跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Shopify Canvas 让商家用对话搭建店铺,AI 代理则攻破了一家安全非营利组织

Shopify 于 10 月 1 日推出 Canvas,商家与 Sidekick AI 代理对话,就能生成一个可运行的 Shopify 店铺。同一周,荷兰一家安全非营利组织披露了一起由自主 AI 代理主导的入侵事件。

媒体与互联网分析林晓雯发布: 2026年10月2日6 分钟阅读资料来源 11
Shopify Canvas 让商家用对话搭建店铺,AI 代理则攻破了一家安全非营利组织

10 月 1 日,Shopify 推出 Canvas。商家与公司的 Sidekick AI 代理对话,就能搭出一个网店。据 TechCrunch 报道,Canvas 实时渲染店铺的真实代码,而不是静态预览。商家因此可以测试交互和动画,并在不同屏幕尺寸下检查页面。

这一点有具体用处。商家描述想要的版式,看着 AI 改动底层的主题文件;代理改错了,点一下元素就能手动修正。Sidekick 还会给自己的成果截图,所以页面每次更新,它看到的和商家看到的是同一版。不过首发范围很窄。据 TechCrunch 报道,第一版没有第三方主题支持,没有应用区块和扩展,也没有市场、翻译、灰度发布和主题更新,而且 Canvas 只支持桌面端。Shopify 对该媒体表示,这些功能会陆续加上。公司还简化了主题架构,让 Sidekick 直接访问主题文件,以便代理理解店铺的结构、逻辑和设计。

Canvas 带了什么,没带什么

Canvas 并非凭空出现。它要和 Wix、Squarespace、Webflow、Framer 的 AI 建站工具同场竞争,还要面对 Lovable、Replit 这类 vibe-coding 平台。Sidekick 此前已经能写代码、做应用、改主题。Canvas 把这些能力收进一个产品,让整家店一次全部可见。

把代理推进原本需要人操作的工作,Shopify 不是唯一一家。同一周,安全研究领域给出了一个更硬的例子:一个 AI 代理被指基本靠自己完成了一次入侵。

安全非营利组织遭入侵,动手的是代理

荷兰漏洞披露研究所(DIVD)称,其网络被攻破,攻击链由 Zammad 的两个零日漏洞组成。Zammad 是开源工单与客服系统。BleepingComputer 9 月 30 日报道,这两个漏洞编号为 CVE-2026-102489 和 CVE-2026-102490,可导致会话劫持、远程代码执行以及提权至 root。

DIVD 此前把这次攻击形容为动静很大、手法混乱,由一个 AI 代理驱动。它自主行动,无需外部指令就选择下一步。这家非营利组织之所以能还原事件,是因为代理留下了自己决策的解释。据 BleepingComputer 引述,DIVD 表示:“两者结合,攻击者得以劫持会话、远程执行代码,并在数秒内从 Zammad 用户提权到 root,这要归功于这次攻击中的代理部分。”

网络分段和事件响应阻止了入侵者继续深入,调查仍在进行。Zammad 在官网称其拥有超过 2000 家客户和 55000 名用户,包括 De'Longhi、Amnesty International 和 NextCloud。DIVD 与 Merlon Security 共同发现这些漏洞,已通知 Zammad,并建议用户升级到版本 7,或将实例下线。

两件事处在同一趋势的两端。一个在卖能搭建东西的代理;另一个记录了代理如何在数秒内破坏东西,全程没有人类介入。

防守方被推销的是同一套代理叙事

厂商正以 AI 原生防御产品回应。GTT Communications 于 9 月 29 日发布 GTT Defense Halo,称这是一个正在申请专利的平台,能识别漏洞和政策缺口,实时生成修复方案,并为客户网络建立带状态的模型,显示每一台主机之间的连接。Light Reading 报道了这次发布。平台运行在 GTT 的 AI 工厂上,实例托管在美国、英国和欧盟。公司把这套产品与 8 月底发表的一封公开信联系起来。该信有 100 多家技术、网络安全和金融服务公司签署,警告 AI 驱动的网络攻击将更普遍、更复杂,防守方准备的时间窗口很窄。

这种说法如今很常见,也不限于网络厂商。InfoQ 在 2026 年 10 月开设两个为期五周的线上认证班。AI Security and Privacy Engineering 于 10 月 26 日开课;AI-Assisted Engineering 于 10 月 19 日开课,重点讲编码代理改动既有代码库时该做哪些检查。

主持安全课程的是 Katharine Jarmul。她说,AI 安全审查必须沿着数据和决策走遍整个系统。据 InfoQ 引述,她表示:“在课程里,我们会标出敏感信息可能流向哪里,测试我们选定的控制措施,并明确剩下的风险由谁负责。”共同主持工程课程的 Zichuan Xiong 把操作层面的问题说得很直白:“编码代理可以很快做出改动,但更难的问题是它被允许做什么,以及我们怎么知道这个改动是可靠的。”

驻留型恶意软件,以及底下的信任缺口

代理式攻击并非唯一的活跃威胁。据 The Hacker News 报道,微软称一个名为 NeedyMantis 的恶意软件家族被用来在已被攻破的网络中维持长期访问。相关活动针对电信机构、大学、医疗非营利组织、政府间组织和政府承包商,最早可追溯到 2025 年 10 月。

微软是在追查卡巴斯基对 DAEMON Tools 供应链攻击的调查线索时发现该恶意软件的。在那次攻击中,DAEMON Tools Lite 的签名安装包从 2026 年 4 月 8 日起携带恶意代码,直到开发者于 5 月 5 日换成干净版本。微软将该活动编号为 Storm-3069,评估其源自中国,但表示尚未把该组织与中国国家背景的行为体挂钩。公司还称,使用 NeedyMantis 的可能不止一个组织。

所有这些之下还有一个更安静的问题:企业是否信任承载其 AI 项目的网络。Arelion 9 月 28 日发布的报告《信任的错觉》发现,过去两年里,58% 的高级业务负责人因为对网络供应商的担忧,推迟、缩减或为战略计划增加了额外防护。

受影响最大的是 AI 和数据驱动项目,在经历过中断的受访者中有 49% 提到。安全与合规项目为 44%,数字化转型为 42%,云迁移为 38%,进入新市场和新产品发布各为 30%。信心在受考验前看着很足:93% 的人表示基本或完全信任现有供应商,但只有 15% 对该供应商快速发现并解决严重网络问题的能力有完全信心。

同一份报告里的两个数字解释了这道缺口。几乎所有负责人都在抽象层面表达信任,而 42% 的人说,供应商严重低于预期的情况从每年几次到每月甚至更频繁都有。在建立信任的因素中,对安全威胁的防护排名最高,为 48%,高于可靠性与正常运行时间的 44%,以及性能与延迟的 37%。

把这一周放在一起看,轮廓很清楚。Shopify 押注对话驱动的代理能在没有开发者的情况下搭出店面。DIVD 记录的是,一个没有开发者把关的代理在工单系统上撒野会发生什么。GTT 和 InfoQ 在卖、在教同一想法的防御版本。而 Arelion 的调查显示,许多买家还不相信,这一切底下的网络撑得住。

评论 0

资料来源

11
  1. 01Shopify debuts Canvas, a way to build online stores by chatting with AIEN
  2. 02DIVD says Zammad zero-days enabled AI-driven network breachEN
  3. 03Hackers Use NeedyMantis to Maintain Long-Term Access in Breached NetworksEN
  4. 04GTT launches AI-native network defense platformEN
  5. 05Trust in network providers is holding back AI and digital transformation initiatives - ArelionEN
  6. 06InfoQ Online Cohorts Address AI Security and Coding Agent VerificationEN
  7. 07Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN
  8. 08SimTrace: Grounded Multimodal User Trajectories Generation for Online User ModelingEN
  9. 09Graph neural networks for sampling-invariant embeddings of organized signal setsEN
  10. 10Neural networks for spectral optimizationEN
  11. 11Transversal Pooling Neural NetworksEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。