一个人没有黑客团队，也没有多年渗透测试经验，能不能借助 AI 把攻击做得像一支专业队伍？
韩国金融机构近期遭遇的入侵事件，让这个问题不再只是想象。CrowdStrike称，9月底至10月初，一名身份尚未确认的攻击者使用自动化渗透测试工具 ARTEX，并结合多个大语言模型，针对韩国金融机构展开活动，相关行动造成数据被窃。报告提到，受影响系统包括银行面向金融经纪人的贷款进度查询服务，以及员工移动办公支持系统；截至报告发布时，受影响机构数量和事件全貌仍未完全确认。
CrowdStrike还在与攻击者相关的服务器目录中发现了 AI 工具配置和会话记录。记录显示，操作者使用 AI 模型协助渗透测试，并尝试寻找韩国数据交易渠道。报告没有证明这个人是“零基础黑客”，也没有确认其真实身份；“华南理工学生”的说法来自服务器资料中的个人自述，不能当作已核实身份。韩联社报道也指出，攻击者身份、入侵范围和被窃数据规模仍未确认。
但这个事件仍然让人警觉。它展示的不是 AI 神奇地替人攻破银行，而是一个人可以借助自动化工具和多个 AI 模型，把原本需要不同技能、反复手工完成的工作串联起来。网络攻击的门槛，可能正在从“我得先会做每一步”，变成“我能不能把工具、目标和流程组织起来”。
AI没有创造漏洞，却让“尝试”变得更便宜
传统的网络攻击需要不少准备工作：搜索目标信息、识别对外开放的系统、理解错误提示、尝试不同路径，再判断下一步该做什么。熟练的攻击者能把这些环节推进得很快，但对缺乏经验的人来说，每一步都可能是门槛。
AI和自动化代理改变的，正是这些环节之间的连接方式。它们可以解释技术资料、协助编写脚本、整理扫描结果，也可以根据反馈继续执行下一步。操作者仍然需要选择目标、配置环境、判断结果，但不再必然要亲手完成每个细节。
这不是“谁都能一句话黑进银行”。AI会犯错，会给出不适用的建议，也不能凭空变出可利用的漏洞、有效账号或网络入口。韩国事件里，AI工具与传统攻击能力是结合使用的，攻击者也部署了服务器和代理基础设施。公开信息并没有告诉我们操作者原本有多熟练。
真正值得注意的是成本变化：当重复工作可以自动化，攻击者就更容易同时测试更多目标，也更容易在失败后快速调整。过去可能因为投入太大而不值得尝试的系统，现在也许会被顺手纳入扫描范围。对防守方来说，麻烦不只是某个攻击者变得更强，而是更多人能够以更低成本反复尝试。
从“专家能力”到“流程编排”，风险扩散得更广
网络攻击通常不是一个孤立的高难度动作，而是一串环环相扣的任务。找入口、分析系统、确认权限、维持访问、转移数据，每个环节都可能需要不同的知识。过去，这种工作往往需要经验丰富的人，或者能够互相配合的团队。
AI代理让流程编排变得更容易：操作者可以把目标拆成多个任务，让工具反复执行，再把结果交给模型解释和继续规划。人的角色因此发生变化——不一定要亲自掌握所有技术细节，但必须懂得如何设定目标、选择工具、提供必要权限，并判断结果是否可信。
这和使用其他自动化工具一样，并不意味着技术能力消失了，而是能力的分布方式发生变化。复杂工作的“最低入场门槛”降低了，熟练者则可能借此进一步放大效率。攻击能力不会平均地落到每个人手里，但能够尝试的人和尝试的次数都可能增加。
韩国事件之所以重要，也不在于它证明了“零基础者攻破银行”，而在于调查人员看到了一个具体工作流：操作者把开源自动化工具、多个大语言模型、云端服务器和代理网络组合起来，用于针对金融机构的行动。技术能力被拆分、调用、串联，而不再完全依赖单个人从头到尾手工完成。
对银行和企业而言，这意味着防守不能只盯着“高级黑客”。暴露在外的旧系统、面向合作伙伴的查询页面、员工移动办公入口、权限配置不当的服务，都可能成为现实风险。攻击者未必需要正面突破最核心的系统，外围业务系统和身份入口也可能成为切入口。
防守的重点，是缩短发现与处置的时间差
AI也可以帮助防守方分析告警、归纳日志、识别异常行为和加快漏洞排查。但工具本身不会自动形成安全体系。如果企业不知道自己有哪些外部服务、谁拥有哪些权限、哪些系统已经过期，AI再快，也只能在不完整的信息上工作。
基础防护仍然重要：及时盘点互联网暴露面，修补已知漏洞，限制账号权限，保护凭证，并为关键系统建立日志和异常告警。企业还需要预先明确谁负责响应、如何隔离受影响服务，以及如何判断事件是否扩散。攻击步骤被压缩之后，防守方的响应时间也必须随之缩短。
个人用户同样需要意识到，攻击门槛降低带来的不只是“高科技黑客”风险。自动化工具能够扩大攻击规模，钓鱼、撞库和账号接管也可能变得更容易。独立密码、多因素验证、及时更新设备和应用，看似普通，却仍是降低风险的重要环节。
AI不会让每个新手瞬间变成顶尖黑客。但它正在削弱“必须先成为专家，才能开始尝试”的限制。韩国金融机构事件没有证明零基础的人可以轻松攻破银行，却清楚展示了另一种变化：一个操作者能够把自动化工具和多个模型组合进真实攻击流程。
网络安全面对的，可能不只是更强的对手，而是更多能够发起尝试的人。我们需要关注的，也不只是 AI 能做什么，更是系统是否暴露在不必要的风险中，以及防守方能不能在攻击流程变快之后，及时发现、隔离和修复问题。