当商业闭源大模型在最关键时刻拦截了安全团队的合法请求

HuggingFace 近期披露了一起极为罕见的、由自主 AI 智能体（Agent）端到端发起的网络安全入侵事件。在此次事件的取证恢复过程中，暴露出一个令人堪忧的行业盲点：商业大语言模型的内置安全护栏，在防守方最缺乏时间、最需要算力支持的关键时刻，反而成为了阻碍安全响应的“绊脚石”。

在此次由 AI 驱动的无接触攻击中，攻击者利用自组建的智能体框架，在受害者的基础设施内以近乎极限的“机器速度”执行了数以万计的探测与攻击操作。为了在海量数据中追踪攻击者的横向移动轨迹，安全响应团队被迫采用 AI 辅助取证，试图对超过 17,000 条复杂的活动日志进行逆向分析。

然而，当防御团队将日志数据提交给目前市面上最先进的商业大模型 API 时，请求遭到了全面封堵。
商业模型严格的安全护栏机制无法在“发起攻击的黑客”与“正在提交恶意代码以进行分析的安全专家”之间做出区分。模型在最被需要的紧急关头，机械地触发了违规拦截，导致整个应急取证工作陷入停滞。

在商业 API 碰壁后，该安全团队迅速切换了策略，利用其自身基础设施部署了开源权重模型 GLM 5.2 来完成后续的取证分析。这一被迫的调整不仅成功绕过了商业平台的审查拦截，使得分析任务在几小时内顺利完成，还带来了意外的安全收益——确保了分析过程中涉及的所有攻击者数据及企业内部凭据无需流出企业内部环境，避免了数据外传至第三方云平台的风险。