Hugging Face 本月揭露遭遇一次自主 AI 驅動的網路攻擊後，事件很快就引發外界對「AI 駭客時代」的討論。 TechCrunch援引多名安全人士稱，這次攻擊確實顯示 AI 在速度和持續性上的新能力，但並不意味著傳統防禦方法已經失效。
多位受訪者認為，攻擊者使用的漏洞、橫向移動和憑證竊取方式，並沒有脫離人類駭客常見路徑。 Hugging Face 在事故報告中也提到，被利用的弱點並不陌生，有經驗的人類攻擊者同樣可能發現並利用這些問題。
17,600 次操作持續四天半
按照 Hugging Face 披露的信息，攻擊模型在四天半內執行了 17,600 次操作，過程包括入侵、偵察、竊取密碼和代碼，以及在公司基礎設施內移動。
安全人士普遍認為，真正不同之處在於 AI 的執行強度。它可以長時間持續推進任務，並在較大範圍內反覆嘗試，而不需要像人工團隊那樣輪流或停頓。
- 片長：約四天半
- 操作次數：17,600 次
- 涉及行為：偵察、竊密、橫向移動
攻擊並不隱蔽
不過，受訪專家同時指出，這次攻擊並不安靜。由於操作量極大，系統中本應留下大量異常訊號。與更注重隱蔽性的人類攻擊者相比，這類 AI 代理更像是在高頻試探和推進，理論上更容易觸發告警。
有安全從業者認為，問題不在於系統完全「看不見」攻擊，而是發現異常後，沒有足夠快地把辨識結果轉化為人工介入和阻斷動作。這暴露出監測、升級和響應鏈條之間的斷點。
傳統防禦仍然有效
多位專家提到，分層防禦、最小權限、網路分段、偵測警告和持續攻防測試，仍是應對這類事件的基礎手段。換句話說，攻擊者是否為 AI，並沒有改變這些防禦原則本身。
其中一個被反覆提及的問題是權限控制。受訪者稱，Hugging Face 的一項明顯失誤在於，一組被盜憑證就能讓攻擊者在多個系統中獲得較高權限，這放大了後續橫向移動的空間。
也有觀點認為，Hugging Face 在當時對模型能力的認知下，已經採取了相對合理的措施。現實困難在於，許多惡意動作與正常工作流程並不總是容易區分，單靠操作量大，也不一定足以構成明確紅旗。
事後調查也用了 AI
TechCrunch稱，Hugging Face 在重建攻擊時間軸時，還需要藉助 AI 工具處理大量操作記錄。由於前沿模型的安全限制會阻礙相關分析，該公司最終使用了中國公司 Z.AI 的開源模型 GLM 5.2 協助調查。
這使得事件出現一個新特點：AI 發動攻擊，AI 參與溯源，人類負責判斷和處置。對安全產業來說，這更像是現有攻防系統被推到更高強度，而不是舊方法被徹底淘汰。
整體來看，這次事件並沒有改寫網路安全的基本邏輯，但放大了一個現實問題：當攻擊速度和噪音同時上升，企業是否能把現有的偵測和回應機制真正用起來，將變得更關鍵。
