Aiying 艾盈是一家专注于传统金融及Web3的合规咨询服务机构，本文为团队原创，转载需授权。
2026 年 10 月 8 日，网络安全机构 CrowdStrike 发布情报报告，披露一名身份不明的攻击者在 9 月下旬至 10 月初，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动定向网络攻击并窃取客户数据。据韩媒估算，包括 KB 国民银行、新韩银行、韩亚银行在内的至少七家金融机构受袭，约 68000 人个人资料外泄，涵盖年收入与贷款额度等金融敏感信息。这起事件的意义，已超越单点数据泄露，直指 AI 被武器化后金融机构数据保护体系面临的系统性压力。
发生了什么
LLM 充当「攻击指挥中枢」
与传统漏洞利用不同，攻击者把大语言模型当作自动化攻击编排的核心。CrowdStrike 分析其暴露的开放目录发现，攻击流程综合调度了 Claude Code、GLM-5.3、Grok 4.6，以及经 API 代理接入的 DeepSeek v4.1-flash 等多款模型，开源工具 ARTEX 则承担渗透测试的落地执行。换言之，模型负责「决策与脚本生成」，工具负责「具体侵入」，二者叠加显著降低了高技能攻击的门槛。
跨境基础设施与产业化变现
报告指出，攻击者采用以中国香港 IP 为核心的双服务器架构。更具警示意义的是，其曾向 Claude 咨询如何在 Telegram 群组变现韩国泄露数据，显示攻击已进入「窃取—变现」的产业化阶段，而非单纯的技术炫耀或国家背景渗透。
受害范围与数据敏感度
韩媒估算至少七家金融机构遭袭，约 68000 人资料外泄，其中含年收入、贷款额度等可直接用于信贷欺诈与精准诈骗的敏感字段，数据价值远高于一般联系方式泄露。
为什么重要
AI 使网络犯罪「平民化」
本案的关键转折在于：过去需要资深红队工程师才能完成的攻击编排，如今可由 LLM 以更低成本复现。金融犯罪的技术门槛正从「人的技能」转向「算力与提示词」，这对依赖传统边界防护与签名检测的金融机构构成根本性挑战——攻击者能以更快速度迭代手法，而防御方仍需应对告警疲劳与工具碎片化。
合规责任的双重放大
一方面，韩国《个人信息保护法》（PIPA）及金融监督院（FSS）对数据泄露设有强制报告与整改义务，涉事机构可能同时面临监管处罚与民事索赔；另一方面，攻击者利用通用 AI 咨询数据变现，暴露出平台级 AI 在内容安全与滥用监测上的监管空白——当 LLM 被用于犯罪策划，模型提供方、API 代理方与最终使用者之间的责任边界尚不清晰。
对加密与金融科技的映射
对合规从业者而言，本案的警示是双重的：其一，数据泄露的变现渠道与 Telegram 灰市、加密资产匿名性结合，是链上监测与反洗钱（AML）的重点盲区；其二，任何采用 AI 工具或接入第三方模型的金融机构，都必须把「AI 滥用风险」纳入网络安全与反洗钱的评估框架，而不能只关注传统攻击向量。
怎么看
- AI 滥用监管：LLM 正成为网络犯罪的「生产力工具」，监管焦点或从「工具本身」转向「能力滥用与下游责任」。
- 数据保护责任：金融机构的客户数据保护义务被 AI 攻击放大，跨境架构（中国香港 IP）使执法追责与管辖认定更加复杂。
- 合规启示：加密与金融科技机构应同步审视自身 AI 工具使用边界与第三方模型接入风险，避免成为下一轮「编排目标」。
- 观察点：韩国金融监督院是否会据此升级金融机构的 AI 安全标准与网络安全事件报告要求，值得持续跟踪。
一句话总结
CrowdStrike 报告揭示的网络攻击，标志着 AI 已从「辅助工具」跃升为「犯罪编排中枢」——攻击者用多款 LLM 调度渗透、再借 Telegram 变现韩国七家金融机构约 6.8 万人的金融数据；对金融机构与监管者而言，真正的挑战已不是「如何挡住漏洞」，而是「如何治理被 AI 放大的能力滥用与数据责任」。
本文基于 CrowdStrike 情报报告（2026 年 10 月 8 日发布）撰写，参考 吴说区块链报道 及韩国媒体转述。
