CrowdStrike：疑似单一攻击者借助 AI 渗透工具入侵多家韩国银行，Shinhan Bank 逾 2.5 万条客户记录被窃
来源The Decoder查看原文
速览
- 疑似单一攻击者入侵多家韩国金融机构
- Shinhan Bank 逾 2.5 万条客户记录被窃
- 攻击工具为开源渗透测试工具 ARTEX
- ARTEX 调用 DeepSeek、GLM-5.3 等 AI 模型
- CrowdStrike 称 AI 让单人具备大规模攻击能力
CrowdStrike 披露，一名疑似讲中文的攻击者入侵了多家韩国金融机构，仅 Shinhan Bank 一家就有超过 25,000 条客户记录被窃取。攻击者使用的是一款名为 ARTEX 的开源工具，该工具调用 DeepSeek、GLM-5.3 等 AI 模型实现自动化渗透测试。CrowdStrike 认为，此案说明 AI 工具正在让单个人具备发动大规模入侵的能力。
关键事实
- CrowdStrike 称，一名疑似讲中文的攻击者入侵了多家韩国金融机构。
- 仅 Shinhan Bank 一家，被窃取的客户记录就超过 25,000 条。
- 攻击者使用的工具是 ARTEX，一款开源渗透测试工具。
- ARTEX 调用 DeepSeek、GLM-5.3 等 AI 模型，用于自动化渗透测试。
- CrowdStrike 表示，该案例显示 AI 工具可让单个攻击者完成大规模入侵。
本站视角
这起事件最值得中文技术圈注意的，不是「AI 被用于攻击」这个已经被反复讨论的命题，而是攻击者使用的工具链里出现了 DeepSeek 和 GLM-5.3 这两个国产模型。这意味着模型能力的扩散是双向的：同一批权重和 API，既服务于正当的自动化测试与安全研究，也能被直接接入攻击流程。对国内做安全产品、做 Agent 的团队来说，ARTEX 这类开源工具值得拆开看——它的价值不在于模型多强，而在于把模型能力编排进了可复用的攻击流水线，这种「编排」思路同样适用于防守侧的自动化响应。对使用 API 的中小企业和金融机构来说，此案提示的是一道现实问题：当自动化渗透的成本降到单人可承担，过去靠「攻击者没那么多精力」撑起来的安全冗余就不再可靠，Shinhan Bank 超过 25,000 条记录被窃只是这一变化的早期样本。 需要指出的是，目前信息几乎全部来自 CrowdStrike 单方披露，原文没有给出入侵时间、攻击路径、ARTEX 具体承担了哪些环节，也没有说明「疑似讲中文」这一归因依据是什么。把案件直接叙述为「AI 工具让单人完成大规模入侵」，在因果上可能下得过强——自动化工具降低门槛是一回事，AI 模型在其中是否起了决定性作用，需要更细的技术披露才能判断。此外，CrowdStrike 本身是安全厂商，披露此类案例对其业务有正向意义，读者在采纳其结论时应保留这一层考量。我们认为，这件事值得跟进，但现阶段更适合当作一个需要更多细节支撑的信号，而非已经坐实的定论。
背景与影响
CrowdStrike 公布的这起事件，把两个此前相对独立的趋势叠在了一起：一是开源渗透测试工具的成熟，二是大模型被接入攻击流程。ARTEX 这类工具本身并非新概念，自动化扫描与漏洞利用框架已存在多年，但接入 DeepSeek、GLM-5.3 等模型后，攻击者可以用自然语言驱动探测、生成载荷、筛选目标，把原本需要团队分工的环节压缩到一个人身上。这意味着攻防门槛的分布正在变化：防守方过去依赖攻击者人力有限、成本高这一假设，而 AI 辅助工具可能让这一假设不再成立。对韩国金融业而言，多家机构被同一攻击者突破，说明机构间的安全水位差异可能被逐个利用。需要观察的是，CrowdStrike 目前披露的信息集中在攻击者语言背景、受害机构与被窃记录数量，尚未说明入侵的具体路径、时间跨度以及 ARTEX 在其中承担了哪些具体环节，这些细节将决定该案在多大程度上可被归因于 AI 工具本身。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。