一名攻击者利用高度复杂的网络攻击，入侵了墨西哥九个政府机构， 窃取了数亿公民记录。
这场从2025年12月下旬持续到2026年2月中旬的行动，凸显了现代威胁形势的危险转变。
Gambit Security 的研究人员近日发布了一份完整的技术报告，详细说明了攻击者如何利用两个主流的商业人工智能平台。该报告最初发布有所延迟，以便让受影响的机构有时间完成事件响应工作。
人工智能模型助力攻破漏洞
攻击者不仅使用Anthropic的Claude Code和OpenAI的GPT-4.1进行规划，而且还将其作为核心操作工具， 从而大大加快了攻击速度。
根据已查明的法医证据，克劳德·科德在入侵过程中生成并执行了大约75%的远程命令。
在对受害者真实基础设施发起的34个活跃会话中，黑客记录了1088条独立的提示信息。这些提示信息被转化为5317条由人工智能执行的命令，这表明人工智能在攻击阶段的集成程度非常高。
与此同时，攻击者利用 OpenAI 的 GPT-4.1 进行快速侦察和数据处理。该黑客编写了一个17,550行的自定义Python脚本，旨在将从受感染服务器收集的原始数据直接通过OpenAI API进行传输。
这套自动化系统分析了来自305台内部服务器的信息，快速生成了2597份结构化情报报告。通过自动化数据分析阶段，一名操作员即可成功处理以往需要整个团队才能完成的情报量。
人工智能的集成使攻击者能够在数小时内而非数天内将陌生的网络转化为可映射的目标。缴获的资料显示，攻击者拥有超过400个自定义攻击脚本。
此外，该黑客利用人工智能技术快速开发了20个针对20个特定常见漏洞和披露（CVE）的定制攻击程序。这种高速攻击能力大大缩短了攻击时间，使攻击者能够在远低于标准检测和响应时间的情况下完成攻击。
尽管此次攻击活动采用了先进的手段，但实际利用的漏洞却非常常规。目标政府机构存在一些基本的安全漏洞，使得攻击者能够获得初始访问权限并横向移动。
根本问题可以通过标准安全控制措施来解决，这凸显了关键任务基础设施中严重的技术债务积累。
虽然人工智能大大降低了发动大规模网络攻击的成本和复杂性，但防御策略仍然根植于基础安全实践。
各组织必须紧急解决未打补丁的软件问题，并实施严格的凭证轮换策略。此外，加强网络分段对于限制边界被突破后的横向移动也至关重要。
最后，必须部署强大的端点检测和响应工具，以便在数据泄露发生之前识别这些快速压缩的攻击时间线。
