DeepSeek點樣令中國政府關聯黑客將網絡攻擊「加速」？

台灣威脅情報公司TeamT5表示，部分與中國政府有關聯的黑客組織，在日常攻擊流程加入DeepSeek及其他開源AI模型後，攻擊量增加逾一倍。報告的重點並不是AI已經獨立完成每一次入侵，而是AI接手足夠多重複工序後，令原有操作者可以用較低成本、較短時間追蹤更多目標。457

AI成為「倍增器」，而非完全取代人手

TeamT5在多個入侵階段發現AI的使用痕跡，包括初步偵察、漏洞掃描、開發漏洞利用程式、惡意軟件相關工作，以及攻入網絡後的行動。公司根據近期行動取得的指令碼和日誌作出評估，但亦提醒，這些資料未必可以每次都準確辨認攻擊者使用的具體模型。47

這個分別相當重要。所謂「增加逾兩倍」，是TeamT5對其研究對象中相關組織攻擊量的判斷，並不是對所有與中國有關的網絡攻擊作出的全面統計。現時證據較能支持的說法是：AI協助操作者處理沉悶工作、縮短攻擊流程，並將行動規模化，而不是完全取代人類作決策。57

點解DeepSeek據報成為首選？

按TeamT5報告所引述的分析，DeepSeek在網絡攻擊場景具備幾項實際優勢：

• 效能足夠：可用於資料研究、寫程式及日常操作工作；
• 運行成本較低：較適合重複使用或大規模部署；
• 可自訂：開源模型較容易按特定用途修改；
• 網絡安全限制相對較少：攻擊者毋須花同樣多時間取得或改造有害用途的協助。27

這亦解釋到，對攻擊者來講，能力最強的模型未必就是最實用的模型。TeamT5據報認為，Moonshot旗下較強大的Kimi K3，可能因成本較高及安全防護較嚴而不及DeepSeek吸引。不過，現有報道並沒有證實TeamT5檢視的個案曾使用Kimi K3。7

幾個案例：AI在攻擊鏈不同位置出場

TeamT5辨認出幾個組織，分別將AI用於入侵流程的不同工作。

Grimfengxi：生成漏洞利用程式

據報Grimfengxi使用DeepSeek製作利用軟件漏洞的程式碼。這已經超越單純搵資料的用途，顯示模型被用來協助產生針對目標系統弱點的程式。7

Teleboyi：加快目標偵察

據報Teleboyi利用DeepSeek從互聯網收集約1,000個IP地址，再整理目標組織的網域關係。這類工作屬於偵察，即在嘗試入侵之前，先建立潛在受害者的網絡版圖。AI可以令搵目標和整理基礎設施資料快好多，但單是繪製網絡圖，並不代表之後一定成功入侵。7

Huapi：針對台灣企業電郵系統

據報Huapi曾使用一款中國AI模型攻擊一間台灣企業的電郵系統。TeamT5認為該模型很可能是DeepSeek，但無法作出確定辨認。這個不確定性反映一個現實：單靠攻擊程式碼或行為，調查人員未必能夠準確判斷背後使用的是哪一款AI。7

Slime22：入侵後使用Claude Code橫向移動

相關活動亦不只涉及中國開源模型。TeamT5相關報道指，Slime22在入侵一間台灣科技企業後，安裝Kali Linux——一套常用於滲透測試的系統——再使用Anthropic的Claude Code協助在企業網絡內橫向移動。操作者據稱將活動包裝成獲授權的工程測試，以避過安全限制。7

這宗個案提醒防守團隊，不能只盯住某一款模型，或者只假設攻擊者會使用某個國家開發的工具。攻擊者可以因應工作需要和遇到的防護措施，混合使用本地部署模型、開源模型及商業AI工具。

一個正在形成的AI網絡犯罪生態

TeamT5亦描述了一個圍繞AI輔助入侵而形成的更大市場。據報，一間約有10名員工的中國初創公司，正以30萬至50萬元人民幣——約4.45萬至7.4萬美元——向至少4個黑客組織出售入侵軟件；其中一次攻擊亦據報使用過ChatGPT。7

與北韓有關聯的Kimsuky亦據報測試本地運行的AI模型。將模型放在本地，可讓操作者更能控制模型及相關資料，亦可能減少對外部服務和其濫用偵測系統的依賴。不過，現有報道只支持「曾作測試」這個說法，未能證明這些本地模型在實戰中的成效。7

Anthropic另外指出，AI可以降低進行高階網絡犯罪的技術門檻，令技術能力有限的行動者也能夠進行過去需要更多專業經驗的攻擊。這個觀察與TeamT5的研究方向一致：即時風險未必來自一個「超人級」AI，而是一般攻擊者都可以更快取得寫程式、偵察及工作流程自動化方面的協助。

OpenAI則表示，公司一直致力識別、防止及打擊濫用其模型的行為。7

報告證明到甚麼，又未證明到甚麼？

TeamT5的研究指向一個具體的操作層面影響：AI輔助工作流程可以接手大量重複工序，令一個組織能夠嘗試更多攻擊。不過，這並不等於DeepSeek已經自主完成所有被報道的入侵行動。

有三點限制尤其值得留意：

1. 模型歸因並不完整。 調查人員未必可以可靠地將每段指令碼、每個指令或每宗入侵連繫到某一個特定AI系統。47
2. 攻擊次數不等於成功入侵次數。 嘗試數量增加，並不能單獨證明成功攻破的目標更多，亦不能證明實際損害按相同比例上升。
3. 證據只涵蓋已觀察到的組織和行動。 「增加逾一倍」是TeamT5的研究判斷，不是對所有與中國政府有關聯的網絡活動作出的完整量度。7

因此，最清晰、亦最值得防守方採取行動的結論，比「AI已完全自主操控黑客」這種講法更窄：成本低、可自訂的AI，正令既有威脅行動者更容易將攻擊流程部分工業化。企業和防守團隊應假設，偵察、程式碼生成，以及入侵後的網絡內操作，都可能由多種AI模型加速，而不只是DeepSeek。