AI竟黑了AI：一场没有人类参与的自动化入侵

AI主犯登场：零人工干预的全自动攻击 这几天，全球最大的AI开源平台Hugging Face发布安全事件通告：其部分生产基础设施遭到入侵。与以往所有已知攻击不同，本次行动全程由一套自主AI Agent系统驱动——没有人类坐在键盘前执行命令，没有远程操控的痕迹，也没有传统意义上的黑客介入。整个攻击周期仅持续一个周末，留下的操作日志超过17000条，全部由AI生成、调度并执行。 从数据集开始的链式崩塌 攻击起点是一个看似普通的恶意数据集。它被刻意设计为可触发两条隐蔽的代码执行路径：一是利用远程数据集加载器的逻辑缺陷，二是通过数据集配置文件中的模板注入漏洞。一旦该数据集被用户调用（例如执行from_pretrained或load_dataset），恶意载荷便在服务端自动激活。 随后，攻击流程迅速升级：提权至节点级权限、窃取云平台及集群访问凭证、横向渗透多个内部环境。值得注意的是，执行者并非单一程序，而是一组高度协同的短生命周期沙箱智能体集群。成千上万个独立动作并行推进，命令与控制信道动态迁移，甚至寄生在平台自身的公共服务中，展现出极强的自适应性与抗干扰能力。 AI查AI：攻防双方都跑在LLM上 此次事件中最具反讽意味的一幕是：最先发现异常的，正是AI本身。Hugging Face内部的安全遥测系统早已集成LLM进行实时分诊，正是多源信号的语义关联触发了告警。而在复盘阶段，团队再次启用本地部署的开源大模型，对全部17000余条攻击日志进行全量解析——还原时间线、提取IOCs、识别伪装动作。原本需数天完成的溯源分析，在几小时内即告完成。 攻与防，两端都运行在AI之上。人类角色被压缩至极致：只需启动任务、确认结果、执行响应。 最尴尬的防线：被自己的AI工具拦在门外 真正让开发者脊背发凉的，是调查过程中的一个现实困境：团队最初尝试调用某商业API背后的前沿模型来深度分析攻击载荷，却屡次失败。原因在于——这些请求包含真实的漏洞利用指令、C2通信样本和凭证泄露片段，直接触发了服务商内置的安全过滤机制。 最终，他们切换至自建基础设施上运行的开源模型，才得以继续取证。这一选择不仅保障了敏感数据不出域，更意外强化了调查安全性：所有攻击痕迹、原始凭证、行为上下文，全程未离开Hugging Face自有环境。 平台将此现象定义为“不对称问题”：当AI成为核心防御组件时，它的安全策略反而可能阻碍对真实威胁的深度洞察。 没有勒索，没有宣言，只有安静的周末 这次事件没有勒索邮件，没有网页涂鸦，没有社交媒体声明。没有人在深夜敲代码，也没有人炫耀战果。只有一群AI，在无人值守的状态下，完成了一次完整、高效、隐蔽的基础设施接管。 周一照常上班，pip install依旧顺畅，from_pretrained依然可用。但此刻，请立即更新你的Hugging Face访问令牌（HF Token）——这不是例行提醒，而是对新威胁范式的首次实战回应。