韩国银行遇袭，AI智能体成调查线索

韩国多家金融机构遭遇攻击，AI 是否参与仍待调查

韩国总统李在明 10 月 6 日表示，近期针对韩国金融业的一系列网络攻击可能使用了人工智能。韩国警方已就相关事件立案，并成立由 28 人组成的专案组调查攻击路径和受影响范围。金融监管机构则要求金融企业排查外部暴露的 IT 资产、相关 IP 地址和系统漏洞。

这起事件值得关注，但目前还不能简单概括为“AI 智能体攻破韩国银行”。**AI 智能体是一种能够围绕目标规划并连续执行多个步骤的软件系统；在网络安全场景中，它可能把信息搜集、漏洞测试和结果反馈串成一套自动化流程。**现阶段公开材料提供的是“疑似使用 AI”的调查线索，不是已经完成的技术归因，也没有证实某个智能体自主完成了整场攻击。

韩国金融服务委员会称，已有超过 6.8 万人受到相关攻击影响。补充报道提到，新韩银行、KB 国民银行、韩亚银行、BNK 釜山银行、储蓄银行及现代资本等机构报告了客户或业务相关信息泄露；受影响信息涉及客户资料，也包括员工、外包人员或贷款中介等业务支持环节。各机构的受影响系统与数据类型并不完全相同，不能把这些事件都描述为核心银行交易系统失守。

攻击的共同点之一，是目标可能落在面向员工、合作方或贷款业务人员的外部系统，而非网银和手机银行等受到重点保护的交易入口。这些门户往往用于身份核验、资料提交、业务协同和客户管理。它们不一定能直接转移资金，却可能接触身份、雇佣、收入或借贷信息；一旦泄露，仍会带来冒名申请、定向诈骗和隐私侵害等后续风险。

线索不是归因，AI 的角色尚未厘清

**网络攻击归因是根据技术证据判断攻击者身份、行动方式和资源来源的过程；单一 IP 地址、工具痕迹或网页文本通常不足以完成归因。**韩国金融保安院院长朴相源表示，攻击者使用了多个地点的 IP 地址，仅凭地址难以确认攻击者身份。媒体报道还提到，监管部门掌握了 33 个相关 IP 地址，剔除重复项后为 28 个，并要求金融机构检查这些地址及其暴露资产。

这些地址显示的是流量从哪里经过，不等于攻击者真实所在地。云服务器、被入侵的设备、虚拟专用网络等都可能被用来转发流量。即便多家机构观察到相同地址或类似攻击手法，也只能支持事件之间可能存在关联，不能单独证明所有事件由同一团队实施，更不能据此判断背后行为者的国籍。

另一个受到关注的线索，是调查人员据称在与攻击有关的服务器页面中发现了与 ARTEX AI 相关的中文文本。补充报道将 ARTEX AI 描述为一款开源的自动化渗透测试系统，可协助漏洞扫描和攻击路径规划。不过，页面中出现工具名称或相关文本，不能证明攻击者实际运行了该工具；即便工具确实被使用，也无法仅凭这一点判断哪些步骤由 AI 执行、哪些由人操作，或 AI 是否参与了关键决策。

这里需要区分三个层次：自动化工具、带有模型能力的安全工具，以及能够持续规划和行动的智能体。传统扫描器早已能批量探测服务、比对漏洞特征；智能体的潜在变化，在于它可能根据前一步结果选择下一步行动，而不必每一步都等待操作员输入。但本案是否出现了这种自主规划，目前没有足够公开证据说明。

因此，事件的准确表述应当是：韩国方面怀疑部分攻击使用了 AI，调查正在进行；AI 是否参与，以及参与到什么程度，仍待证据确认。把“可能使用 AI”写成“AI 已自主攻破多家银行”，会把调查假设误写成事实，也会掩盖更直接的问题：金融机构的外部系统、身份权限和供应商访问链路是否存在防护缺口。

自动化可能改变攻击的成本，但不会消除基本安全问题

**AI 辅助攻击的现实风险，首先是降低侦察与重复测试的边际成本，而不是让攻击者凭空获得突破所有防线的能力。**如果攻击者能自动整理公开资产、识别常见配置错误，并按结果调整后续测试，那么同一套方法就可能更快覆盖更多机构。对拥有大量外部服务、业务门户和供应商连接的金融集团而言，防守方的资产清单越不完整，自动化带来的规模压力就越大。

这与“AI 自动破解银行核心系统”不是一回事。模型和智能体仍受工具权限、网络可达性、漏洞条件和防守措施约束。它们可能加快已知任务的执行，却不会自动绕过多因素认证、网络隔离、权限控制或有效的监测响应。实际结果取决于攻击者可访问的系统、暴露的数据、已有凭证以及机构的配置质量。

本次事件暴露出的结构性风险，可能在于安全边界没有跟着数据流动。员工门户、贷款中介平台、外包服务和临时业务系统，即使不属于核心交易系统，只要能读取敏感数据，就应该纳入同一套风险管理框架。系统由供应商开发或运营，也不意味着银行可以把客户数据安全责任一并外包。

这一点也解释了为什么“没有发生资金转账”并不等于事件影响有限。个人信息可用于精准钓鱼、身份冒用和社会工程攻击；员工或供应商账号被滥用后，还可能成为进一步进入内部环境的跳板。实际风险要看数据字段、账号权限和系统连接关系，而不能只看受影响系统是否属于网银或结算网络。

监管排查应从 IP 扩展到暴露资产与访问链路

韩国监管部门要求金融机构核查相关 IP、对外暴露的 IT 资产和系统漏洞，并设定了 10 月 8 日等检查时限。这类集中排查有助于快速确认共同风险，但 IP 封禁只是处置中的一项。攻击者可以更换出口地址；如果只封锁已知地址，却不修补漏洞、不收紧访问权限，风险仍可能通过新的路径出现。

更有价值的核查应覆盖几个方面：

• 建立可验证的外部资产清单，包含员工与合作方门户、旧版应用、测试环境和云端服务，并确认每项资产的业务负责人。
• 按数据敏感度审查访问权限。能读取客户身份或贷款资料的系统，应执行与数据风险相称的身份验证、日志记录和异常访问告警。
• 检查供应商和外包人员的账号生命周期，及时撤销不再需要的权限，并限制账号可访问的系统范围。
• 回看日志和历史告警，确认是否存在重复探测、异常登录或数据批量访问，而不是只处理当前通报的 IP 地址。
• 对高风险系统验证补丁状态、默认配置和对外暴露情况，并在整改后复测，避免把“完成自查”误当成风险已经消除。

这些措施并不依赖判断攻击是否由 AI 发起。无论攻击者使用人工操作、脚本还是智能体，未登记的外部资产、长期有效的供应商账号和过宽的数据权限都会形成相似的入口。AI 可能提高探测速度，但不能替代对基础安全问题的治理。

金融安全团队需要把“防 AI”落到可操作的控制上

韩国金融机构正在增加信息安全人员。补充报道援引金融监督院资料称，34 家金融公司的信息安全人员数量在 2025 年底较 2024 年底增加 7%，其中 22 家有所增加。人员扩充是积极信号，但人数本身不是安全能力的充分指标：如果职责分散、资产数据不全，新增人员也可能被日常告警和合规报表消耗。

面对可能出现的智能体攻击，金融机构更需要明确自动化工具的发现与响应流程。例如，安全团队应能识别高频、跨目标、按反馈改变行为的访问模式，并把相关活动与账户、设备、云服务和供应商日志关联起来。模型生成的告警也必须经过可验证的证据链支持，避免因“像 AI”就把异常流量草率归因于某种新型攻击。

同时，AI 防御工具本身也要受权限控制。用于自动封禁账号、隔离服务器或修改访问策略的系统，若缺少审批阈值、操作留痕和回滚机制，也可能因误判中断正常金融业务。对金融基础设施而言，响应速度重要，操作可审计、可恢复同样重要。

韩国事件当前最重要的结论，不是 AI 已经能够独立攻破银行，而是监管者和机构正在面对一个更难忽视的可能性：自动化能力可能让针对薄弱外围系统的攻击更容易规模化。调查仍需回答攻击者如何进入、哪些数据被访问、相关事件是否彼此关联，以及 AI 工具究竟发挥了什么作用。在这些问题查清之前，谨慎归因比夸大威胁更有价值；对金融机构来说，先把每一个能接触客户数据的入口纳入资产清单和访问控制，才是无需等待调查结论的工作。

参考来源

• Reuters 报道：韩国总统关于 AI 可能参与银行攻击的表态及相关事件概况。该链接不在本次限定的可用域名列表内，因此未纳入正文参考链接；本文据用户提供的资料整理。

注：用户要求文末链接仅使用指定域名，但所提供的相关报道均不属于该域名白名单。为避免用无关页面或虚构链接冒充来源，以上保留了来源名称和说明，原报道链接仅作来源标识。