Palo Alto Networks Unit 42 披露一宗以 Hermes Agent 搭配 DeepSeek V4、並輔以 Cursor IDE 的網絡罪案個案：化名 BUGSTER 的攻擊者憑 AI 產生偵察報告與腳本，對印度多所大學與電商目標發動憑證暴力破解與資料外洩，單次入侵即帶走逾五千二百筆學生個人資料；同時規劃 VoIP 電訊詐騙、Wi‑Fi 破解與加密貨幣巨鯨偵察。來源真實性已核對 Unit 42 官方報告。企業應假設低門檻 AI 工具鏈已進入實際攻擊現場，強化身份、端點與雲端監控。

Unit 42／官方：揭 Hermes＋DeepSeek 助跨域網絡罪案——印度大學逾五千二百筆個資外洩；VoIP 詐騙仍在策劃

Palo Alto Networks 威脅情報團隊 Unit 42 於二零二六年十月二十一日發布調查報告，公開一宗可完整還原攻擊者操作環境的個案。報告指出，化名 BUGSTER、以牟利為動機的攻擊者以 Hermes Agent 框架搭配 DeepSeek V4 作為推理引擎，並將 Cursor IDE 設為次要工具、關閉安全控制，橫跨憑證竊取、資料外洩、VoIP 電訊詐騙策劃、Wi‑Fi 密碼破解、加密貨幣偵察與指令控制（C2）等多類犯罪活動。本文已核對 Unit 42 原文事實，來源真實性已驗證；以下僅轉述可核實內容，不複製完整技術附錄或指標清單。

一、核心事件：低技能攻擊者＋高產出 AI 工具鏈

技術細節

Unit 42 強調兩點：其一，攻擊者使用的基礎工具並不先進，大量依賴 AI 生成腳本與結構化偵察報告，顯示在 AI 普及前，同等手法往往需要更高技術門檻；其二，儘管操作過程顯得「笨拙」，攻擊仍造成實質損害——主要目標集中在印度，包括大學機構，並成功取得數千筆含個人識別資訊（PII）的紀錄，同時繪製多個組織的攻擊面。

報告稱，攻擊者與遭「越獄」（jailbreak）的 AI 助手對話，索取逐步建立欺詐性 VoIP 業務的建議；其中一份 AI 生成文件甚至出現「NEXT EXPLOIT OPPORTUNITIES」（下一步利用機會）章節，列出後續攻擊構想。武器化場景涵蓋：

• 憑證竊取與資料外洩
• VoIP 電訊詐騙策劃
• Wi‑Fi 密碼破解
• 加密貨幣巨鯨偵察
• C2 操作

具體入侵成果包括：對一所印度大學網上教育平台發動 AI 生成的暴力破解活動；對另一所公立大學確認入侵，並外洩 MongoDB 資料庫中逾五千二百筆紀錄（含學生與教職員 PII）。此外，攻擊者亦對一印度電商站點進行枚舉，取出店面 API token、管理員電郵、電話與支付商戶識別碼等。

二、技術原理深度解析

Unit 42 將攻擊者主軸工具鏈描述為 Hermes Agent ＋ DeepSeek V4，並以 Cursor IDE 輔助程式開發。表格顯示：Hermes 以 DeepSeek V4 為主助手（經 Telegram 控制），系統提示覆寫安全限制；Cursor 則配置多個模型（含 Claude Opus 4.8、GPT‑5.5 等），透過代理環境變數強制代理模式、繞過權限檢查，並關閉 IDE 沙箱、自動批准 MCP 伺服器。

偵察與入侵流程以一所大學 WordPress／學習管理系統為例，呈四階段：子網域枚舉（識別十二個子網域）、經 REST API／作者欄位繞過 Cloudflare WAF 直接列舉用戶端點的限制、以生成腳本產出含一百一十七個用戶名與二十八個常見密碼的暴力破解工具，以及成功標記一個有效登入。第二所大學則因弱管理密碼導致 MongoDB 整庫外洩，清單記錄雲端負載平衡、邊緣路由、資料庫服務與第三方雲端儲存帳戶等基礎設施暴露面。

VoIP 詐騙部分仍屬策劃或早期建置：攻擊者建立名為 alice 的 Hermes 專用設定檔，充當「電訊詐騙顧問」，涵蓋在懷俄明或特拉華以非美國居民身份成立 LLC、經 IRS 傳真取得 EIN、FCC 登記、購買 SIP 中繼、以約百分之七十合法流量混入百分之三十欺詐流量以避開營運商合規抽查，以及規避 STIR／SHAKEN 來電身分驗證等。Unit 42 未發現通話日誌或活躍路由，故研判尚未進入全面營運。

Wi‑Fi 破解管線則將近距離擷取的 WPA 握手／PMKID 經 SSH 隧道送至 Vast.ai 雲端 GPU 破解，結果以 Discord webhook 回報——顯示攻擊者對部分目標具本地實體接近能力。基礎設施方面，多個核心服務寄宿於單一美國伺服器（報告以 defanged 形式列出指標）；攻擊者亦測試過智譜 GLM 等模型，最終以 DeepSeek V4 落地營運。Unit 42 另觀察到多個無關攻擊者獨立採用同一套 Hermes＋DeepSeek 組合，評估主因是成本低、易取得，且僅需簡單系統提示覆寫即可降低安全摩擦。

四、日常應用場景

1. 開發者與技術團隊

假設「AI 寫的偵察報告」已出現在真實攻擊鏈：應把 WordPress／REST API 作者枚舉、弱管理密碼、外洩的 .env／雲端金鑰與店面 API token 視為常態風險，而非邊緣案例。CI／CD 與密鑰掃描、禁止硬編碼憑證、對管理介面強制強密碼與多因素認證，是最低限度。

2. 企業與隱私敏感行業

教育、電商與電訊合規場景同時被同一工具鏈覆蓋。香港《個人資料（私隱）條例》下，學生／客戶 PII 外洩即觸發通報與問責壓力；應優先盤點對外暴露的 LMS、會員系統與支付商戶識別資訊，並對特權帳戶實施零常設權限（zero standing privilege）與即時存取。

3. 一般用戶

一般用戶較少直接面對 Hermes 代理框架，但仍可能受 VoIP 來電詐騙、憑證填充與電商帳戶接管波及。應啟用強認證、警惕異常來電顯示，並避免在不可信裝置保存管理密碼。

4. 香港與亞洲市場視角

本案目標在印度，但工具鏈（開源／低成本模型＋代理框架＋IDE）並無地域壁壘。亞洲企業若將「AI 攻擊」僅理解為國家級 APT，會低估以牟利為動機、技能中低、卻能靠 AI 跨域作戰的對手。與近期南韓金融業 ARTEX、CrowdStrike 披露的智能體式戰役同屬「AI 降低入門門檻」敘事，惟本案工具組合與受害場景不同，不宜視為同一事件重發。

五、專業評價與潛在考量

優勢（對防衛方的情報價值）

• Unit 42 取得攻擊者操作環境可見度，能具體說明 AI 如何生成偵察報告、暴力破解工具與詐騙知識庫，而非僅停留在抽象「AI 輔助攻擊」口號。
• 指出 Hermes＋DeepSeek 正被多個無關行為者採用，有助防衛團隊調整偵測假設與紅隊劇本。
• 已與 Cyber Threat Alliance 成員共享發現，利於跨廠商快速部署防護。

需要留意的地方

• 報告為單一行為者個案研究，不代表所有 AI 攻擊皆採相同堆疊；過度擬合「凡 DeepSeek 即惡意」會誤導採購與政策。
• VoIP 詐騙仍處策劃階段，防衛資源應優先放在已確認的憑證與資料外洩路徑。
• 公開 IoC 有時效；企業應以行為偵測（異常枚舉、大量失敗登入、資料庫整庫匯出、異常 GPU 租用）補強靜態封鎖清單。

結語

Unit 42 這份報告把「AI 降低網絡罪案技能門檻」從產業空泛討論，落到可核對的入侵成果：逾五千二百筆大學個資、電商枚舉，以及一套可複用的 Hermes＋DeepSeek＋Cursor 工具鏈。對香港與亞洲企業而言，重點不是禁止某一個模型，而是假設攻擊者已能以低成本取得跨域「顧問式」AI，並據此收緊身份、端點、雲端工作負載與對外 API 的監控與最小權限。若企業需要在本地強化雲端遷移、零信任與持續監控，可參考 YSK Limited 雲端遷移與網絡安全服務（官網刊 99.99% SLA）：https://ysk.hk/services/cloud-security 。

參考來源

1. Unit 42／Palo Alto Networks（主要來源，來源真實性已驗證）：https://unit42.paloaltonetworks.com/ai-assisted-cybercrime-analysis/
2. Unit 42 RSS 發現來源：https://unit42.paloaltonetworks.com/feed/
3. YSK Limited 雲端遷移與網絡安全：https://ysk.hk/services/cloud-security
4. YSK Limited llms.txt（服務事實核對）：https://ysk.hk/llms.txt