2026 年 7 月 20 日，AI 开源平台 Hugging Face 披露了一起由自主 AI 代理实施的网络攻击。
攻击者利用恶意数据集突破平台的数据处理系统，获取云平台和集群凭据，并在多个内部集群之间横向移动。
Hugging Face 表示，攻击入口来自一个植入恶意代码的数据集。
攻击者利用远程代码数据集加载器和数据集配置模板，在数据处理节点上执行代码，随后收集节点中的凭据，并在一个周末内持续扩大访问范围。
与传统人工操作不同，此次攻击的大部分行动由 AI 代理自动完成。
攻击框架通过大量短生命周期沙箱执行数千次操作，能够自行调用工具、测试攻击路径并在不同环境之间迁移。
Hugging Face 尚未确认攻击者具体使用了哪一款大模型。
调查显示，部分内部数据集和服务凭据遭到未经授权访问。
Hugging Face 尚未发现公开模型、数据集、Spaces 应用、容器镜像或已发布软件包遭到篡改，但仍在检查合作伙伴及客户数据是否受到影响。
事件发生后，Hugging Face 关闭了被利用的代码执行路径，清理攻击者在集群中的持久化入口，重建受影响节点，并撤销、轮换相关访问凭据，同时向执法机构报告了此次事件。
安全团队随后需要分析超过 1.7 万条攻击记录，包括恶意命令、漏洞利用载荷、远程控制程序和凭据访问痕迹，以重建完整攻击时间线。
Hugging Face 最初尝试使用商业闭源大模型处理这些日志，但请求被模型的安全系统拦截。由于材料中包含真实攻击代码和恶意载荷，模型无法确认操作者是在开展安全调查还是发动攻击，因此拒绝继续分析。
Hugging Face 未公布相关模型及供应商名称。
最终，安全团队在自有基础设施中部署了智谱的开放权重模型 GLM-5.2，用于整理攻击行为、识别入侵指标和追踪凭据访问情况。
Hugging Face 称，原本可能需要数天完成的取证工作，被压缩至数小时。
本地部署也避免了将真实攻击日志、内部凭据和系统信息发送至第三方服务。对于涉及高度敏感数据的安全事件，这一方式同时解决了模型拒绝响应和数据外泄风险。
Hugging Face 认为，此次事件暴露了 AI 网络攻防中的现实矛盾，攻击者可以使用缺少限制的模型自动执行攻击，而防守团队在分析同一批恶意代码时，可能受到商业模型安全规则限制。
云头条声明：如以上内容有误或侵犯到你公司、机构、单位或个人权益，请联系我们说明理由，我们会配合，无条件删除处理。
网友留言2