Hva skjedde
Chosunbiz rapporterer at Taiwans cybersikkerhetsforskningsinstitutt TeamT5s 2025 Asia-Pacific avanserte vedvarende trusselrapport fant kinesisk-tilknyttede hackergrupper som bruker åpen kildekode AI-modeller, inkludert DeepSeek, i flere stadier av cyberangrep. TeamT5 sa at gruppene brukte AI til å delegere repeterende oppgaver og utvikle mer sofistikert skadelig programvare, noe som potensielt utvidet omfanget av operasjonene deres. Rapporten navngir Grimfengxi, Huapi og Teleboyi i eksempler som involverer oppretting av angrepskode, angrep på taiwanske bedrifts-e-postsystemer og innsamling av rundt 1000 internett-IP-adresser. TeamT5 sa at de ikke kunne identifisere modellen som ble brukt i hver hendelse og vurderte DeepSeeks utbredelse delvis ut fra ytelsen, tilpasningsfunksjonene, lavere driftskostnader og relativt svake sikkerhetstiltak. Påstandene er ikke uavhengig bekreftet i den oppgitte kilden.
Chosunbiz rapporterer at TeamT5 ga ut sin 2025 Asia-Pacific avanserte, vedvarende trusseltrendrapport 24. august og konkluderte med at kinesiske hackergrupper utvidet oversjøiske cyberoperasjoner med hjelp fra åpen kildekode AI-modeller, inkludert DeepSeek. I følge rapporten som er oppsummert av Chosunbiz, hadde grupper knyttet til den kinesiske regjeringen mer enn doblet antall angrep mens de delegerte enkle, repeterende oppgaver til AI og begynte å bruke AI for å lage mer sofistikert ondsinnet programvare. Den medfølgende artikkelen definerer ikke sammenligningsperioden bak den "mer enn doblete" vurderingen eller gir et totalt antall angrep.
TeamT5s attribusjon er kvalifisert. Chosunbiz rapporterer at instituttet ikke kan identifisere AI-modellen som brukes i hver hacking-hendelse. Den vurderte likevel at DeepSeek ble mye brukt blant kinesiske hackere på grunn av det den beskrev som modellens høyytelses- og tilpasningsfunksjoner. Artikkelen rapporterer også at dyktige hackere brukte modeller med relativt dårligere resultater for å utvide omfanget av arbeidet sitt og søke etter nye infiltrasjonsveier. Disse uttalelsene er vurderinger fra TeamT5, ikke uavhengige funn etablert av den oppgitte kilden.
Rapporten beskriver AI-bruk på tvers av flere driftsstadier. Chosunbiz sier åpen kildekode-modeller ble brukt til målrekognosering og for å lage verktøy for å utnytte sårbarheter. Den tilskriver eksempler til tre grupper: Grimfengxi opprettet angivelig angrepskode med DeepSeek; Huapi brukte en kinesisk modell som antas å være DeepSeek mot e-postsystemene til taiwanske selskaper; og Teleboyi brukte DeepSeek til å samle rundt 1000 IP-adresser fra internett og identifisere domenene til spesifikke selskaper.
Chosunbiz rapporterer også at analytikere vurderte DeepSeek som attraktive fordi cybersikkerhetsbarrierene var relativt slappe og driftskostnadene lave. TeamT5 senioranalytiker Charles Li fortalte Bloomberg, som sitert i artikkelen, at DeepSeek var relativt høyytende, men hadde svake mekanismer for å blokkere ondsinnet bruk, mens vestlige modeller hadde strengere sikkerhetstiltak og krevde mer innsats for å omgå.
Kilden sier at ingen hackingtilfeller med Moonshot AIs Kimi K3 var bekreftet, og at TeamT5 antok at modellens høyere driftskostnader var en faktor. Det fastslås ikke at kostnaden var årsaken til fraværet av bekreftede tilfeller.
Kildedetaljer: biz.chosun.com ↗
Hvorfor det betyr noe
Rapporten beskriver AI som et operativt verktøy i cyberangrep snarere enn som tilfeldig teknologi. Hvis det er nøyaktig, kan bruk av modeller for rekognosering, repeterende arbeid og utvikling av utnyttelsesverktøy tillate dyktige operatører å håndtere flere mål eller forfølge flere infiltrasjonsveier med samme personell. Det fremhever også en sikkerhetsavveining rundt åpen kildekode og lavkostmodeller: tilgjengelighet og tilpasning kan gjøre dem nyttige for legitime brukere, samtidig som misbruk blir vanskeligere å kontrollere. Bevisene forblir begrenset til TeamT5s vurdering som rapportert av Chosunbiz. Kilden gir ikke et fullstendig angrepstall, offerliste, skadevurdering, tekniske prøver eller uavhengig bekreftelse på at DeepSeek genererte den siterte koden eller aktiviteten.
Den sentrale betydningen er den rapporterte bruken av AI i en eksisterende cyberoperasjon. Kilden beskriver ikke et autonomt angrepssystem som handler uten menneskelig involvering. I stedet beskriver den hackere som tildeler utvalgte oppgaver til modeller, inkludert repeterende arbeid, rekognosering og produksjon av angrepskode. Den forskjellen betyr noe: den praktiske effekten kan være økt hastighet, volum eller fleksibilitet for dyktige operatører i stedet for en helt ny form for angrep.
De rapporterte eksemplene viser også hvorfor modellsikringer kan ha konsekvenser utover en chatbots brukergrensesnitt. I følge Chosunbiz sin beretning om TeamT5s analyse, gjorde DeepSeeks kombinasjon av kapasitet, tilpasning og lave driftskostnader den nyttig for angripere, mens dens relativt svake misbruksforebyggende mekanismer reduserte friksjonen. Hvis vurderingen er riktig, kan en modells sikkerhetsstilling påvirke driftsvalg av ondsinnede brukere, spesielt når modellene kan tilpasses eller kjøres til relativt lave kostnader.
Rapporten er konsekvensmessig, men ufullstendig. Den sier ikke hvor mange hendelser involvert DeepSeek, hvor mye av den påståtte økningen i angrep som var forårsaket av AI, om de navngitte gruppene brukte offisiell vertstilgang eller lokalt opererte versjoner, eller om modellens utdata var nøyaktige, nye eller direkte ansvarlige for vellykkede inntrengninger. Den dokumenterer heller ikke ofrenes tap, berørte sektorer utover referansen til taiwanske bedrifts-e-postsystemer, eller svar fra DeepSeeks utvikler. Disse hullene begrenser hva som kan konkluderes på en ansvarlig måte.
Påstandene bør derfor leses som rapportert trusseletterretning, ikke som en omfattende måling av AI-aktivert nettkriminalitet. TeamT5s manglende evne til å identifisere modellen i hver hendelse er spesielt viktig fordi kode eller tekst alene kanskje ikke pålitelig avslører hvilken modell som produserte den. Den medfølgende kilden inneholder ingen uavhengig validering fra de navngitte gruppene, berørte selskaper, rettshåndhevelsesbyråer eller modellleverandører.
Interaktiv mekanisme: Hvordan det faktisk fungerer
Utforsk den underliggende teknologien bak denne utviklingen interaktivt.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Hva du skal se neste
De neste viktige utviklingene er uavhengig teknisk bekreftelse, tilleggsdetaljer fra TeamT5 eller berørte organisasjoner, og bevis som knytter bestemte modellutdata til bestemte inntrengninger. Se om etterforskere identifiserer bekreftet bruk av andre kinesiske modeller, inkludert Kimi K3, og om kostnader eller sikkerhetstiltak påvirker angripernes modellvalg vesentlig. Modellleverandørers svar vil også ha betydning, spesielt endringer i sikkerhetstiltak for misbruk, overvåking og tilgangskontroller for åpne eller tilpassbare systemer. Offentlige vurderinger bør skille bekreftet modellbruk fra slutninger basert på evner, kostnad eller tilsynelatende opprinnelse til generert materiale.
Uavhengig bekreftelse bør være førsteprioritet. Nyttig bekreftelse vil inkludere tekniske indikatorer, hendelsestidslinjer, eksempler på generert eller modifisert kode, eller uttalelser fra berørte organisasjoner som kobler spesifikk aktivitet til DeepSeek. Ytterligere rapportering bør også klargjøre hvordan TeamT5 skilte DeepSeek-bruk fra bruk av andre kinesiske eller åpen kildekode-modeller og hvordan det definerte den rapporterte økningen i angrep.
Skillet mellom påstått og bekreftet modellbruk vil fortsatt være viktig. Chosunbiz rapporterer at Huapi brukte en kinesisk modell som antas å være DeepSeek, mens den presenterer DeepSeek-bruk av Grimfengxi og Teleboyi mer direkte. Disse ulike nivåene av sikkerhet bør ikke kollapses til en enkelt opptelling. Mangelen på bekreftede Kimi K3-tilfeller er også kun en observasjon i kilden, ikke bevis på at modellen aldri blir brukt eller at kostnad alene forklarer fraværet fra identifiserte hendelser.
Sikkerhetsteam og beslutningstakere vil sannsynligvis se om modelltilgang, tilpasning og driftskostnader endrer fordelingen av ondsinnet AI-bruk. Kilden gir ikke operativ veiledning for forsvarere, men dens eksempler peker på rekognosering, e-postsystemmålretting, IP-innsamling og oppretting av utnyttelsesverktøy som områder hvor etterforskere kan se etter AI-assistert aktivitet. Fremtidige vurderinger bør vise om disse oppgavene gir målbare forbedringer i forhold til konvensjonelle verktøy.
Se til slutt etter svar fra modellutviklere og myndigheter. De relevante spørsmålene er om sikkerhetstiltakene styrkes, om åpne eller tilpassbare modeller kan overvåkes uten å blokkere legitim forskning, og om tilbydere avslører misbrukstrender på en etterprøvbar måte. Inntil disse detaljene kommer frem, støtter den leverte rapporten bekymring for AI-assistert skalering av cyberoperasjoner, men ikke presise påstander om utbredelsen, effektiviteten eller skaden av DeepSeek-aktiverte angrep.