TeamT5 指出，與中國政府有關聯的網絡組織，在把 DeepSeek 及其他開源 AI 模型納入行動後，攻擊量增加逾一倍。這些模型主要用來自動化日常工作，以及協助開發更先進的惡意軟件，令原有攻擊行動可以更快、以更大規模重複進行。13

不過，相關發現並不代表 AI 已經可以完全取代有經驗的黑客。較準確的理解是：低成本模型配合 AI agent 框架後，可以接手攻擊流程中的部分工序，例如偵察目標、研究漏洞、修改公開的 exploit 程式碼，以及不斷嘗試下一個攻擊步驟；人類操作者仍然需要決定目標和提供方向。115

點解 DeepSeek 會吸引攻擊者？

研究人員列出幾個主要原因：

• 性能足夠： DeepSeek 被認為能夠應付網絡攻擊行動涉及的編程及推理工作。
• 較容易自訂： 開源或較容易取得的模型，可以改裝，亦可以接駁到由攻擊者控制的工具。
• 成本較低： 如果要大批量、重複執行任務，運算及 API 成本會直接影響行動規模。16
• 網絡安全限制較少： TeamT5 及 Unit 42 形容，DeepSeek 對具攻擊性的網絡安全要求，相比部分西方商業服務有較弱的安全防護。315

這種組合的實際意義在於，模型未必要自己發現全新的漏洞，先至有用。它可以協助搜尋暴露在互聯網上的系統、修改公開 exploit 程式碼、解讀技術輸出，並按結果判斷下一個常規步驟。

AI 模型在攻擊中負責甚麼？

相關報道指，與中國有關聯的組織曾使用 DeepSeek、ChatGPT 及 Claude Code，處理網絡偵察、建立或改寫 exploit、自動化工作，以及開發惡意程式碼；攻擊流程亦涉及在外國企業和機構的網絡內橫向移動。3

但目前公開資料多數只把活動概括歸於「與中國有關」或「與中國政府有關聯」的行動者，未能可靠地把每次 AI 使用都歸到某一個具名的高級持續性威脅（APT）組織。因此，不能據此推論所有中國黑客都使用同一個模型或相同工作流程。13

ChatGPT、Claude Code：幫到手，但亦可能踩安全限制

ChatGPT 和 Claude Code 等商業工具，的確可以協助惡意工作流程中的部分工序；但服務供應商的安全系統，可能會拒絕直接要求發動攻擊的指令。在 Unit 42 記錄的個案中，操作者曾測試西方 AI 工具，發現相關安全措施阻止了自主攻擊任務，之後改用 DeepSeek 作為主要推理模型。1415

關鍵未必是某一個模型在所有方面都比另一個模型強，而是模型點樣部署。DeepSeek 被接入一套開源框架，並在沒有相同客戶端限制的工具鏈內運行，令攻擊者可以自行控制整套流程。15

Hermes Agent 個案：瞄準逾 460 個系統

Palo Alto Networks 旗下 Unit 42 另行記錄一宗由一名講中文的行動者發動的活動，對方使用「knaithe」及「KnYuan」兩個網名。操作者把 DeepSeek 設定為開源、具終端機操作能力的 Hermes Agent 框架背後的推理引擎，令系統可以列出漏洞、下載公開 exploit 程式碼，並在有限人手監督下嘗試入侵。155

該 agent 瞄準逾 460 個面向互聯網的系統。關於較廣泛行動的報道指，至少有 3 間機構因利用 Citrix NetScaler 漏洞而遭入侵。不過，「460」代表目標或攻擊嘗試的數量，並不等於 460 次成功入侵；整個行動同時包含自主及傳統的人手操作。4

這個分別相當重要。個案並不是證明 DeepSeek 自己就可以入侵數百個系統，而是顯示操作者可以用 AI 自動化攻擊中間最重複、最耗時間的一段：尋找暴露目標、把目標配對到已知漏洞、取得公開 exploit，再轉向下一個候選目標。

對防守者有甚麼啟示？

最直接的風險是「規模化」。當低成本模型接上具終端機存取能力的 agent 框架後，原本需要人手長時間處理的工作，可以在大量面向互聯網的系統上重複執行。換句話說，AI 正降低高數量偵察及漏洞利用行動的門檻。1615

但同一宗個案亦反映出技術的限制。成功入侵仍然依賴暴露的服務、已知漏洞，以及可用的公開 exploit 程式碼。AI 提高了嘗試的速度和數量，卻不是每一次入侵成功的唯一原因。515

對企業及機構而言，實際優先工作仍然是收窄攻擊面：及時修補面向互聯網的產品、移除不必要的公開服務，並監察異常的自動化偵察及漏洞利用模式。TeamT5 和 Unit 42 的研究共同指出，AI 輔助攻擊正變得更便宜、更容易重複；但背後使用的技術，很多仍然是已知的漏洞和攻擊方法。

TeamT5 指出，與中國政府有關聯的網絡組織，在把 DeepSeek 及其他開源 AI 模型納入行動後，攻擊量增加逾一倍。這些模型主要用來自動化日常工作，以及協助開發更先進的惡意軟件，令原有攻擊行動可以更快、以更大規模重複進行。13

不過，相關發現並不代表 AI 已經可以完全取代有經驗的黑客。較準確的理解是：低成本模型配合 AI agent 框架後，可以接手攻擊流程中的部分工序，例如偵察目標、研究漏洞、修改公開的 exploit 程式碼，以及不斷嘗試下一個攻擊步驟；人類操作者仍然需要決定目標和提供方向。115

點解 DeepSeek 會吸引攻擊者？

研究人員列出幾個主要原因：

• 性能足夠： DeepSeek 被認為能夠應付網絡攻擊行動涉及的編程及推理工作。
• 較容易自訂： 開源或較容易取得的模型，可以改裝，亦可以接駁到由攻擊者控制的工具。
• 成本較低： 如果要大批量、重複執行任務，運算及 API 成本會直接影響行動規模。16
• 網絡安全限制較少： TeamT5 及 Unit 42 形容，DeepSeek 對具攻擊性的網絡安全要求，相比部分西方商業服務有較弱的安全防護。315

這種組合的實際意義在於，模型未必要自己發現全新的漏洞，先至有用。它可以協助搜尋暴露在互聯網上的系統、修改公開 exploit 程式碼、解讀技術輸出，並按結果判斷下一個常規步驟。

AI 模型在攻擊中負責甚麼？

相關報道指，與中國有關聯的組織曾使用 DeepSeek、ChatGPT 及 Claude Code，處理網絡偵察、建立或改寫 exploit、自動化工作，以及開發惡意程式碼；攻擊流程亦涉及在外國企業和機構的網絡內橫向移動。3

但目前公開資料多數只把活動概括歸於「與中國有關」或「與中國政府有關聯」的行動者，未能可靠地把每次 AI 使用都歸到某一個具名的高級持續性威脅（APT）組織。因此，不能據此推論所有中國黑客都使用同一個模型或相同工作流程。13

ChatGPT、Claude Code：幫到手，但亦可能踩安全限制

ChatGPT 和 Claude Code 等商業工具，的確可以協助惡意工作流程中的部分工序；但服務供應商的安全系統，可能會拒絕直接要求發動攻擊的指令。在 Unit 42 記錄的個案中，操作者曾測試西方 AI 工具，發現相關安全措施阻止了自主攻擊任務，之後改用 DeepSeek 作為主要推理模型。1415

關鍵未必是某一個模型在所有方面都比另一個模型強，而是模型點樣部署。DeepSeek 被接入一套開源框架，並在沒有相同客戶端限制的工具鏈內運行，令攻擊者可以自行控制整套流程。15

Hermes Agent 個案：瞄準逾 460 個系統

Palo Alto Networks 旗下 Unit 42 另行記錄一宗由一名講中文的行動者發動的活動，對方使用「knaithe」及「KnYuan」兩個網名。操作者把 DeepSeek 設定為開源、具終端機操作能力的 Hermes Agent 框架背後的推理引擎，令系統可以列出漏洞、下載公開 exploit 程式碼，並在有限人手監督下嘗試入侵。155

該 agent 瞄準逾 460 個面向互聯網的系統。關於較廣泛行動的報道指，至少有 3 間機構因利用 Citrix NetScaler 漏洞而遭入侵。不過，「460」代表目標或攻擊嘗試的數量，並不等於 460 次成功入侵；整個行動同時包含自主及傳統的人手操作。4

這個分別相當重要。個案並不是證明 DeepSeek 自己就可以入侵數百個系統，而是顯示操作者可以用 AI 自動化攻擊中間最重複、最耗時間的一段：尋找暴露目標、把目標配對到已知漏洞、取得公開 exploit，再轉向下一個候選目標。

對防守者有甚麼啟示？

最直接的風險是「規模化」。當低成本模型接上具終端機存取能力的 agent 框架後，原本需要人手長時間處理的工作，可以在大量面向互聯網的系統上重複執行。換句話說，AI 正降低高數量偵察及漏洞利用行動的門檻。1615

但同一宗個案亦反映出技術的限制。成功入侵仍然依賴暴露的服務、已知漏洞，以及可用的公開 exploit 程式碼。AI 提高了嘗試的速度和數量，卻不是每一次入侵成功的唯一原因。515

對企業及機構而言，實際優先工作仍然是收窄攻擊面：及時修補面向互聯網的產品、移除不必要的公開服務，並監察異常的自動化偵察及漏洞利用模式。TeamT5 和 Unit 42 的研究共同指出，AI 輔助攻擊正變得更便宜、更容易重複；但背後使用的技術，很多仍然是已知的漏洞和攻擊方法。