CrowdStrike 情报报告揭示首例 LLM 全链路辅助金融攻击
TREE NEWS 报道， 安全机构 CrowdStrike 发布情报报告称，一个此前未知的黑客在 9 月下旬至 10 月初期间，结合大语言模型（LLM）与国产开源 AI 渗透测试工具 ARTEX，对韩国多家金融机构发起针对性攻击，导致约 6.8 万人的数据泄露。这是目前公开记录中较为罕见的、生成式 AI 被完整用于真实入侵受监管金融机构的案例。
攻击链释放的信号
报告显示，攻击者并非仅用 LLM 生成钓鱼文案，而是将其贯穿于侦察、漏洞研判、载荷优化与规避脚本编写等环节。ARTEX 本为开源 AI 辅助渗透测试框架，却被反向改造成攻击工具，显著降低了探测金融基础设施的技术门槛。这意味着高级入侵的边际成本正在快速下降，原本用于防御性安全测试的工具只需极小改动即可被武器化。
对加密与数字资产基础设施的意义
韩国是全球最活跃的加密市场之一，散户参与度高、交易所生态密集，并受严格的旅行规则与 KYC 义务约束。此次被攻击的金融机构，与加密托管方、支付通道及交易所银行合作方高度相邻，甚至直接互联。若 AI 辅助入侵能够穿透传统金融边界，同样的技术将自然迁移至交易所、钱包服务商与 RWA 代币化平台——这些正是身份数据、私钥基础设施与结算逻辑交汇之处。
- 攻击经济学： LLM 辅助侦察大幅压缩了从初始访问到数据外泄的时间窗口。
- 工具反转： 开源 AI 安全工具天然具备双重用途，令出口管制与厂商治理更加复杂。
- 数据引力： 金融机构的 KYC/AML 数据库，正是攻击者变现效率最高的身份数据。
- 加密邻接风险： 交易所与代币化平台与其银行对手方共享同一威胁面。
防御启示与前景展望
该事件凸显出一种不断扩大的不对称：防御方必须守住每一层，而 AI 加持的攻击者只需找到一条可行路径。对加密原生企业而言，务实对策有三：在身份与交易流上部署 AI 驱动的异常检测；强化密钥管理，防范 LLM 使其更具说服力的社会工程攻击；将第三方银行与托管关系视为共享风险边界，而非外包责任。首尔及亚洲各地监管机构预计将在金融安全审计中加强对 AI 工具的审视，或加速推动传统与数字资产领域围绕模型使用的披露要求。AI 对加密基础设施的威胁已从理论走向实战。
