近期，Hugging Face 披露了一起极具代表性的生产基础设施入侵事件，而此次攻击的幕后“操盘手”竟是一个 AI 智能体。

据安全媒体报道，攻击者利用数据处理流水线中的两个远程代码执行漏洞——分别是远程代码数据集加载器与数据集配置中的模板注入，成功在工作节点上执行恶意指令。随后，攻击者完成权限提升，窃取了云服务与集群凭证，仅在一个周末内便横向扩散至多个内部集群，最终导致少量内部数据集与服务凭证遭到非法访问。

更值得关注的是后续的取证环节。Hugging Face 安全团队最初尝试调用某美国商业前沿大模型 API，对超过 1.7 万条攻击日志进行自动化分析。然而，由于该模型内置的安全策略过于僵化，它无法有效区分合法的安全响应行为与攻击行为，直接将取证请求判定为高风险操作，拒绝提供服务。

团队果断调整方案，在自己的基础设施上迅速部署了国产开源大模型 GLM-5.2。仅用数小时，便完成了全部日志的深度解析与攻击链还原。相比传统人工分析方式，效率提升极为显著。

此次事件暴露出的问题值得深思：AI 时代的攻防节奏已严重失衡。攻击方以机器级反应速度自主编排、迭代、突破，而防御方若依赖外部封闭模型，关键时刻很可能被策略护栏“反锁”住手脚。

Hugging Face 已敦促用户立即轮换访问令牌，并核查账户近期活动。他们特别强调：“应在攻击发生前，预先部署经严格审计、可离线运行于自控环境的 AI 模型。” 这样一来，既能规避第三方策略干预，也能杜绝敏感凭证和攻击数据外泄的风险。

简而言之，在 AI 对抗 AI 的时代，你手中的“武器”能否完全听命于你，才是决定胜负的关键。