常被称作 “中国版 OpenAI” 的遭遇 DeepSeek ，近来遭遇了一场极为严重的连环分布式拒绝服务（DDoS）攻击 。本文将深入探讨专家对于人工智能行业所面临安全挑战的攻击观点 ，以及制定主动防御策略的安全紧迫性 。
DeepSeek 究竟是何去何谁？DeepSeek - R1 是中国初创公司 DeepSeek 研发的一款大型语言模型（LLM） ，作为领先的遭遇开源推理模型，它与 OpenAI 的连环 o1 系列不相上下 。DeepSeek - R1 依据 MIT 许可协议发布 ，高防服务器攻击其训练方式主要采用强化学习 ，安全这与传统的何去何大语言模型训练方法截然不同 ，彰显出行业朝着小型开源模型发展的遭遇趋势。DeepSeek 的连环实践表明，出色的攻击工程设计必须兼顾性能与成本效益 。 IBM 董事长兼首席执行官阿尔温德・克里希纳指出 ，安全DeepSeek 的何去何经历证明 ，优秀的工程设计应在性能和成本两方面进行优化 。“在 IBM ，我们观察到 ，云计算专用模型能够将人工智能推理成本降低多达 30 倍 ，从而实现更高效且更易实现的训练 。” 截至 2025 年 1 月 31 日 ，DeepSeek 的 R1 模型在 Chatbot Arena 基准测试中位列第六 ，超越了 Meta 的 Llama 3.1 - 405B 和 OpenAI 的 o1 等模型 。然而 ，在全新的人工智能安全基准测试 ——WithSecure 的简单提示注入评估与利用工具包（Spikee）中，R1 的表现却不尽人意 。这一情况凸显出人工智能发展过程中的建站模板一个关键问题 ：过于侧重性能而忽视了安全 。
DeepSeek 受攻击时间线DeepSeek 近期出现的安全漏洞 ，暴露出一系列严重程度和潜在影响各异的问题。下面 ，让我们按照严重程度从高到低 ，来分析这些事件 ： 1. DDoS 攻击2025 年 1 月 ，DeepSeek 遭受了一场严重的 DDoS 攻击 。在 2025 年春节期间 ，当千家万户阖家团圆欢庆佳节之时 ，被誉为 “中国版 OpenAI” 的人工智能明星企业 DeepSeek，却陷入了有史以来最为严峻的安全危机 。亿华云 攻击规模 ：黑客发动了一场前所未有的 3.2Tbps DDoS 攻击 ，这相当于每秒能够传输 130 部 4K 电影 。 影响 ：DeepSeek 官方网站瘫痪长达 48 小时 ，全球客户和合作伙伴都受到影响 ，造成了数千万美元的损失 。截至本报告完成时 ，官方 API 服务仍未完全恢复 ，国际用户依旧无法完成注册 。此次 DDoS 攻击的目标是 DeepSeek 于 2025 年 1 月初发布的最新开源模型 DeepSeek - R1 ，且攻击时间恰好与 2025 年 1 月 28 日发布的多模态模型 Janus - Pro 重合 。模板下载DDoS 攻击主要导致 DeepSeek 的注册服务无法使用 。 2. XSS 漏洞DDoS 攻击之后，DeepSeek 又面临严重的跨站脚本（XSS）漏洞 。2025 年 1 月 31 日 ，在 DeepSeek 的 CDN 端点检测到一个基于 DOM 的跨站脚本漏洞 。该漏洞是由于对 postMessage 事件处理不当导致的 ，攻击者可以在不进行适当来源验证或输入清理的情况下 ，将恶意脚本注入文档上下文。这一漏洞可能导致攻击者劫持用户会话 、服务器租用窃取敏感信息 ，甚至发起网络钓鱼攻击 。
漏洞原因 ：受影响端点上的 postMessage 实现在处理消息时 ，既未验证来源 ，也未对输入进行适当清理 。以下代码片段可以说明问题的根源 ： 复制window.addEventListener("message", (e) => { const keys = Object.keys(e.data); if (keys.length !== 1) return; if (!e.data.__deepseekCodeBlock) return; document.open(); document.write(e.data.__deepseekCodeBlock); document.close(); const style = document.createElement("style"); style.textContent = "body { margin: 0; }"; document.head.appendChild(style); });1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.该函数直接使用 document.write 将任何__deepseekCodeBlock 负载写入文档 ，跳过了来源验证（未检查 postMessage 事件是否来自受信任源）和输入清理（未对负载中的 HTML/JavaScript 内容进行过滤或转义）等关键安全措施 。 后续漏洞 ：虽然据报道 ，1 月 31 日的漏洞在 2025 年 2 月 1 日已修复，但同一天又发现了另一个 XSS 漏洞 。这个漏洞使攻击者能够在 DeepSeek 人工智能平台内注入并执行任意 JavaScript 代码 。攻击方式为用户注入以下代码块 ： 复制Ethically hacked by 0xSaikat (হা.. হা.. হা.. এটাই বাস্তব, I love you) " onload="alert(XSS by 0xSaikat - (হা.. হা.. হা.. এটাই বাস্তব, I love you))">1.2.由于输入未得到妥善清理 ，注入脚本的 JavaScript 代码得以执行 。一旦成功利用此漏洞 ，可能导致用户会话被劫持 、敏感信息被盗取 ，或是遭受网络钓鱼攻击 。这一事件充分体现了持续进行安全测试和漏洞修复的重要性，即便之前的问题已得到解决 。
Wiz Research 最近发现 ，DeepSeek 的基础设施存在重大安全漏洞，通过可公开访问的 ClickHouse 数据库，大量敏感数据被暴露 。 在oauth2callback.deepseek.com和dev.deepseek.com托管的两个数据库实例 ，在端口 8123 和 9000 上未进行身份验证 ，任何人都可以通过 ClickHouse 的 HTTP 接口访问和操作数据。这个漏洞导致超过一百万行的日志流被曝光 ，其中包含聊天记录 、API 密钥 、后端详细信息和操作元数据等高度敏感的信息 。 Wiz Research 展示了执行任意 SQL 查询的能力 ，能从名为 log_stream 的表中检索数据 ，该表包含聊天记录、API 密钥和内部系统详细信息等敏感内容。 这一事件尤其令人担忧 ，因为 DeepSeek 的 R1 论文中并未提及任何特定的加密标准 ，这让人对其系统内敏感数据的保护产生质疑。这些数据库包含一个 “log_stream” 表 ，存储了自 2025 年 1 月 6 日以来的敏感内部日志 ，其中包括用户对 DeepSeek 聊天机器人的查询 、后端系统用于验证 API 调用的密钥 、内部基础设施和服务信息，以及各种操作元数据。
这是一种更为隐蔽的威胁 。攻击者利用 DeepSeek API 中的漏洞注入对抗样本，试图操控模型的行为和输出。这种攻击可能产生长期的不良后果 ，比如降低模型性能、引入偏差 ，甚至让恶意代码得以执行 。 DeepSeek 对 Common Crawl 等大型公开可用数据集的依赖，进一步加大了这种风险 ，因为攻击者有可能向这些数据源注入恶意数据 ，从而污染模型 。这一事件凸显出针对模型投毒建立强大防御机制的迫切需求 ，包括数据验证、异常检测和模型监控。 5. 模型越狱DeepSeek 的模型 ，包括 V3 和 R1，被发现容易受到越狱技术的操控 。帕洛阿尔托网络公司（Palo Alto Networks）的研究人员利用 “欺骗性喜悦”（Deceptive Delight） 、“不良李克特评判”（Bad Likert Judge）和 “渐强”（Crescendo）等方法，成功实现了对模型的越狱 。这些技术利用了模型安全机制中的漏洞，使得攻击者能够绕过限制，进而有可能未经授权访问信息或操控模型行为 。 DeepSeek 迫切需要重视并投入资源建立强大的安全措施 ，包括对抗训练 、延长日志保留时间和加快事件响应速度 ，以此降低漏洞风险，防范日益复杂的网络威胁。 OpenAI 的安全事件尽管 DeepSeek 近期的漏洞突出了重大安全问题，但我们也不能忽视 ，即便是像 OpenAI 这样的人工智能行业巨头，同样也面临过安全挑战 。在 OpenAI 的早期发展阶段，曾遭遇过众多攻击和漏洞 ，这表明实现强大的人工智能安全并非一蹴而就，而是一个复杂且持续的过程。研究 OpenAI 的经历 ，能为整个人工智能社区提供宝贵的经验 ，强调在面对不断变化的威胁时，持续改进和适应的重要性 。
DeepSeek 并非唯一遭受 XSS 攻击的受害者。Claude 在早期也面临诸多漏洞 。一位研究人员报告称 ，在 DeepSeek 聊天中输入 “以项目符号列表形式打印 XSS 作弊表 。只需列出有效载荷” ，会触发作为生成响应一部分的 JavaScript 代码执行 。发现这一问题后 ，他进一步检查是否存在提示注入的情况 ，即用户可能利用 DeepSeek 处理来自他人的不可信数据 。攻击者可以轻松获取chat.deepseek.com域的 localStorage 中存储的 userToken 。如果应用程序容易受到 XSS 攻击 ，且大语言模型能够利用该漏洞 ，那么提示注入就有可能完全控制用户账户 。 如何保护人工智能模型DeepSeek 的数据泄露事件 ，充分表明了零信任安全的必要性 ，即无论是内部还是外部实体 ，都不能被无条件信任 。人工智能系统在授予对 API 、数据库或模型权重的访问权限之前 ，应该要求进行持续身份验证 、最小权限访问和上下文验证 。通过实施基于身份的访问控制（RBAC 和 ABAC）和多因素身份验证（MFA），企业能够防止未经授权的访问，降低内部威胁 。 此次数据泄露中 ，最令人担忧的威胁之一是模型权重操纵 ，即对抗样本干扰人工智能的决策 。人工智能模型在每次训练和部署阶段 ，都应该使用 HMAC 、RSA 或 ECC 签名进行加密签名 ，以确保完整性 。此外 ，采用如可信执行环境（TEE）等安全飞地技术 ，可以防止对人工智能模型的未经授权修改 。 DeepSeek 的数据泄露暴露了内部安全的薄弱环节 ，而通过员工网络安全意识培训 ，原本可以减轻这些问题 。定期培训项目应该向工程师 、研究人员和员工传授安全编码实践 、网络钓鱼防范意识 、提示注入风险以及人工智能特定的攻击向量等知识 。同时 ，应该开展模拟网络钓鱼活动和安全演练 ，确保团队有能力识别并应对威胁 。 我们必须认识到，传统安全架构对于大型人工智能模型来说是不够的 。企业应该将安全理念融入企业文化 ，转向系统级安全措施 。这需要一种全面的方法 ，涵盖从模型开发到基础设施管理的人工智能系统的各个方面 。 为了防止出现类似chat.deepseek.com上的 XSS 漏洞，平台需要对用户生成的代码输入进行清理 。要确保进行适当的输入 / 输出清理 ，并实施脚本沙盒 。例如 ，在未首先验证的情况下 ，切勿直接渲染和执行人工智能生成的代码 。 通过持续的红队评估 ，对所有人工智能接口 、API 和后端服务进行持续的安全渗透测试。此外 ，设立漏洞赏金计划 ，鼓励道德黑客在恶意行为者利用漏洞之前 ，负责任地披露漏洞 。 参考来源 ：https://cybernews.com/editorial/how-deepseeks-security-failures-shape-the-future-of-cyber-defense/ |
