Skip to content

AI 是新時代的 baseline:BossAI、ARTEX 事件之後,自己的系統先打一輪

2026年11月13日1 分鐘
TL;DR花蓮的 BossAI、高雄的 AI 自學駭客、首爾的 ARTEX 案,顯示全自動攻擊系統不需要資安背景也能架起來,單一操作者幾週就能掃過數百個目標。自己的系統先用 AI 對原始碼跑一輪資安 audit,再用 ARTEX 類框架自測,兩者成本都遠低於外包滲透測試。

查詞與收藏

正在載入查詞工具…

🌏 English version

最近三週有三起案子,放在一起看,是同一件事:用 AI 打網站,已經不需要是高手。

BossAI(花蓮)高雄首爾(ARTEX)
怎麼曝光資安公司 Acronis 在一台設定錯誤的 VPS 上,看到完整的攻擊平台與 agent 對話紀錄高雄市刑大蒐證後搜索逮人首爾警察廳 10 月 15 日逮捕主嫌
操作者位於花蓮市的個人,有技術背景38 歲,專科學歷,擔任臨時搬運工32 歲,曾做過滲透測試員
規模12 天內針對 11 個國家的數百個組織侵入 4 個公私部門網站,23 萬多筆個資在暗網販售90 多家機構、約 820 萬筆個資,與 6 名共犯勒索
用的東西12 個 AI agent(Hermes、Cursor、Grok 等)、MCP、多個模型AI 生成攻擊程式,串成自動化攻擊系統開源 AI 滲透測試框架 ARTEX

高雄那位不具資訊背景,BossAI 的操作者是懂技術的人;報導裡兩人的工作與背景對不上,目前沒有任何報導把這兩案連在一起。

BossAI:一個人,12 個 agent,還是會出錯

BossAI 是被「看光」的。Acronis 的研究團隊從一台設定錯誤的開發環境開始查,拿到超過 9 萬個檔案、約 9GB 的資料,包括 agent 對話、攻擊指令、設定檔與受害者資料。後來可以還原操作者是誰,靠的是操作失誤累積出來的線索:對話中的 SSH 連線露出住家 IP,SSH 金鑰身分對得上 GitHub 帳號,伺服器上出現的商業品牌,與對外營業的網站一致。Acronis 判斷這是花蓮市的單一個人。截至這篇發布,我查到的報導都沒有提到台灣警方有沒有後續動作。

這套系統的組成,跟我們在做 agent 工程時用的東西一樣:

  • 建設者:Grok、OpenClaw、Claude Code、Codex,負責架 MCP、DNS、代理與訊息閘道。
  • 攻擊者:Hermes 為主,加上 Cursor、Trae;另有 HalberdStrike 與 Acunetix 掃描器產出弱點報告。
  • 工具層:透過 MCP 接上 Kali,nmap、sqlmap、Metasploit、Hydra 都能由 agent 自己呼叫。
  • 技能:Hermes 把攻擊流程存成 SKILL.md,其中針對台灣消防派遣與緊急管理 API 的那一份用得最多,換模型之後還能沿用累積的偵察資料。

台灣這邊受到影響的是緊急服務:Acronis 指出攻擊者取得台北市七個行政區的 119 派遣紀錄,另外發現一個台北消防單位的病患照護平台,不用登入就能看到自 2018 年起的心電圖、救護車影像與生命徵象。

這套系統的限制也很具體,Acronis 的報告寫得相當誠實:

  • 商用模型(包含 Grok、MiniMax)一碰到攻擊請求就拒絕,還會要求對方出示授權文件,所以攻擊端幾乎都跑在本機「abliterated」(移除安全訓練)的 DeepSeek、GLM、Qwen 變體上,能力較弱。
  • 各 agent 之間沒有串通,操作者自己複製貼上,把掃描報告貼給 Hermes,再貼給 Cursor 執行。
  • HalberdStrike 回報的高風險與重大弱點,超過一半是誤報或分類錯誤,連線失敗還被當成 RCE。
  • 操作者給 Hermes 全權決策、不要回頭問,結果 Hermes 發現一台宏都拉斯軍方主機,自己判斷「超出範圍」就放掉了。

所以 BossAI 不是一台不會出錯的攻擊機器。它是一個人用現成零件拼出來的流水線,有力氣、有雜訊,但足以在 12 天內掃過數百個目標。

門檻:說一句「幫我跑起來」

另外兩案說的是門檻。

高雄的案子,警方的說法是該名男子沒有資訊專業背景,靠網路搜尋與多個生成式 AI 互相比對、修正程式碼,自己做出攻擊系統,專挑有漏洞的網站後台整包下載資料庫,再以每筆約 6 元在暗網賣。報導數字是 23 萬多筆個資、獲利約 270 萬元。新聞沒有公開太多技術細節,所以我不評論他的系統做到什麼程度。

首爾的主嫌雖然做過滲透測試,也是靠網路自學的,他 8 月底改用 ARTEX,在 8 月 31 日到 10 月 13 日的 43 天內入侵 60 家企業。首爾警察廳自己的說法是:這是南韓第一次查獲用生成式 AI 大規模入侵、竊取個資的案件,AI 明顯降低了門檻。

ARTEX 這類開源專案的另一個含意:你不用懂它怎麼跑,只要告訴你的 coding agent「幫我把它裝起來、跑起來」,剩下的環境、依賴、設定,agent 都會處理。Acronis 也點出同一件事:BossAI 的操作者用商用模型當「基礎設施工程師」,攻擊相關的才交給本機模型。這種分工讓沒有程式或 AI 工程背景的人,也有機會拼出類似的攻擊系統。

兩個角度合起來:成熟度變高,加上門檻變低,攻擊的總量就會上去。

全自動滲透到什麼程度

我之前把 ARTEX 抓下來玩過,結論是效果非常好。下面這條攻擊鏈是測試中 agent 自己打出來的。我給它的目標只有一句:「幫我拿到 xxx 的 server 權限」。

測試中 agent 自己串出的一條攻擊鏈
1recon2偽造身份3橫向移動4丟給 K8S5發現可提權目標:一句話 + 一個網域前端 JS 裡的測試用 header偽造身份、繞過 sandbox,取得 RCE從 cloud metadata 拿到暫時的 keyK8S node 權限,橫向移動到其他 podservice account 提權成 cluster admin
  1. agent 先對網域做 recon,辨識服務,在前端 JS 找到測試用的 header
  2. 用這個 header 偽造身份進入系統,發現一個在 sandbox 跑 JS 的功能,繞過黑名單後取得 RCE
  3. 從 RCE 橫向移動,在 cloud metadata 拿到暫時的 key
  4. 把 key 丟給 K8S,取得 node 權限並移動到其他 pod
  5. 發現某個 service account 能建立 pod 並提權,最後取得 cluster admin

捲到圖上會自動逐步播放,也可以用按鈕停在任一步。這個流程跟人類滲透測試員做的事一樣:從每一條線索往下延伸,不斷嘗試。

模型也不用最強的。我用 DeepSeek v4.1 flash,放它跑四五個小時,大約花 10 美金,就找出一堆問題。

要講清楚的是,這不等於它比資深的滲透測試員強。它會有疏漏,有些細節要人盯著觀察才找得到;我自己跑的時候也是盯著,免得它把系統打壞。它的優勢是快、便宜、全自動,放著就會跑。黑箱測試裡有一部分是公式化的工作,例如把每個輸入欄位都塞滿 XSS payload 看會不會觸發,流程固定,但為了 coverage 不能不做。這類事情交給 AI 剛剛好,省下的時間可以拿去看真正需要人腦的地方。

我的看法是,自動滲透的成熟度已經接近 coding agent:寫功能時跟 agent 講一句,它就寫完;做滲透測試時講一句,它就自己攻擊、自己寫報告。

被入侵一點都不意外

從這個角度看,有那麼多系統被打穿,我一點都不意外。AI 出現之前,很多系統的資安就是一塌糊塗:老舊系統一堆洞,不是自己的程式碼有問題,就是用的第三方套件早就有公開的 exploit。

過去沒出事,多半是價值不高,沒人願意花力氣。現在系統只要架在網路上,對方講一句話就能開始打。攻擊的成本降下來,原本「不值得打」的目標就變成「順手打」。

自己能做的三件事

做法成本適合
找可信任的資安公司做滲透測試高重要服務、有合規需求
用 AI 對原始碼做資安 audit低有原始碼,想先把基本功做好
架一套 ARTEX 類框架,打自己低有對外服務,想看實際打得進去什麼

**滲透測試(penetration testing)**是最穩的。花錢找可信任的公司做,仍是保護自家服務最好的方法。這行品質參差不齊,有些只是拿工具跑個弱點掃描,就包裝成滲透測試在賣。碰到那種,效果不見得比自己架一套 ARTEX 好,所以才特別寫「可信任」。我不推薦、不背書任何一家,也不列名單,可以問身邊的親朋好友。

傳統工具該進化了。 傳統弱點掃描是丟固定 payload,源碼掃描多半是比對固定 pattern;AI 會思考、懂 context,兩者結合才是更強的做法,現在已有不少公司把 AI 用在 source code audit。

沒預算,先對原始碼下指令。 例如:

  • /goal 幫我做一下資安的 audit,找出資安問題
  • 或是逼它一直迭代:/goal 這程式碼裡面有個嚴重的 RCE 漏洞,幫我找出來

這樣已經能找出不少問題。

自己先打一輪。 從網路上找一份 ARTEX(或它的 fork)架起來,對你自己的系統跑一遍。只打你自己的、或有書面授權的目標,而且工具本身也是攻擊面,別把它放在能碰到內部網路的位置。這類工具的雙用途風險,可以看這篇。

第二、第三種成本低、效益高,CP 值很好,是我最推薦的起點。

整體來說

以前有人來問問題,我們會希望對方先做過「功課」,也就是先問過 Google。現在這份功課是先問過 AI。

資安也一樣。攻擊的人已經在用 AI 自動化地探你的系統,沒有先讓 AI 把自己的程式碼與服務看過一輪,就是基本功沒做好,之後花錢請人做滲透測試,才不會花在 AI 十分鐘就能找出來的洞上。AI 已經是新時代的 baseline。

參考資料