AI 工具加速對南韓銀行的攻擊

2026 年 9 月底至 10 月初，多家南韓金融機構成為網路攻擊的目標，人工智慧加速了對易受攻擊系統的搜尋。安全公司 CrowdStrike 根據攻擊者控制的伺服器上的檔案與會話紀錄重建了整個過程。The Decoder 與台灣專業媒體 iThome 獨立報導了此分析。兩個來源都強調，對於歸屬的判斷需謹慎閱讀：CrowdStrike 認為嫌疑人可能是使用中文的攻擊者，但僅給予中等可信度，且未將此活動歸屬於任何已知的國家或犯罪組織。

ARTEX 自動化漏洞搜尋

此事件的核心是 ARTEX，一款開源的滲透測試工具。它於 2026 年 7 月在 GitHub 發布，並在中國開發。該程式將傳統測試方法與大型語言模型結合。使用者不必手動檢查每個目標位址與可能的漏洞，而是能自動化流程、評估技術提示並準備攻擊步驟。根據 CrowdStrike 的說法，ARTEX 被設定為以 DeepSeek v4.1‑flash 作為主要語言模型。其他會話紀錄中還出現了 GLM‑5.3 與 Grok 4.6 作為輔助工具。

根據安全研究人員的說法，發現的資料包括 ARTEX 的設定檔、Claude Code 的紀錄以及儲存的工作筆記。這些不僅顯示技術操作步驟，亦顯示嫌疑人在 Telegram 群組中尋找被盜資料的市場。這些痕跡表明被盜資訊可能被用於經濟目的，但並未證明確實發生過販售。來源迄今未報告任何已確認的買家，也沒有完整記錄資料集的轉讓情形。

單一家銀行至少 25,000 筆資料外洩

關於新韓銀行（Shinhan Bank）的資訊最為具體。韓國報紙 Khan 報導稱，該行超過 25,000 筆資料外洩。這些資料包括姓名、聯絡方式、收入與信用額度。其他銀行亦可能受影響，但在現有報導中未完整公布其名稱與被盜資料的確切數量。因此無法可靠估算受害總數或可能的財務損失。至於身份盜用、詐騙或濫用信用申請等後續影響，目前亦未量化。

南韓金融監管機構在事件曝光後召開緊急會議。總統 Lee Jae‑myung 要求進行全面調查。這些回應顯示政治層面的重要性，但並不取代已完成的鑑識檢查。迄今尚未公開證實所有受攻擊的機構是否存在相同漏洞，或 ARTEX 是否針對不同系統採取不同方式。同時缺乏關於攻擊者在網路中未被發現的時間長短以及哪些防護措施失效的資訊。

AI 改變速度，非證據規則

此案例並非證明單一語言模型即可使銀行受損。它更顯示單一使用者如何將現有工具、開源模型與傳統攻擊技術結合。自動化搜尋與機器生成的建議縮短了從已知漏洞到可行攻擊的路徑。然而關鍵步驟仍是攻擊者的技術操作。歸屬判斷亦必須依賴基礎設施、語言、時間模式及其他線索。僅憑使用的模型或在中國開發的工具，無法單獨證明來源或委託方。

• CrowdStrike 只以中等可信度將嫌疑人歸屬於使用中文的環境
• ARTEX 結合自動化安全測試與多個語言模型
• 新韓銀行的資料外洩超過 25,000 筆
• 其他機構的受害與損失數據尚未完整公布
• 盜取資料的販售尚未公開確認

對銀行而言，這帶來雙重任務。必須更快修補已知漏洞，因為攻擊者正日益自動化搜尋。同時，必須將異常查詢、新工具與資料流動記錄，以便事後能可靠重建事件。傳統措施如網路分段、多因素驗證、最小權限以及大規模資料外流監控，因 AI 並未失去重要性。相反地，攻擊準備越快，縮短回應時間與明確的斷線機制就越關鍵。

仍然不清楚此行動的規模到底有多廣。CrowdStrike 的分析基於來自攻擊者基礎設施的資料；在引用的報導中，未見南韓當局或第二家安全公司對所有細節進行獨立驗證。亦未證實與任何國家或有組織團體的關聯。最可靠的結論因此較為保守：開源 AI 支援的攻擊工具已在針對金融機構的實際入侵中被使用，且至少有一家銀行報告了大量敏感客戶資料外洩。其餘細節須待持續調查釐清。