全球知名AI开源社区Hugging Face近期经历了一场不同寻常的安全挑战——其服务器遭到了AI智能体发起的网络攻击。面对这一新型威胁，该社区的安全团队迅速启动应急响应机制，但初期尝试却遭遇了意外阻碍。团队首先选择调用一家美国科技企业提供的商业大模型API，对超过1.7万条攻击日志进行深度分析。然而，由于该模型在区分正常操作与恶意行为时出现偏差，将安全人员的合法请求误判为攻击行为，导致分析工作被迫中断。
在首次尝试受挫后，Hugging Face迅速调整策略，转而采用中国研发的开源模型GLM5.2。团队将这一模型部署在自有服务器环境中，对海量日志数据展开全面梳理。得益于开源模型的高度可定制性，安全人员能够根据实际需求调整分析参数，最终成功还原攻击路径，并锁定关键证据。这一过程不仅验证了本地化部署的技术优势，也凸显了开源生态在应对复杂安全场景时的独特价值。
此次事件为网络安全领域带来了重要启示。随着AI技术被越来越多地应用于攻击工具开发，传统的安全分析手段正面临严峻考验。商业大模型虽然具备强大的通用能力，但在垂直场景中的适应性仍存在局限。相比之下，开源模型通过本地化部署，既能确保数据主权，又能实现分析流程的完全可控。这种模式不仅避免了因第三方平台策略调整导致的服务中断，还为安全团队提供了更灵活的定制空间，使其能够快速响应不断演变的攻击手法。
