加密新闻

人工智能模型开发与托管平台Hugging Face披露了一起史无前例的网络攻击细节，攻击者在此次事件中动用了自主代理系统。这起波及部分工作基础设施的安全事件，标志着网络威胁演进进入新阶段：如今发动攻击的已不再是人类，而是能够自主决策并在网络中移动的软件代理。

攻击路径：从数据集到云集群

攻击入口是数据集处理管道。恶意数据集利用两种机制执行代码：远程加载器与通过配置模板注入命令。在服务器上执行代码后，攻击者将权限提升至基础设施节点，收集云服务和集群凭证，随后横向移动至内部环境。值得注意的是，这并非传统意义上的恶意文件上传——数据集充当了向自动分析系统传递指令的载体。

Hugging Face已迅速修复漏洞，重建被入侵节点并撤销受影响密钥。公司同时启动大规模密钥轮换，强化了集群访问策略。

自主代理：数千次操作无需人工干预

据Hugging Face透露，此次攻击活动全程由自主代理系统操控。该系统通过大量短暂存在的隔离环境执行了数千次操作。其控制基础设施部署在公共服务上，并具备自主迁移能力，这使得阻断攻击极为困难：删除单个节点无法终止整个攻击活动。

不过公司并未断言攻击完全脱离人类参与。目前尚不清楚谁设定了初始目标、控制系统并做出关键决策。也未披露代理系统是通过被入侵的商业模型还是开源权重模型运作。

AI防御：异常检测与调查取证

该事件由Hugging Face的异常分析系统发现，该系统利用语言模型对安全日志进行初步处理。为还原攻击时间线，公司针对包含17000余条记录的完整攻击日志启动了AI代理。这些代理关联事件、识别入侵指标并确定受影响凭证。据Hugging Face评估，这项工作耗时数小时而非数天。

有趣的是，在初始阶段公司曾尝试通过商业API使用先进模型。但提供商的防护限制阻止了请求，因为系统无法区分安全事件调查与协助入侵的企图。Hugging Face未透露拒绝服务的具体平台。

遭拒后，调查工作转移至自有基础设施，使用Z.ai公司采用MIT开源许可的GLM 5.2模型。这使团队能在不触发自动拦截的情况下分析危险内容，且无需离开内部环境。但公司正确指出，开源模型本身并不更安全——基础设施与访问控制的责任仍由组织承担。

结论与建议

此次事件表明，需要防护的不仅是模型和代码。数据、配置、加载器、代理工具及自动化管道同样存在风险。每个能够解析外部内容或执行命令的组件都可能成为攻击入口。当代理系统具备云资源和凭证访问权限时，风险尤为突出。

Hugging Face建议客户更换访问令牌并检查近期账户活动。目前尚无公开模型或用户数据集遭入侵的直接证据，但最终影响评估尚未完成。

专家观点：此次攻击为整个行业敲响警钟。我们正步入一个攻击者可能不是人类，而是能够以单兵黑客无法企及的规模行动的自主代理时代。Anthropic此前提出的"代理零信任"原则已从建议变为必需。AI平台必须重新审视威胁模型，将AI系统自身发起的攻击纳入考量。