Hugging Face 本月披露遭遇一次自主 AI 驱动的网络攻击后，事件很快引发外界对“AI 黑客时代”的讨论。TechCrunch援引多名安全人士称，这次攻击确实显示出 AI 在速度和持续性上的新能力，但并不意味着传统防御方法已经失效。
多位受访者认为，攻击者使用的漏洞利用、横向移动和凭证窃取方式，并没有脱离人类黑客常见路径。Hugging Face 在事故报告中也提到，被利用的弱点并不陌生，有经验的人类攻击者同样可能发现并利用这些问题。
17,600 次操作持续四天半
按照 Hugging Face 披露的信息，攻击模型在四天半内执行了 17,600 次操作，过程包括入侵、侦察、窃取密码和代码，以及在公司基础设施内移动。
安全人士普遍认为，真正不同之处在于 AI 的执行强度。它可以长时间持续推进任务，并在较大范围内反复尝试，而不需要像人工团队那样轮换或停顿。
- 持续时间：约四天半
- 操作次数：17,600 次
- 涉及行为：侦察、窃密、横向移动
攻击并不隐蔽
不过，受访专家同时指出，这次攻击并不安静。由于操作量极大，系统中本应留下大量异常信号。与更注重隐蔽性的人类攻击者相比，这类 AI 代理更像是在高频试探和推进，理论上更容易触发告警。
有安全从业者认为，问题不在于系统完全“看不见”攻击，而在于发现异常后，没有足够快地把识别结果转化为人工介入和阻断动作。这暴露出监测、升级和响应链条之间的断点。
传统防御仍然有效
多名专家提到，分层防御、最小权限、网络分段、检测告警和持续攻防测试，仍然是应对这类事件的基础手段。换句话说，攻击者是否为 AI，并没有改变这些防御原则本身。
其中一个被反复提及的问题是权限控制。受访者称，Hugging Face 的一项明显失误在于，一组被盗凭证就能让攻击者在多个系统中获得较高权限，这放大了后续横向移动的空间。
也有观点认为，Hugging Face 在当时对模型能力的认知下，已采取了相对合理的措施。现实难点在于，很多恶意动作与正常工作流并不总是容易区分，单靠操作量大，也不一定足以构成明确红旗。
事后调查也用上了 AI
TechCrunch称，Hugging Face 在重建攻击时间线时，还需要借助 AI 工具处理海量操作记录。由于前沿模型的安全限制会阻碍相关分析，公司最终使用了中国公司 Z.AI 的开源模型 GLM 5.2 协助调查。
这使事件出现一个新特点：AI 发起攻击，AI 参与溯源，人类负责判断和处置。对安全行业来说，这更像是现有攻防体系被推到更高强度，而不是旧方法被彻底淘汰。
整体来看，这次事件没有改写网络安全的基本逻辑，但放大了一个现实问题：当攻击速度和噪声同时上升，企业是否能把已有的检测和响应机制真正用起来，将变得更关键。
