关键时刻还是靠开源模型：HuggingFace遭黑客攻击 某模型拒绝审计 最后靠GLM-5.2
内容提要
HuggingFace遭AI智能体攻击，攻击者利用恶意数据集入侵并横向移动。HF用商业前沿模型审计时被安全策略阻拦，最终本地部署智谱GLM-5.2完成取证。事件暴露守方不对称问题，未发现用户数据泄露。
延伸解读
攻击路径：数据集处理管线成突破口
此次攻击精准利用了HuggingFace平台处理用户上传数据集时的两个漏洞：远程代码数据集加载器和模板注入。攻击者通过上传恶意数据集，在自动处理过程中触发代码执行，获得初始权限后迅速提权并窃取云服务凭证，进而横向移动至多个内部集群。这提醒AI平台需重点审视数据集的自动处理流程，尤其是涉及外部代码加载和模板渲染的部分，可能成为攻击者的首选入口。
守方不对称：商业模型安全策略的局限
HuggingFace在取证时尝试使用商业前沿模型（如Claude）分析攻击日志，但模型内置的安全防护策略将事件响应者误判为攻击者，反复阻止审计请求。这暴露了当前商业AI模型在安全场景中的局限性：其安全对齐策略可能过于严格，无法区分合法的事件响应操作与恶意行为。相比之下，开源模型GLM-5.2因可本地部署且无此类限制，成为实际可行的取证工具。
开源模型在安全事件中的价值凸显
在商业模型因安全策略无法用于审计时，HuggingFace最终选择本地部署智谱GLM-5.2完成取证。这一案例表明，开源模型在安全事件响应中具有独特优势：可完全控制部署环境，不受外部API限制，且能根据需求调整行为。对于依赖外部AI服务的企业，此次事件也提示需准备本地化的AI工具作为应急备份，以应对商业模型在特定场景下的不可用性。
Q&A
HuggingFace 最近遭遇了什么类型的攻击？
HuggingFace 遭遇了由 AI 智能体驱动的攻击，攻击者利用恶意数据集入侵，并具备横向移动能力，类似蠕虫病毒。
攻击者是如何入侵 HuggingFace 的？
攻击者上传了精心构造的恶意数据集，利用了 HuggingFace 在自动处理用户上传数据集时的两条代码执行路径：远程代码数据集加载器和数据集配置中的模板注入漏洞，从而在处理 Worker 上执行任意代码，获得初始权限后提升权限并窃取凭证，进而横向移动进入内部集群。
HuggingFace 在取证时为什么没有使用商业前沿模型？
HuggingFace 最初尝试使用商业前沿模型（如 Claude 或 GPT）通过 API 进行分析，但这些模型内置的安全防护策略反复阻挡安全审计，无法区分事件响应者与真实攻击者，导致无法完成取证。
HuggingFace 最终是如何完成取证工作的？
HuggingFace 最终在本地集群部署了智谱的开源模型 GLM-5.2，利用它完成了全部取证工作。
这次攻击是否导致了用户数据泄露？
目前没有证据表明用户数据泄露，但 HuggingFace 建议用户如果担心可以重置 API 密钥，并已聘请外部安全公司进行深入调查。
这次攻击事件暴露了什么问题？
事件暴露了守方不对称问题：攻击者可以利用 AI 发起攻击，但受害者在进行安全审计时，商业前沿模型的安全策略会阻碍取证，导致防御方难以有效利用 AI 进行响应。
