我們正處於網路安全的一個重大轉折點。過去幾十年，資安防禦的節奏是人類可以跟上的：研究人員發現漏洞、發佈 CVE 編號（通用漏洞披露，一種標準化的漏洞識別碼）、廠商開發補丁，最後由企業部署。這個過程雖然緩慢，但有跡可循，攻擊者的dwell time（潛伏時間，指攻擊者進入系統到被發現的時間）通常以天或週來計算。
然而，隨著 2026 年 Agentic AI（代理型 AI，指不僅能生成建議，還能自主規劃路徑並執行任務的 AI 模型）的出現，威脅模型發生了根本性的改變。AI 不再只是幫駭客寫一段程式碼，而是能主動測試、修正並執行攻擊。這將攻擊的生命週期從人力速度壓縮到了機器速度，讓發現漏洞到武器化（Weaponization，將漏洞轉化為可用於攻擊的工具）的過程幾乎在瞬間完成。
生產力工具成為潛在的特洛伊木馬
許多企業為了追求競爭力，將 AI 代理深度整合進基礎設施，例如授予 LLM 代理對程式碼庫的寫入權限，或讓第三方 AI 插件接入內部 API。這類工具在提升開發效率的同時，也為攻擊者開啟了大門。
對於 Agentic AI 而言，能幫工程師快速重構程式碼的能力，同樣可以用來快速獵殺邏輯漏洞。當防禦者還在喝第一杯咖啡時，AI 代理可能已經完成了偵察、漏洞利用並執行入侵。我們用來現代化工作流的靈活性，正被攻擊者轉化為對抗我們的武器。
傳統漏洞目錄的失效與攻擊的隱匿化
以往我們依賴 CISA 的 KEV 目錄（已知被利用的漏洞清單）或 EPSS（漏洞利用可能性評分系統）來判斷風險。這些工具的核心在於紀錄已知特徵（Signatures）和行為模式。
但在 AI 驅動的時代，攻擊變得自發且快速變異。AI 生成的攻擊路徑可能是針對特定目標量身打造且一次性的，這種Ephemeral（瞬時性）特徵讓攻擊在被紀錄到漏洞目錄之前就已經完成。當 SIEM（安全資訊與事件管理系統）觸發警報時，AI 代理可能早已完成橫向移動並外洩資料，且未留下任何可辨識的特徵碼。
IT 與 OT 融合導致的物理風險
風險的疊加在於 IT（資訊技術）與 OT（營運技術，如工廠設備、電網控制系統）的融合。過去我們依賴網路分段（Segmentation）或物理隔離（Air-gap）來保護工業資產，認為防火牆能提供安全感。
但對 Agentic AI 來說，防火牆不是障礙，而是一個可利用的資產。AI 能在毫秒內識別出連接公司 Wi-Fi 與工廠區域網路的工程師筆電，將其作為跳板。此外，許多工業協定如 Modbus、BACnet 或 S7comm 在設計之初就缺乏安全性，AI 會將這些協定視為高速公路，直接從 IT 端的漏洞滲透到 OT 端的物理設備。這意味著一次資料外洩可能直接導致工廠停機或安全閥開啟，攻擊從螢幕延伸到了物理世界。
防禦核心：消除資訊不對稱與環境硬化
攻擊者獲勝的關鍵在於資訊不對稱。他們利用防禦者對自己網路環境的認知落差（即你以為網路長這樣，但實際上長那樣）來生存。因此，資產盤點（Asset Inventory）不再僅僅是為了符合合規要求，而是生存的基礎。
面對機器速度的攻擊，防禦策略必須從被動反應轉向主動的環境硬化（Environmental Hardening），重點在於消除盲點：
深入探測協議閘道：傳統工具看到閘道 IP 就停止，但現代防禦需要能穿透協議閘道，識別後端隱藏的 PLC（可程式邏輯控制器）與現場設備，確保沒有任何工業資產處於隱身狀態。
識別影子 IT 與非法接入：AI 代理會迅速尋找未受控的 IoT 設備或被遺忘的工作站。防禦端必須能進行無代理（Agentless）且無需憑據的設備發現，將這些盲點提前排除。
驗證網路分段假設：許多網路分段在實務中是失效的。透過攻擊路徑映射（Attack Path Mapping），管理者可以視覺化 AI 代理可能如何跨協議橫向移動，而非僅僅假設防火牆有效。
精準修補關鍵瓶頸：面對海量漏洞，不可能全部修復。應優先處理那些漏洞與可行攻擊路徑交匯的瓶頸點（Choke Points），直接切斷攻擊者通往核心資產的唯一路徑。
結語
雖然目前的 AI 尚未達到完全自主的攻擊能力，但我們必須意識到：現在是這些模型能力最低的時刻。 predator（捕食者）正在學習，而大多數企業仍在尋找昨日獵人的足跡。生存的唯一機會，是在 AI 代理突破掩護之前，先看清自己網路中的所有組成部分。
來源：thehackernews.com
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。