互動探索 / 分類目錄 AI SECURITY CASES × FRAMEWORKS
3 · 偽裝、混淆與身分仿冒 閱讀 Cisco AI Security & Safety Framework v2.0 中 3「偽裝、混淆與身分仿冒」相關的 3 個 AI 資安案例,查看事件證據、適用範圍與 AIDEFEND 防禦分析。
風險分類說明 攻擊者在多 agent 環境中引入惡意參與者,冒充合法 agent、使用者、系統或具有權威的角色。其他參與者接受了這個假身分,因而信任其訊息或行動。風險在於攻擊者利用身分與表面權威,取得原本不會給予不可信對象的合作與信任。
框架官方來源 ↗ · 開啟互動探索 ↗
Validated Research · 2026-10-30 · 實務關聯
資安研究人員 threlfall_hax(https://5stars217.github.io/)在公開模型儲存平台 Hugging Face 上,建立了幾個冒充真實公司的組織帳號。這些假的 Hugging Face 組織帳號看起來很正式,被冒充公司的員工因此主動申請加入,以為那就是公司內部用來分享模型的官方空間。這讓研究人員完整取得了員工上傳的所有 AI 模型,包括把模型替換成惡意版本的能力。研究人員也示範了他可以把惡意程式嵌進一個 AI 模型中,藉此進入受害組織的環境。從這裡開始,攻擊者就能發動一連串具破壞性的攻擊,例如竊取智慧財產,或毒害受害者環境中的其他 AI 模型。
關聯理由: 假冒 Hugging Face 組織取得模型及替換權限。 此處對應「偽裝、混淆與身分仿冒」:攻擊者在多 agent 環境中引入惡意參與者,冒充合法 agent、使用者、系統或具有權威的角色。 假冒 Hugging Face 組織取得模型及替換權限。 共同機制是使用者把假組織身分當成可信權威;來源建立的是模型中心的假組織,不是多 agent 系統中的 agent 冒名。
假冒 Hugging Face 組織取得模型及替換權限。
SecureFlow · 閱讀完整案例 ↗
Incident · 2026-08-24 · 實務關聯
skills.sh 是讓使用者尋找 Agent Skill 的公開登錄平台;Skill 是可供 AI Agent 載入的工作說明與工具設定。Zenity 揭露並協調移除一波正在進行的攻擊資產:攻擊者建立與 Paperclip、Browser Use 兩個 Agent 專案相似的組織、Skill、儲存庫與套件名稱。Paperclip Skill 家族在文件仍正常時先累積顯示安裝次數,7 月 11 日才把安裝說明換成惡意指令,這種先取得信任、之後替換內容的手法稱為供應鏈 Rug Pull。惡意指令會引導 Agent 執行攻擊者控制的程式碼;另一條 Browser Use 路徑則要求 Agent 安裝含木馬的 PyPI 套件。研究人員還原的憑證竊取程式會檢查超過 100 個設定路徑,再把 Base64 編碼的純文字資料送到 api[.]getpaperclipp[.]com/feedback 。報告中的 170 萬是彙總後的顯示安裝次數,不是獨立使用者數,也不是已確認感染數。
關聯理由: 惡意 skill 或專案在 agent 生態系中,假冒可信的軟體提供者。實務交集是假元件身分及其誘發的信任;來源沒有證實惡意 agent 在多 agent 部署中,冒充另一個參與者。
惡意 skill 透過 agent 的元件信任與程式執行路徑生效。
AIA · 閱讀完整案例 ↗ · SecureFlow · 閱讀完整案例 ↗
Incident · 2026-04-18 · 實務關聯
Snyk 揭露,ClawHub(類似 marketplace 的 agent skill 集散地)上出現假冒 Google 整合的惡意技能 google-qx4 和 NET_NiNjA 。它們沒有把惡意程式直接放在 repo 裡,而是在 SKILL.md 裡捏造一個叫做 openclaw-core 的前置需求,誘導使用者去 GitHub 或 Rentry 下載站外安裝檔,甚至直接把命令貼進終端機執行。這個案例說明,skill 安全不能只看程式碼;連寫在說明文件裡的安裝步驟、外部下載連結,以及 agent 代為轉述的操作建議,都要一起當成 AI 供應鏈風險來檢查。
關聯理由: 惡意 skill 或專案在 agent 生態系中,假冒可信的軟體提供者。實務交集是假元件身分及其誘發的信任;來源沒有證實惡意 agent 在多 agent 部署中,冒充另一個參與者。
假 skill 要求人類安裝惡意前置套件;執行邊界是使用者,不是 agent 自動 shell。
AIA · 閱讀完整案例 ↗