網路釣魚（Phishing）的演進正處於一個關鍵的轉折點。根據 thehackernews.com 的報導，網路釣魚的威脅模型已經從單純的惡意內容，演變成複雜的 AI 代理人對抗。傳統的電子郵件防禦機制在過去十年中依賴於掃描訊息、識別惡意特徵並將其攔截，這種模式在處理惡意連結或附件時非常有效，但當攻擊的核心從內容轉向意圖，且發送者不再是人類時，舊有的防禦體系已顯得力不從心。
網路釣魚的演進脈絡可分為三個階段。Phishing 1.0 聚焦於惡意內容，利用含有病毒的附件或偽造連結進行攻擊，這類威脅可透過安全郵件閘道器（Secure Email Gateways, SEG）比對特徵碼來攔截。Phishing 2.0 則轉向惡意意圖，例如商業電子郵件詐騙（Business Email Compromise, BEC）或高階主管冒充。這類攻擊不含惡意程式碼，而是利用社交工程（Social Engineering，一種操縱心理讓目標洩漏機密或執行特定操作的技巧）來偽裝成可信的請求，導致傳統閘道器因缺乏可掃描的惡意特徵而失效。
目前的 Phishing 3.0 則進入了 AI 驅動且跨渠道的時代。攻擊者不再是手動輸入文字，而是部署 Agentic AI（代理人 AI，指能夠自主規劃目標、執行研究並根據環境反饋調整行動的 AI 系統）。這類 AI 代理人能利用生成式 AI（GenAI）撰寫極具說服力的誘餌，並結合 Deepfake（深度偽造，利用 AI 生成極其真實的音訊或影像）將攻擊擴展至語音通話與視訊會議。
AI 代理人的介入徹底改變了攻擊的經濟成本。在過去，進行偵察（Reconnaissance）需要大量人力去研究目標公司的網站、分析職缺、對接供應商或研究高階主管的社群媒體。現在，AI 代理人可以在數秒內總結目標的公開足跡，從 GitHub 或雲端文件提取資訊，精準地繪製組織圖並生成量身打造的攻擊劇本。這意味著即使是小型企業，也可能面臨以往只有高價值目標才會遭遇的精準打擊。
這種威脅的嚴重性在 Arup 工程公司的案例中得到了體現。攻擊者首先發送一封冒充英國財務長的釣魚郵件，當員工產生懷疑時，攻擊者隨即發起一場 Deepfake 視訊會議，會議中所有同事的面孔均為合成影像。由於視覺與聽覺的信任被操縱，該員工最終核准了 15 筆總額約 2,500 萬美元的轉帳。這證明了單純的郵件衛生管理已無法抵禦跨渠道的信任攻擊。
數據顯示，數位通訊的信任基礎已經崩潰。Osterman Research 在 2026 年的一項研究中發現，88% 的安全主管在過去一年經歷過損害數位通訊信任的事件，且 60% 的人對應對 Deepfake 攻擊缺乏信心。此外，IRONSCALES 的數據顯示，主流的郵件過濾系統（如 Microsoft 365 EOP 或 Google Workspace）在每 100 個信箱中，每 30 天仍會遺漏數百封釣魚郵件。這說明了邊界防禦的局限性，大量威脅在通過閘道器後直接進入員工收件匣。
面對 Phishing 3.0，傳統的攔截、偵測與回應（Block, Detect and Respond）模型已失效。面對能快速生成個人化內容的 AI 代理人，人類分析師無法在速度上取勝。根據 Crogl 與 Ponemon Institute 的研究，企業安全運作中心（SOC）平均每天處理超過 4,000 個警報，但僅能調查其中 37%。這種資訊過載使得偵測與回應始終落後於攻擊者。
因此，防禦模型必須引入預先防禦（Preempt）機制。這意味著防禦方同樣需要部署 AI 代理人來達成對稱作戰。例如，利用紅隊代理人（Red Teaming Agent）模擬攻擊者的偵察路徑，在攻擊發生前就強化偵測規則；或使用 SOC 代理人將數小時的鑑識分析縮短至數分鐘。Microsoft 的案例顯示，自主警報分選代理人識別惡意郵件的能力比人工審查高出 6.5 倍，顯著降低了分析師的工作量。
對於資安實務者而言，衡量指標必須從邊界攔截率轉向後遞送遺漏率（Post-delivery miss rate），關注那些成功進入收件匣的威脅。同時，威脅模型必須擴展至語音與影像，不能僅停留在郵件層級。在評估自動化工具時，應關注其自主解決問題的能力而非僅是提供更多儀表板警報。最後，員工訓練應從通用模板轉向基於真實偵察路徑的個人化模擬。
Phishing 3.0 已非預測，而是現狀。當攻擊者利用 AI 代理人抹除偵察成本並操縱人類感官信任時，僅靠人力與傳統軟體已無法贏得速度賽。組織唯一的出路是部署自己的 AI 代理人，將防禦從被動反應轉變為主動預判。
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。