這是一個直接出自網路安全噩夢的情境：一個自主的 AI 代理入侵了您的生產基礎設施，整個週末肆意妄為，當您的事件響應團隊最終試圖使用 AI 工具來查明發生了什麼時，這些工具卻拒絕配合。這正是 Hugging Face 遭遇的情況。
該 AI 模型中心於 7 月 16 日披露，其數據處理管道遭一名代理攻擊者利用兩個代碼執行漏洞進行了複雜的入侵。該攻擊者獲取了憑證，在生產系統中橫向移動，並在被發現前於臨時沙箱中執行了超過 17,000 個操作。
當你的防禦拒絕防禦
Hugging Face 的事件應對團隊求助於前沿 AI 模型，包括 GPT 和 Claude，以協助分析攻擊數據，但兩者均拒絕了。它們的商業安全防護機制將 IR 團隊正當的法證查詢視為攻擊指令，擋下了所有請求。
Hugging Face 最終修補了根本漏洞並控制了此次入侵，但此事件仍成為首個公開記錄的端到端自主 AI 驅動攻擊大型生產基礎設施的案例。
為何加密貨幣應受到關注
Hugging Face 是全球最大的開源 AI 模型市場，它托管了推動越來越多加密相關項目的模型、數據集和工具，從去中心化 AI 計算網絡到鏈上推理協議。如果一個自主代理能通過惡意數據集入侵 Hugging Face 的管道，那麼所有從該生態系統中提取數據的下游項目都將繼承此風險。
依賴開放模型儲存庫的去中心化 AI 平台，如 Bittensor 和 Fetch.ai，正面臨此處所展示的供應鏈風險：利用處理漏洞的毒化資料集。
安全護欄問題是每個人的問題
OpenAI 的 GPT 和 Anthropic 的 Claude 是企業環境中部署最廣泛的兩大前沿模型。如果這兩者都因安全過濾器無法區分分析漏洞的防禦者與製造漏洞的攻擊者，而拒絕處理合法的法證資料，這便是現代 AI 輔助安全基礎設施層中內建的系統性漏洞。
像 Chainalysis、Elliptic 及各類鏈上法證公司，正日益將 LLM 整合至其分析工作流程中。若這些模型因查詢內容過於類似洗錢指令，而拒絕處理與已知攻擊或駭客地址相關的交易數據，整個法證分析鏈將會中斷。
自主代理在臨時沙箱中執行的逾 17,000 項操作，揭示了重要的安全複雜性差距。傳統的安全監控尋找持久性的入侵指標：修改的檔案、異常的網路連線或可疑的登入模式。在臨時環境中運作的代理幾乎不會留下任何傳統痕跡。