CrowdStrike 报告：黑客借 LLM 与 AI 工具攻击韩国金融机构，6.8 万人数据泄露

Aiying 艾盈是一家专注于传统金融及Web3的合规咨询服务机构，本文为团队原创，转载需授权。

网络安全机构 CrowdStrike 10 月 8 日发了一份情报报告，说有一名身份不明的黑客，在 9 月底到 10 月初这段时间，靠大语言模型（LLM）加上国产开源 AI 渗透工具 ARTEX，对韩国好几家金融机构搞定向攻击、偷客户数据。据韩媒估算，KB 国民银行、新韩银行、韩亚银行在内至少七家机构中招，约 6.8 万人的资料外泄，包括年收入、贷款额度这些敏感信息。这件事的分量，已经不是「又一起数据泄露」，而是 AI 被用来搞犯罪之后，金融机构的数据防护体系要面对的新压力。

发生了什么

LLM 当「攻击指挥官」

这次的攻击不是靠传统漏洞，而是把大模型当成自动编排攻击的大脑。CrowdStrike 分析黑客暴露的开放目录发现，整个攻击流程同时调度了 Claude Code、GLM-5.3、Grok 4.6，还有通过 API 代理接进来的 DeepSeek v4.1-flash 等好几款模型，开源工具 ARTEX 负责落地渗透。说白了，模型负责「出主意、写脚本」，工具负责「真正侵入」，两样加起来，让高难度攻击的门槛一下子降下来了。

跨境服务器 + 产业化变现

报告还提到，攻击者用的是以中国香港 IP 为核心的双服务器架构。更值得警惕的是，这人还跑去问 Claude「怎么在 Telegram 群组变现韩国泄露的数据」，说明已经走到「偷到手—换成钱」的产业化阶段，而不是单纯炫技。

受害范围和敏感度

韩媒估算至少七家金融机构遭袭，约 6.8 万人资料外泄，里面还有年收入、贷款额度这类字段——这些数据能直接用来做信贷欺诈和精准诈骗，价值比普通联系方式高得多。

为什么重要

AI 让网络犯罪「变便宜了」

关键转变在这：以前要资深红队工程师才能干的攻击编排，现在靠 LLM 就能低成本复现。金融犯罪的门槛，正从「人的技能」转向「算力和提示词」。这对靠传统边界防护、签名检测的金融机构是根本性的挑战——攻击者手法迭代飞快，防守方却还要对付告警疲劳和工具碎片化。

合规责任被双倍放大

一边是韩国《个人信息保护法》（PIPA）和金融监督院（FSS）对数据泄露有强制报告和整改义务，涉事机构可能同时吃监管罚单和民事索赔；另一边，黑客用通用 AI 咨询数据变现，暴露了平台级 AI 在内容安全和滥用监测上的空白——LLM 被拿去策划犯罪时，模型方、API 代理方、最终使用者之间的责任边界，到现在还不清楚。

对加密和金融科技的启示

对做合规的人来说，这案子有双重警示：一是数据泄露的变现渠道跟 Telegram 灰市、加密资产匿名性绑在一起，是链上监测和反洗钱（AML）的重点盲区；二是任何用 AI 工具、或者接第三方模型的金融机构，都得把「AI 滥用风险」纳入网络安全和反洗钱评估，不能只盯着传统攻击。

怎么看

• AI 滥用监管：LLM 正在变成网络犯罪的「生产力工具」，监管重点可能从「管工具」转向「管能力滥用和下游责任」。
• 数据保护责任：金融机构的客户数据保护义务被 AI 攻击放大，跨境架构（中国香港 IP）让追责和管辖认定更复杂。
• 合规启示：加密和金融科技机构要同步审视自己的 AI 工具使用边界、第三方模型接入风险，别变成下一轮被「编排」的目标。
• 观察点：韩国金融监督院会不会借这次事件，升级金融机构的 AI 安全标准和网络安全事件报告要求，值得盯一盯。

一句话总结

CrowdStrike 这份报告揭示的网络攻击，说明 AI 已经从「辅助工具」跳到「犯罪编排中枢」——攻击者用多款 LLM 调度渗透、再借 Telegram 变现韩国七家机构约 6.8 万人的金融数据；对机构和监管者来说，真正的难题已经不是「怎么挡住漏洞」，而是「怎么治理被 AI 放大的能力滥用和数据责任」。

本文基于 CrowdStrike 情报报告（2026 年 10 月 8 日发布）撰写，参考 吴说区块链报道 及韩国媒体转述。