本文来自微信公众号： ZAI科技 ，作者：Kevin
导读：AI在砍掉软件开发岗位的同时，即将安排一批网络安全人员上岗了。
01
INCIDENT
一次“水平有限同时破绽百出”的网络攻击活动
10月7日，网络安全公司CrowdStrike发布报告，披露了一轮针对韩国金融机构的攻击。据韩国媒体报道，新韩银行、KB国民银行、韩亚银行等至少七家机构先后出现数据泄露，
其中，新韩银行约2.5万名客户的姓名、电话、年收入和可贷额度外泄，攻击者绕过身份验证，进入了贷款中介使用的查询服务；KB国民银行和韩亚银行则分别有119人和89人的信息泄露，前者的入口是员工使用的移动办公支持系统。
CrowdStrike报告显示，攻击者使用了AI渗透测试工具ARTEX，以DeepSeek作为主要模型后端，同时借助Claude Code开展工作。
有趣的是，在报告中还披露了一些相当不同寻常的信息-黑客在发动攻击的同时，也暴露了相当多的（疑似）个人资料。
研究人员在他控制的服务器上发现了开放目录，顺着其中的文件，找到了Claude Code会话历史、ARTEX配置和记忆文件。攻击者不仅问过Claude，通常在哪里出售韩国的泄露数据，还请它帮忙寻找Telegram上的数据交易群组。
另一组对话更出人意料：他要求AI把使用ARTEX取得的“战果”写进安全研究员简历，并提供了姓名、联系方式、年龄、学校和所在地。
通过这些碎片化的信息，攻击者几乎把自己的底细摊在了网上：大学在读，并非专业黑客，对电报（Telegram）生态和暗网了解属实不多……总结下来就是明晃晃的“菜鸟”两个字。相信长期关注黑灰产业的读者很快就会产生一个疑惑：现在干这行的门槛已经这么低了么？
02
BACKGROUND
曾几何时，黑客也还是技术的代名词
过去，想独立完成一次Web渗透，技术门槛很高。哪怕只是照着教程操作，也得有读懂《Web安全深度剖析》《黑客攻防技术宝典：Web实战篇》这类书的底子。
书里的每个名词，背后都有具体的机制。HTTP协议规定请求与响应如何交互，身份认证和Session管理负责识别用户、维持登录状态，访问控制决定用户能做什么。SQL注入、跨站脚本和文件包含等漏洞，则各有自己的成因与触发条件。
分析一个接口，要看懂请求头、Cookie、参数编码和重定向，分清“确认你是谁”的身份认证和“确认你能做什么”的授权检查，还得明白客户端校验只是体验层，真正的防线在服务端。分析漏洞，则要顺着外部输入一路追踪：它怎么被过滤、被拼接，最后进入哪个解释器执行，异常究竟出在哪一环。
工具当然能够很轻松在互联网上找到，但攻击者本人必须得具有读懂分析结果的能力。Nmap给出的服务和版本信息，要能判断是否可信；用Burp Suite改包重放，得保持会话状态，一次只动一个变量。脚本跑不通时，可能要改Python代码、解依赖冲突，或者用Linux命令排查环境。
最难的是确认。页面报错不等于漏洞成立，扫描器告警可能是误报，没有报错也不代表安全，盲注就是例子。问题能否稳定复现、需要什么权限、会波及哪些数据，都得逐项验证。
所以，初学者照着书里的案例和靶场，很快就能跑通第一步。但真实系统不会按教程返回结果，一旦偏离剧本，接下来能走多远，全看知识和经验。
03
AI AGENTS
AI时代到来，网络攻击的门槛开始松动
有了AI一切都变得容易多了：看不懂响应内容，可以让AI解释；脚本报错，可以让AI排查；需要改进程序，也可以让AI开发。只要有心功夫不必深，完全可以让AI干中学，学中干：）
不过，聊天式辅助仍然需要人来回操作：把信息交给AI，拿到建议，执行，再把结果复制回去。Agent的出现带来了革命性的改进：它把模型和执行环境连在一起，让AI自己调用工具、读取反馈，并尝试决定下一步。
这次针对韩国金融机构攻击所使用的工具-ARTEX，就是这样一套AI自主渗透测试系统。它以AGPL-3.0协议开源，采用基于大语言模型的多Agent架构，使用者可以通过网页控制台查看进展。它省下的不只是敲命令的时间。测试中发现一个新入口，要不要继续检查、调用什么工具、结果值不值得跟进，这些原本需要人反复判断和衔接的工作，AI已经逐步接手。
ARTEX并不孤单。PentAGI、Strix、PentestGPT等开源项目也在探索类似的Agent流程，其中PentestGPT最新版本已从交互式助手转向自主Agent；XBOW、NodeZero、Pentera等则是商业化的自动化渗透产品。它们的技术路线和自动化程度各不相同，但已经形成了一批产品，而非简单的试点探索。
还有产品在继续简化使用过程。Strix既提供开源Agent，也提供托管平台，用户连接代码库和域名，几分钟内就能发起一次测试。需要用户亲手处理的环节越来越少。
自动化当然不保证成功，从韩国这起事件看，也仍然离不开人来操作。但使用者能够调用的技术能力，已经可能超过他本人掌握的知识。
04
OPEN SOURCE
开发者在踩刹车，但攻击程序的代码已经开始扩散
攻击事件曝光后，ARTEX作者Autumn-27于10月8日宣布，因工具遭到滥用，项目转为闭源，不再更新，也不再发布任何公开版本或提供维护支持。原GitHub仓库随后无法公开访问。作者同时声明，ARTEX的设计初衷是在获得授权的资产范围内做安全测试，这次攻击与作者无关。
关闭仓库、强调授权用途，很容易让人联想到法律风险和声誉压力。自己的项目出现在银行遭入侵的报告里，作者恐怕也很难轻松。不过，他没有明确表示这是闭源的动机，外界只能作出推测。
麻烦的是，代码的传播却已经不由他决定了。
此前的GitHub仓库页面显示，ARTEX已有数百个Fork，也就是其他用户复制出来的项目分支。公开网络上仍能找到源码备份和本地化版本，有的韩语版还翻译了界面、文档和代码注释，并附上仅限授权环境使用的提示。
Fork数量不等于开发者数量，更不等于攻击者数量，但至少说明代码已经被大量复制。官方停止维护，对依赖其更新和修复的用户影响很大；已经保存源码、能够自行修改的人，则仍然可以继续使用。
其他同类工具也没有因此消失。截至10月9日，PentAGI、Strix、PentestGPT的官方仓库均可公开访问，使用者仍可获取源码、自行部署。
如果把AI攻击能力的扩散比作打开潘多拉的魔盒，那么关掉一个GitHub仓库，显然不足以把盖子重新扣上。
05
AUTOMATION
当攻击开始“工业化量产”
韩国这起事件让更多普通人看到了AI辅助攻击的模样，其实安全行业对此的讨论则早已开始。
今年7月16日，在上海举行的CSOP 2026 AI安全大会上，ISC2上海分会主席施勇讨论了AI对勒索攻击的影响：漏洞挖掘正在从“精英手艺”走向“工业化量产”。随着AI参与发现和利用漏洞，攻击所需的技术门槛下降，执行效率则持续提高。
过去，一个攻击者能研究多少目标、尝试多少种方法，受自己的知识、经验和时间限制。如今，AI可以接手一部分分析、代码编写和反复测试工作。人仍然需要判断，但可以同时推进更多任务。一些小网站、旧系统，也可能被顺手检查一遍，不管有枣没枣，先打三竿子。
施勇的分享还涉及另一个变化：勒索的手段已经扩展。窃取数据、破坏业务、污染供应链和倒卖信息，正在被组合使用。受害者即使拥有备份，也未必能摆脱数据泄露带来的压力。
这也让韩国金融机构遇袭事件中的一个细节格外值得注意：会话记录显示，攻击者还向Claude询问了泄露数据的销售渠道，并要求协助寻找Telegram上的韩国数据交易群组。报告没有证明他已经完成交易或实施勒索，但从辅助入侵到咨询变现渠道，AI已经出现在同一条犯罪链条上的多个环节。
再往前推一步，如果将AI与即时通信工具连接，在具备相应访问和发言权限的情况下，部分消息处理和沟通工作也可能被自动化，进一步减少人工投入。不过，这属于技术上的可能性，目前没有证据表明本案攻击者已经这样做。很明显，AI除了可以降低攻击成本之外，在降低犯罪活动后续的沟通成本以及交易成本方面也会卓有成效。
06
SMALL BUSINESS
攻击成本降了，小公司也成了黑客眼中的“肥羊”
“我们公司这么小，谁会来攻击？”
这句话算的是一笔经济账，曾经也是非常睿智的思维方式：攻击者花时间研究一家公司，总要考虑能拿到多少回报。问题在于，攻击成本下降后，过去觉得不划算的目标，也可能变得值得一试。何况，小公司手里的数据，未必就不值钱。
一个案例来自于一家员工不足百人的工业机械制造商。根据网络保险公司Coalition披露的案例，这家企业遭遇勒索软件攻击，约一半至六成的数据被加密，备份也受到破坏。即使后来恢复了约四分之三的数据，业务仍无法完全恢复。攻击者最初开出了150万美元的赎金要求，企业最终在谈判后支付了低于一半的金额。
对制造企业而言，恢复了大部分数据，也可能仍然做不成生意。订单无法正常推进，交付就可能受影响。数据在外面能卖多少钱是一回事，企业自己急着恢复业务，又是另一笔账。攻击者正是抓住了这种压力。
另一个案例来自一家心理治疗机构。攻击者窃取患者资料后，先向机构索要赎金。机构拒绝付款，他又联系患者，威胁公开治疗记录，要求他们分别交钱。一份数据库，就这样变成了面向许多个人的勒索名单。
对患者来说，最担心的是自己在咨询室里说过的话，会连同身份信息出现在公开网络上。攻击者甚至不必向每个人索要巨款，也能制造足够大的压力。小型心理咨询机构同样需要考虑这种风险，客户数量有限，咨询记录里的秘密却不会因此变得无关紧要。
这两起事件并非已证实的AI攻击，但它们说明，有些数据关系到企业能否继续营业，有些关系到客户不愿公开的隐私。AI进一步降低攻击成本后，更多企业需要重新评估风险。公司规模小，并不能让损失跟着变小。
07
EMPLOYMENT
AI砍掉的岗位，会在安全公司长回来吗？
过去一段时间，AI编程让程序员的饭碗承受了不小的压力。代码能被AI生成，老板们当然会考虑优化一下研发成本。如今，AI又把攻击变得更容易，可网络安全这个领域，反而要增加招聘HC了。
当然，小公司未必会为此专门招聘一名安全工程师，但有可能开始愿意花钱，请人检查系统、修补漏洞，或者购买持续监测和应急响应服务。一家公司养不起一个安全团队，几十家公司的服务合同，却可能让一家安全服务商扩大团队。
机会也不只在咨询服务。过去觉得安全产品“暂时用不上”的企业，可能开始认真考虑备份恢复、终端防护和安全监测。新增需求能带来多少岗位，还要看客户愿意付多少钱，以及安全厂商自身能用AI提高多少效率，但这至少给了它们拓展市场的机会。
这么看，AI对IT就业的安排还挺曲折：这边帮老板精简开发团队，那边又提醒老板，该给网络安全留预算了。程序员省下来的钱，未必能一直留在老板口袋里。
360：听说我又行了？？？