AI辅助攻击韩国九家银行：CrowdStrike锁定中国广东嫌犯，用ARTEX Agent与Claude Code
发布时间：2026年10月08日 12:00:0010月8日，安全巨头CrowdStrike披露一起针对韩国至少九家银行的AI辅助网络攻击：一名位于中国广东的嫌犯使用ARTEX AI Agent（自动化安全测试工具）与Claude Code进行渗透，在几周内探测到银行前端系统的多个OWASP Top 10漏洞并发起社工攻击。嫌犯的攻击日志显示，ARTEX Agent负责自动探测与漏洞复现，Claude Code辅助生成针对性Payload与绕过WAF的代码变体——攻击效率被AI大幅拉高。这是迄今公开披露中最直接的「AI Agent+大模型」协同犯罪案例：传统红队需要数周的手工探测+反复试错，现在AI辅助攻击可以在几天内完成，让攻防双方的不对称性进一步放大。
一起AI辅助的银行攻击
10月8日，网络安全巨头 CrowdStrike 披露了一起过去几个月里针对韩国至少九家银行的网络攻击——与传统攻击不同，这一起从头到尾都是AI Agent + 大模型的协同作业。
攻击链条清晰：
| 步骤 | 工具 | 作用 |
|---|---|---|
| 1 | ARTEX AI Agent | 自动扫描银行前端系统、探测OWASP Top 10漏洞、复现漏洞 |
| 2 | Claude Code | 接收ARTEX的扫描结果，生成针对性的Payload与绕过WAF的代码变体 |
| 3 | 社工 | AI辅助生成钓鱼邮件、定制化诈骗话术 |
| 4 | 后渗透 | 在成功入侵的系统里自动横向移动、窃取敏感数据 |
CrowdStrike通过攻击日志追踪到一名位于中国广东的嫌犯——此人从韩国境内的多个跳板机发起攻击，而整套"攻击流水线"的自动化程度极高，CrowdStrike估计如果由传统红队手工完成，需要数周时间，但这次攻击者只用了几天。
最核心的新闻：AI把攻防不对称拉得更歪
这起攻击最值得警惕的地方不在于"又有银行被黑了"，而在于AI让攻防双方的不对称性进一步放大：
| 维度 | 防御方 | 攻击方 |
|---|---|---|
| 人力 | 银行安全团队通常规模有限 | 单个攻击者就能发起自动化流水线攻击 |
| 速度 | 需要逐项排查、补丁测试、变更上线 | AI Agent几分钟扫完一个系统、几小时发现漏洞 |
| 可复制性 | 每个银行都要单独防护 | 一套攻击工具打遍多家银行 |
| 成本 | 安全投入持续加码 | 用的是商用AI Agent和主流大模型，月费几十到几百美元 |
攻击者用的ARTEX Agent和Claude Code都是合法商用工具——ARTEX是给安全工程师做渗透测试用的Agent框架，Claude Code是帮助开发者写代码的助手。当好人手里的工具同时可以被坏人拿去作恶，监管与合规就面临更严峻的问题。
与此前攻击的不同：Agent真的在干活
此前"AI辅助攻击"的报道多数是"AI生成钓鱼邮件"或"AI写个简单脚本"，这次不一样——ARTEX Agent是真的在"自动干活"：扫描、探测、复现，全流程无人值守。嫌犯主要做的是"指挥"和"选择目标"，这意味着攻击者的技术门槛被AI大幅降低了。
行业反应
- 网络安全厂商：强化了"AI Agent必须纳入安全检测范围"的共识。传统WAF只能拦已知攻击模式，但AI生成的Payload可以自动变异绕过规则。
- 银行：韩国监管已要求受影响银行做强制AI安全审计，包括检测是否有未授权的Agent在内部系统活动。
- AI公司：Claude Code的合作政策明确禁止用于非法渗透，但如何技术上识别并阻断这类滥用，仍是未解难题。
结语
这起事件再一次印证了AI在攻防领域的双重效应：好人用AI能把防御效率拉上去，坏人用AI能把攻击速度抬上去。关键问题从来不是「AI能不能作恶」，而是「作恶的成本能不能被压到足够低」。当单个攻击者用月费几百美元的商用工具就能干翻九家银行，AI安全不再是"实验室里的学术问题"，而是每一家企业都要面对的日常威胁。