超级个人黑客时代：AI工具摧毁金融安全防线

多年来，网络安全行业一直基于一个简单而令人安心的前提：大规模的银行抢劫需要大规模的团队。由国家资助的集团或成熟的犯罪集团进行的协调行动是常态，而单个恶意行为者造成系统性损害的门槛被认为是不可逾越的。这一前提现在已经过时了。

根据CrowdStrike最近的一份报告，一名疑似单枪匹马的攻击者入侵了多家韩国金融机构，仅从新韩银行就窃取了超过25,000条客户记录。这次攻击背后的方法正是关键所在。攻击者利用了ARTEX，这是一个利用大型语言模型（包括DeepSeek和GLM-5.3）来执行自动化渗透测试的开源工具。这不仅仅是一个关于黑客的故事，这是一个关于进攻性网络能力民主化的故事。

人工智能生态系统受到的影响是严峻的。我们经常从幻觉或偏见的角度讨论人工智能的风险，但我们低估了人工智能作为破坏代理的动能风险。当个人可以使用LLM驱动的工具来识别、利用复杂的金融系统并在其中进行横向移动时，传统的边界防御模型就变得毫无意义了。攻击成本骤降，而防御的复杂性依然很高。我们正在目睹安全团队以前对个人攻击者所拥有的“不对称优势”的终结。

这一事件凸显了我们当前安全架构中的一个关键差距：缺乏能够以与进攻方相同的速度和自主性运行的AI驱动防御代理。如果攻击者可以使用AI实时扫描漏洞，防御者必须匹配这一速度。“代理式”安全工具的崛起不再是一个未来主义的概念，而是当务之急。

此外，在恶意环境中使用像DeepSeek这样的开源模型，凸显了AI界面临的两用困境。这些模型普遍可用，开发者测试代码与犯罪分子利用银行之间的界限比以往任何时候都要薄。监管机构和科技公司不能再将这些工具视为良性研究资产。我们需要重新评估在滥用可能导致直接、切实的财务和社会危害的环境中部署强大、通用的模型。

“超级个人黑客”不再是科幻小说中的桥段。这是由我们所庆祝的进步所实现的现实。行业必须从被动立场转变为自主的、AI增强的防御姿态，否则我们将继续看到规模更大、资源需求却更小的违规事件。

图片：Brooks Leibee / Unsplash (https://unsplash.com/@baleibee)