DeepSeek等开源AI遭黑产滥用，银行系统弱点检测激增

概述

近期，深度求索（DeepSeek）、Kimi（月之暗面）等开源或低成本AI模型被黑产团伙大量滥用，导致金融机构系统弱点检测请求激增。与传统闭源模型相比，这类模型因价格低廉、权重公开且缺乏有效行为追踪，成为网络攻击者进行漏洞挖掘和渗透测试的理想工具，给银行等关键基础设施带来严峻安全挑战。

开源AI模型的安全风险

与Anthropic的Claude等闭源模型不同，DeepSeek和Kimi等开源模型存在显著的安全隐患。闭源模型通常运行在开发公司控制的云端环境中，任何异常使用行为都会被实时监控，账户可被迅速冻结，且用户日志能完整追溯身份与企业信息，犯罪成本高、暴露风险大。

然而，开源权重模型提供了截然不同的攻击路径：

• 成本优势巨大：API调用费用仅为闭源模型的十分之一甚至百分之一，攻击者可无限次调用而不必担心经济负担。
• 安全滤镜可被剥离：利用专业工具，攻击者能够强制移除模型的伦理限制与安全过滤机制，部署至自有服务器。
• 完全匿名操作：自托管模式下，攻击者无需暴露IP、身份或企业信息，实现真正的“隐身”攻击环境。

“黑产利用开源AI进行自动化漏洞挖掘，已形成规模化、低成本的灰色产业链。”

银行防御体系面临压力

据《日本经济新闻》报道，今年夏季国内多家大型银行发现，通过尖端AI辅助检测出的系统脆弱性数量较去年同期翻倍。这一现象直接反映了AI驱动型网络攻击的普及程度正在迅速上升。

面对日益复杂的攻击手段，银行正采取双重应对策略：

1. 加速修补漏洞：对已检测出的高危缺陷立即实施代码修复与架构优化。
2. 预留应急方案：若无法在攻击窗口期内完成修复，部分银行已将“系统自主停机”纳入应急预案，以防止数据泄露或服务被恶意利用。

此次披露系自Anthropic发布Claude 3.5 Sonnet等先进模型以来，银行业内部应对情况首次被媒体详细报道，标志着AI安全议题已从技术圈进入监管与金融实操层面。

行业反思与展望

此次事件引发业界对开源模型治理边界的深入讨论。一方面，开源技术推动了AI民主化与创新；另一方面，缺乏有效管控的开放环境也可能被恶意势力逆向利用。

未来，模型提供方可能需要强化：

• 服务端行为审计与异常流量识别
• 动态密钥与使用权限分级机制
• 与金融机构建立威胁情报共享通道

与此同时，监管机构也需加快制定针对AI工具滥用的法律法规，平衡技术创新与网络安全之间的关系。