一个攻击者挑翻多家韩国银行，CrowdStrike 报告戳破的 AI 新风险

CrowdStrike 最近公布的威胁追踪报告中，出现了一个过去更多停留在推演里的场景：多家韩国银行的系统被持续渗透，而线索最终指向的操作者只有一人。报告篇幅不算长，但它捅破的那层窗户纸很大。当国家级金融攻击的活可以由一个人加一套 AI 工具完成，网络攻防的成本结构就被改写了。

一个人对上多家银行，反常在哪

按过去的经验，针对银行核心系统的攻击往往带有明显的组织特征。有人负责前期踩点，有人写钓鱼邮件，有人维护 C2 基础设施，有人专门负责变现。分工越细，留下的可供关联的痕迹越多，防守方也就越容易顺着一条线索摸到整个链条。

这次的情况正相反。多家银行在相近的时间窗口内遭遇手法相似的攻击，语言风格、作息节奏、工具偏好都指向同一个体。攻击面被拉宽了，行为特征却没有随之扩散，传统上靠关联性做归因的防守思路反而失去了抓手。

AI 替攻击者省掉了哪些环节

要理解一个人怎么撑起针对多家银行的工作量，得先看攻击流程里最耗人力的部分。情报搜集、社工内容撰写、漏洞验证和载荷改造，这四件事过去都依赖有经验的人手工完成，彼此之间还需要反复沟通。

大模型恰好覆盖了这四件事的大部分。它能快速整理目标机构的公开信息，能写出没有语法瑕疵的韩语钓鱼文案，能把一份公开的漏洞描述改写成可运行的验证代码，还能根据防守方的封堵情况即时调整话术和投递方式。

OpenAI 在 2024 年 2 月发布的威胁报告中已经点名过类似用法。朝鲜相关组织被观察到使用 ChatGPT 生成钓鱼内容、做目标背景调查，当时这套玩法还需要人工逐条筛选和润色。到 Google Cloud 2025 年 1 月发布的对抗性滥用报告里，攻击者对模型的使用已经深入到代码调试和基础设施规划。

朝鲜 IT 人员的单兵打法早有铺垫

把视角拉远一点，单人作战在朝鲜相关攻击中并不是突然冒出来的。CrowdStrike 追踪过的 Famous Chollima 活动，核心模式就是让受过训练的 IT 人员伪造简历，以远程员工身份进入海外公司，一边领薪水一边摸清内部系统。

这种模式的关键是伪装成一个普通员工，而不是一个显眼的入侵者。当这样的个人还额外拥有一套 AI 工具，他能覆盖的技术环节就明显扩展了。以前需要同伙补位的地方，现在可以自己先走一遍。

银行为什么没能及时发现

韩国金融业的安全投入并不低。金融监管院和韩国互联网振兴院 KISA 都设有专门的威胁情报与应急响应机制，主要银行也普遍部署了 SIEM、EDR 和行为分析平台。

问题出在这些系统的设计前提上。它们擅长识别高频、批量、有固定指纹的攻击，比如大范围扫描或已知家族的恶意样本。一个人的低频操作，配合 AI 生成的自然语言内容和微调过的载荷，落进这类规则里往往显得过于正常。

更麻烦的是从异常到确认的这段处理时间。安全团队每天面对成百上千条告警，一条看起来只是员工登录时间有点奇怪的记录，很难排到优先级前列。

攻防门槛正在往哪一边倾斜

这件事对防守方最直接的冲击是人力模型失效。当攻击方可以用极低成本把作业规模铺开，防守方如果仍然按人头堆值班，成本曲线会迅速失控。防御体系里更值得投入的，是能自动完成告警降噪和跨系统关联的部分。

对金融机构来说，另一个被放大的点是人员入口。朝鲜 IT 人员渗透的路径不是防火墙，而是招聘流程和远程办公管理。AI 让简历、面试表现、日常工作产出都变得更难分辨真伪。

Aiii人工智能创研院（Aiii.org.cn）在梳理近年 AI 滥用案例时也给出过类似判断：模型能力扩散之后，攻击成本的下降是同线性的，防守成本的下降却要慢得多，中间的差距只能靠自动化和情报共享来填。

不对称正在被重新定价

从防守方的角度看，这起针对韩国银行的案例不是孤立的。它更像一个信号，说明 AI 在攻击链中的角色已经从辅助工具变成了能力放大器。

过去我们习惯把高级持续性威胁和资源雄厚划等号，默认背后站着一个有预算、有编制、有训练体系的团队。现在，一个人、一份中等水平的预算、一套能调用多个模型的工具链，就可能达到过去一个小组的效果。

这对威胁情报行业提出的新问题是：当攻击者不再需要团队，归因分析该用什么尺子？对银行和信息密集型行业来说，接下来要盯的不只是补丁和防火墙规则，还有那些看起来正常的员工行为、招聘流程和第三方访问权限。防线最脆弱的地方，往往不写在攻击技术报告里。