加密新闻

人工智能平台的网络安全正进入一个新时代。Hugging Face，作为领先的AI模型托管平台，遭遇了一场与我们以往所见截然不同的攻击。攻击者利用自主代理系统，成功渗透到公司的工作基础设施中，获取了有限范围的内部数据和服务账户访问权限。

此次事件的关键特点在于，攻击并非针对公开模型或数据集——检查显示它们完好无损。相反，攻击目标直指数据处理基础设施本身。入口点是数据集处理管道：一个恶意数据集利用远程加载器，并通过配置模板注入命令，从而在服务器上执行代码。随后，攻击者提升了权限，收集了云服务凭证，并在内部网络中横向扩散。

自主系统：无需直接控制的数千次操作

Hugging Face将此次攻击描述为完全由自主代理系统操控。该系统通过一个由短暂隔离环境构成的网络执行了数千次操作。其管理基础设施托管在公共服务上，并能自主在这些服务之间迁移，这使得封锁变得尤为困难——移除一个元素并不能阻止整个攻击活动。需要强调的是，公司不排除人类在设定目标或做出关键决策方面的参与，但攻击过程本身是自动化的。

应对措施：以AI对抗AI

为调查此次事件，Hugging Face动用了自身的AI工具。基于语言模型的异常分析系统识别出了威胁，随后启动了AI代理来重建事件时间线。攻击者的活动日志包含超过17,000条记录。代理们将事件进行关联，提取了入侵指标，并确定了受影响的凭证，在数小时内完成了任务，而原本这需要数天时间。有趣的是，在初始阶段，商业AI系统拒绝处理请求，无法区分事件调查与黑客攻击尝试。最终，公司被迫使用Z.ai的开源模型GLM 5.2，并在本地部署，从而能够分析危险内容而不受限制。

结论与行业教训

此案例表明，AI平台的攻击面正在急剧扩大。如今，威胁不仅来自模型和代码，还来自数据、配置、加载器、代理工具和自动化管道。任何能够解释外部内容的组件都可能成为潜在入口。Hugging Face关于更换访问令牌和检查账户活动的建议，只是临时措施。

作为一名分析师，我认为我们正站在网络安全新范式的门槛上。利用自主AI代理的攻击并非未来，而是现实。行业亟需重新审视防护策略，采用零信任原则，并开发专门的事件调查工具，以便在对手本身就是人工智能的情况下有效运作。未能适应的参与者，将面临落后挨打的风险。