的影响：利润集中与模式分化

在2.0时代，核心团伙通过“薄利多销”策略与大量加盟商共享利润。虽然整体规模较大，但核心团伙实际拿到的利润比例有限。

进入3.0时代后，这种格局可能发生明显变化：

• 核心团伙利润率提升：由于AI代理的边际成本远低于人类加盟商分成，核心团伙有望将原本支付给加盟商的60%–80%利润更多地留在自己手中。
• 传统加盟商体系承压：依赖大量低技能人类加盟商的传统RaaS团伙将面临生存压力。那些无法快速掌握AI代理技术的团伙，可能逐渐被边缘化。
• 新型竞争格局形成：技术能力强的核心团伙将通过构建和优化AI代理舰队获得明显优势，形成“强者恒强”的局面。部分团伙可能转向垂直整合模式，只保留少量核心人类成员，高度依赖AI执行攻击。

此外，新的地下经济形态可能出现，例如AI代理模板交易、AI-RaaS平台服务等。攻击者之间的竞争，将从“谁能招募更多加盟商”转向“谁能打造更高效的AI代理体系”。

对防守方和企业的影响：威胁面扩大与检测难度上升

3.0模式对企业安全防护将带来更直接的压力：

• 攻击频率和范围增加：由于边际成本极低，攻击者有动力对更多目标发起尝试。过去被认为“价值不高”而不太可能被攻击的组织，也可能面临自动化攻击。
• 自动化攻击速度加快：AI代理可以24/7并行工作，攻击从侦察到加密的周期可能大幅缩短，留给防守方的响应时间减少。
• 传统检测方法效果下降：AI代理生成的攻击行为往往带有自然语言推理痕迹和自适应特征，与传统人类操作或固定脚本存在差异。基于历史人类行为特征建立的检测规则，可能需要大幅更新。
• 暴露面成为关键风险点：类似Langflow、Nacos、MinIO等AI相关工具和配置中心，将成为AI代理优先扫描和攻击的目标。任何公网暴露或默认配置的系统，都可能成为低成本攻击的首选。

总体而言，企业将面临更高频率、更广范围、更快速度的自动化勒索威胁。传统以“补丁管理+边界防护”为主的防御思路，将越来越难以应对。

对情报与归因工作的影响：重要性显著上升

在3.0时代，威胁情报和归因能力将成为防守方最核心的竞争力之一。

• 监测对象发生变化：需要重点跟踪AI代理行为特征（自然语言注释、自适应逻辑、特定工具链组合）、核心团伙对AI模板的更新频率，以及IAB和Stealer市场的动态。
• 归因难度与价值并存：AI代理行为更标准化，可能形成新的“数字指纹”，有助于建立检测规则；但同时人类痕迹减少，也会增加对核心团伙的精准归因难度。
• 多维度归因需求提升：未来需要同时追踪勒索组织、IAB售卖者、数据泄露贩卖者之间的关联，形成更完整的攻击生态画像。

情报工作的重点，将从“事后分析”转向“前置预警和趋势研判”。谁能更早发现AI代理舰队的活动特征和核心团伙的动向，谁就能在防御中占据主动。

对全球网络安全生态的影响

3.0时代还将对整个网络安全格局产生更广泛的影响：

• 攻防不对称短期加剧：攻击方利用AI实现效率和规模的跃升，而防守方需要时间建立针对AI代理的检测和响应能力。在这个窗口期，整体威胁水平可能会明显上升。
• AI供应链安全成为新战场：Langflow等用于构建AI应用的工具本身，将成为高价值攻击目标，形成“用AI攻击AI生态”的循环。
• 进入AI vs AI的军备竞赛阶段：防守方同样会大量使用AI进行异常检测、行为分析和自动化响应。未来的攻防对抗，将越来越多地表现为AI系统之间的较量。
• 执法与国际合作面临新挑战：AI代理的标准化行为可能让部分攻击更容易被检测，但核心团伙的控制权更加集中，也可能使精准打击变得更加困难。

小结：威胁升级而非彻底失控

需要强调的是，3.0时代带来的影响是显著的威胁升级，而不是完全失控的状态。

虽然攻击规模和效率可能大幅提升，但仍会受到初始访问瓶颈、AI代理可靠性、防守方反制能力等多重因素的制约。混合模式很可能在较长时间内存在，纯粹的“无人化大规模攻击”短期内难以完全主导。

然而，这并不意味着我们可以低估其影响。边际成本的下降和规模的扩大，已经足以让全球网络安全形势进入一个新的、更具挑战性的阶段。

在下一章，我们将重点分析这种新态势对我国关键信息基础设施可能带来的具体影响，以及为什么关基领域需要特别关注这一趋势。

对我国关键信息基础设施的影响

在勒索软件3.0时代，边际成本下降和攻击规模扩大的趋势，将对全球网络安全格局产生冲击，而我国关键信息基础设施（关基）面临的压力尤为突出。

中国云服务与AI相关工具成为优先攻击目标

从Sysdig披露的JADEPUFFER事件中可以明显看出，攻击中的AI代理在凭证收集阶段明确优先搜索中国云厂商的凭证，包括阿里云、腾讯云、华为云等。这并非偶然。

我国是全球云计算和数字化转型最活跃的国家之一，大量关键信息基础设施运行在国产云平台之上。同时，Nacos、MinIO等配置中心和对象存储服务在国内企业中应用广泛。这些系统一旦暴露在公网或存在默认配置，就极易成为AI代理低成本扫描和利用的目标。

在3.0模式下，AI代理可以并行对大量目标进行侦察和尝试，这使得过去可能被忽略的“次级暴露面”也成为潜在攻击对象。关基领域大量使用的AI框架、配置管理工具、云原生组件，都可能成为新的高风险区域。

关基体量大、互联程度高，放大攻击影响

我国关键信息基础设施体量巨大，涵盖能源、交通、金融、政务、通信等多个领域，且系统之间互联程度高。一旦某个节点被AI代理成功入侵并加密，影响可能通过供应链或业务关联快速扩散。

与传统2.0模式相比，3.0时代的攻击具有以下特点：

• 规模化并行攻击：AI代理可以同时对多个关基相关系统发起尝试，显著提高命中率。
• 自动化执行速度快：从初始访问到数据加密的周期缩短，留给应急响应的时间大幅减少。
• 低价值目标也可能被波及：由于边际成本极低，攻击者不再只聚焦高价值目标，部分支撑性系统或地方级关键设施也可能成为攻击对象。

这意味着，单次成功攻击造成的业务中断、数据泄露和恢复成本，可能比以往更高，且连锁反应风险更大。

当前防护短板与风险叠加

目前，国内部分关键信息基础设施单位在应对新型威胁时仍存在明显短板：

• 对AI工作负载和运行时安全的重视程度不够。很多单位仍将安全重点放在传统边界防护和补丁管理上，对AI框架、配置中心等新型攻击面缺乏针对性防护。
• 默认配置和暴露面问题依然存在。Nacos默认JWT密钥、MinIO默认凭证、各类AI工具的公网暴露等问题，在实际部署中仍较为常见。
• 运行时行为检测能力相对薄弱。传统基于签名和规则的检测，难以有效识别AI代理生成的具有自适应特征的攻击行为。

在3.0时代，这些短板会被进一步放大。AI代理可以快速利用这些弱点进行自动化渗透，而防守方如果仍沿用传统思路，响应速度很可能跟不上攻击节奏。

对国家安全与经济社会运行的潜在影响

关键信息基础设施一旦遭受大规模AI驱动的勒索攻击，可能产生超出一般网络安全事件的后果：

• 业务连续性风险：能源、交通、金融等领域的核心系统被加密或破坏，可能直接影响社会正常运行。
• 数据安全风险：关基领域掌握大量敏感数据，AI代理在加密前进行数据窃取的可能性增加，双重勒索风险上升。
• 国家安全风险：针对关键信息基础设施的攻击，可能被用于战略威慑或造成系统性影响，其危害已超出单纯的经济损失范畴。

此外，由于AI代理的标准化行为特征，一旦形成针对我国特定行业或系统的攻击模板，攻击规模可能在短时间内快速扩大，进一步放大整体风险。

小结：关基领域需提前布局

综上所述，在勒索软件3.0时代，我国关键信息基础设施面临的威胁不是简单的“数量增加”，而是攻击效率、规模和针对性的系统性提升。

AI代理对云凭证、配置中心和AI相关工具的偏好，使得国内关基暴露面成为高价值攻击目标；大规模并行和低成本执行的特性，又放大了攻击的潜在影响范围和破坏力。

如果不能及时调整防御策略，关基领域可能成为3.0时代勒索攻击的重点受害对象之一。

在下一章，我们将系统探讨在这一新态势下，企业和关键信息基础设施应采取哪些针对性的应对措施。

如何应对：防守方的行动建议

面对勒索软件3.0时代AI代理舰队带来的低成本、高并行、快速自适应的威胁态势，防守方必须从被动响应转向主动防御，从传统补丁管理转向运行时可见性与情报驱动的体系化应对。以下从立即行动、中长期能力建设和战略层面三个维度提出具体建议。

立即行动：短期，1-3个月

全面收紧暴露面与默认配置

立即排查并下线不必要的公网暴露服务，特别是Langflow、Nacos、MinIO、各类AI框架和配置中心。强制更换所有默认凭证和JWT签名密钥，实施严格的访问控制和网络分段，杜绝AI代理通过已知漏洞或默认配置快速横向移动。

• 建立暗网威胁情报监测机制

部署专业的暗网监测能力，覆盖传统暗网与轻暗网（包括Telegram等加密通讯渠道）双生态，重点监测数据泄露、勒索软件事件、IAB（初始访问经纪人）、Stealer和供应链攻击情报。监测需实现全自动AI分析+专家人工研判，避免漏报和误报。

• 强化运行时行为检测

在关键系统和云工作负载上部署运行时安全监测，重点识别异常Python执行、凭证扫描、自适应行为模式以及AI代理常见的自然语言推理痕迹。一旦发现可疑活动，立即触发告警和隔离机制。

中长期能力建设，3-12个月

构建零信任架构与最小权限原则

全面推进零信任网络访问，对所有AI相关工具、配置中心和云资源实施持续身份验证和动态权限控制，大幅降低AI代理成功横向移动的可能性。

建设或引入专业暗网情报与事件闭环处置能力

关基单位和大型企业应建立常态化的暗网威胁情报监测体系，并配套专业的事件处置能力。理想模式是选择具备丰富关基服务经验、合规闭环能力强的专业服务商，提供从全量暗网数据采集、全自动AI分析、专家风险研判、泄露源排查、威胁源交涉到监管汇报的全流程“一站式”闭环支持。

以国内领先的暗网威胁情报服务商零零信安（00SEC）为例，其长期服务于关基单位、银行、保险、运营商、能源等关键领域，拥有自主研发的“视界”跨协议爬虫引擎和“风筝”全自动AI非结构化情报分析引擎，可实现每天处理数百万暗网情报的实时监测与精准预警。其核心优势在于“非介入”式监测与专家人工研判相结合，在不干扰企业正常运营、不要求客户执行任何违规或高风险操作的前提下，提供数据泄露、勒索、IAB、Stealer、供应链及“侵公”事件的真伪研判、风险评估和全流程闭环处置，有效帮助客户做到“早发现、早预警、早处置”。

开展针对性红队演练与能力验证

定期组织模拟AI代理攻击的红队演练，重点检验暴露面收敛、运行时检测、暗网情报预警和事件响应闭环的有效性，并根据演练结果持续优化防护策略。

战略层面，持续推进

将暗网情报监测纳入整体安全战略

把对传统暗网与轻暗网的双生态监测、AI代理行为特征追踪以及IAB/Stealer市场动态分析，纳入企业安全运营中心（SOC）和威胁情报体系，作为核心能力进行建设。

推动AI工作负载安全专项治理

对所有AI框架、模型服务和相关工具进行安全评估与加固，建立AI供应链安全管理机制，避免“用AI工具构建业务，却忽视其自身安全风险”的情况。

加强合规与跨部门协同

建立与网信、CNCERT、公安等监管部门的常态化协作机制，确保在发生重大暗网威胁事件时能够快速、合规地完成信息报送和应急响应。同时，关基单位应将暗网威胁纳入网络安全等级保护和关键信息基础设施安全保护的日常管理范畴。

结语

勒索软件3.0时代不是世界末日，而是对所有防守方的一次能力升级考验。边际成本的下降和攻击规模的扩大，意味着“被动等待”已不再可行，必须转向“情报驱动+运行时可见性+专业闭环处置”的主动防御模式。

对于关键信息基础设施而言，尽早引入具备关基实战经验、专业技术能力和合规闭环服务能力的暗网威胁情报与事件处置伙伴，将是应对AI驱动勒索升级最务实且高效的选择。早做准备者，将在新一轮攻防对抗中占据主动；反应迟缓者，则可能在规模化自动化攻击面前措手不及。

防护没有终点，只有持续进化。