智谱GLM 5.2在Hugging Face安全事件中承担关键角色，折射AI安全不对称困境
2026/07/21 13:48阅读量 3
全球最大AI开源社区Hugging Face遭智能体攻击，其安全团队分析超1.7万条日志时，美国商用大模型因安全护栏阻断合法请求，转而使用中国智谱开源模型GLM 5.2在自有基础设施上完成全部取证分析。事件揭示大模型安全护栏在防御场景中的结构性劣势，也凸显开放、可控模型在实战中的价值。
事件概述
上周，全球最大AI开源社区Hugging Face遭遇一次完全自动化的智能体攻击。攻击者在大量短生存期沙盒中执行数千独立操作，横向渗透多个内部集群。这是行业预测多年但首次完整上演的“智能体攻击”。
关键细节
- Hugging Face安全团队需分析超过17000条事件日志，最初尝试使用某美国前沿商用大模型（API方式）。
- 然而，该模型内置的安全护栏将提交的真实攻击命令、漏洞利用载荷和C2痕迹数据视为恶意请求并拦截。Hugging Face在报告中指出：“请求被服务提供商的安全护栏拦截——它们无法区分事件响应者和攻击者。”
- 工程师转而下载中国智谱开源模型GLM 5.2，在自己的基础设施上本地部署并完成全部取证分析。
核心分析
- 不对称困境：攻击者使用不受限模型，防御者所用商用模型的安全护栏反而限制了自身，形成结构性劣势。Hugging Face建议安全团队提前在自有基础设施上准备并验证一个有能力的模型，既能绕过护栏，也能防止敏感数据外泄。
- 实战检验：GLM 5.2并非在标准基准测试中胜出，而是在真实高风险环境中完成任务，验证了其在安全响应场景的可用性。
- 非对称优势：中国开源模型提供开放权重、本地可控、无内置护栏等能力，在美国模型因规则无法生效的场景下成为有效替代。
值得关注
- 代码与开发者协作的流动正超越地缘政治，开源生态的调节机制使不同国家的模型能灵活替代。
- 对中国AI产业，参与全球安全前线是证明工程价值的机会，但模型的透明度、安全性和可解释性也需经得起更严格审视。
- 事件最终教训：在AI智能体自主攻击时代，防御者需要完整的、不受规则锁死的武器库——而中国制造已在该武器库中占有一席之地。