當網絡黑客早已運用 AI 實現「一鍵自動化攻擊」，甚至能完美模擬正常用戶行為以規避偵測時……安全團隊是否仍停留在「以人力應對海量 Alert、逐條檢查 Log 日誌」的被動防守階段？

面對這種新常態，一旦黑客在深夜或公眾假期發動勒索軟件攻擊，短短數小時的響應延遲，已足以為企業帶來災難性的全網癱瘓與業務停擺。

參加炎凰數據網上研討會，共同探討如何利用強大的 LLM 算力，為企業打造一個 24/7 具備思考與執行能力的「虛擬安全團隊」。

活動亮點： 🔍 炎凰數據 SIEM 的先進架構與 AI 能力

• 無縫整合與靈活部署： 剖析 AI SOC 如何獨立運作或與現有 SIEM 平台無縫對接，全面擴展安全可視性 Visibility，絕不推翻既有投資。
• 多重 AI Agent 深度排查： 拆解多個專職 AI Agent 如何像資深專家一樣，自動調用 VirusTotal、EDR、Firewall 進行多輪查詢與動態反制。
• 條龍自動化處置： 實機示範 AI 如何在極短時間內定位威脅源頭、執行自動攔截（如隔離受感染電腦、封鎖惡意IP），並自動核實漏洞修復，免除人手 Double-check。
• 真實攻擊場景實機演示（Live Demo）： 現場拆解 AI Agent 如何分工合作，極速化解 Phishing Email（釣魚郵件）與 Ransomware 等高危威脅，並即時自動生成 Incident Report。

踏入 Agentic AI 時代，面對日益複雜的網絡安全威脅，企業必須重新思考和重塑整體安全架構。第二集《Fortinet – Agentic AI 安全攻防戰》，Fortinet 北亞區首席信息安全官鄺偉基（Daniel）將視點由基建平台延伸至整體架構層面，拆解在應用安全層（Application Security Level）中的「安全鐵三角」，讓企業更清楚如何在 Agentic AI 的應用場景中，構建實用且嚴密的安全防線。

Daniel指出，一個完整且可落地的 Agentic AI 安全架構， 至少需涵蓋三個核心層級：基礎建設（Infrastructure）、應用（Application）以及數據與治理（Data and Governance），三者環環相扣，缺一不可。

在上集中， Daniel 提到部署 Agentic AI 須以基建層為起點，透過 Kubernetes 的網絡分隔（Segmentation）機制，將潛在風險限制在局部範圍內。

 上集回顧：Agentic AI 安全攻防戰 EP1｜由 Kubernetes 入手　以分隔機制打穩安全基礎 

當基礎建設穩固後，第二層的「應用安全」 （Application Security） 就成為支撐 Agentic AI 運作的核心防線，負責防禦實際應用流量的安全風險。

由「單向防守」轉至「雙向流量管控」

在現實環境中，絕大部分應用流量早已透過加密通道傳送，無論是傳統的 JSON API，還是 gRPC、WebSocket 或 MCP 等高效能、即時和智能協議，本質上都是透過 Web 與 API 進行溝通。Daniel 解釋，過往多數安全方案的設計重點，主要放在由外到內的進站請求（Incoming Request），即從外界進入企業伺服器的流量。

然而，在 Agentic AI 的世界裡，AI 代理（Agent）不再只是被動接收指令，而是會主動向外查詢、抓取資料，甚至持續調用第三方服務。換言之，企業除了要守住「入口」，針對向外發出的出站請求（Outgoing Request）所帶來的潛在風險，同樣不能掉以輕心。

正因如此，在應用安全架構中，有兩個關鍵角色尤其重要：

1. WAAP（Web Application and API Protection）：不再限於傳統 WAF，其防護已涵蓋各類 API（包括 gRPC、WebSocket 和 MCP）。WAAP 部署於 Incoming Request 端，負責解密流量並拆解不同格式的 API 流量內容。

2. SWG（Secure Web Gateway）：扮演代理伺服器（Proxy）的角色，是處理向外發出請求時的前向代理（Forward Proxy）。當 AI 代理（Agent）向外部網絡抓取資料或向第三方服務呼叫 API 時，所有流量均須經由此 Proxy。SWG 透過「中間人機制（Man-in-the-middle）」進行解密與檢測，攔截惡意負載、可疑數據或不恰當請求，確保外部資源存取安全。

事實上，合規要求較高的金融服務業，早已普遍採用「入有 WAAP、出有 SWG」的雙向防禦組合架構。Daniel 指出相比之下，不少非金融機構目前仍缺乏此類完整部署；到了 Agentic AI 時代，這種安全缺口將日益顯現，極易成為攻擊者的突破口。

從流量安全到語言層攻擊

除了「一出一入」的網絡流量控制，大型語言模型越獄（Jailbreak）亦是企業在應用 Agentic AI 時面臨的嚴峻挑戰。所謂越獄，即是是誘導模型違反安全政策，輸出不應輸出的內容，例如惡意程式碼、釣魚電郵，或繞過既有安全機制等。

Daniel 進一步解釋，「傳統網絡倚重數據及機器學習，能精準預測已知威脅，惟面對 AI 極為快速的變化，以及攻擊者利用自然語言精心設計的各類提示指令（Prompt），表達方式千變萬化，單靠傳統基於特徵碼（Signature-based）的 WAAP 已不足以應對。

要對抗語言層面的新型威脅，必須在 Prompt 的層面上加設專門的防線。

Fortinet 推出專門針對 Prompt 安全的全新方案—FortiAIGate，成為「應用安全鐵三角」中的重要一環。FortiAIGate 的核心機制是在 API 將 Prompt 傳入大型語言模型（LLM）之前，以及 LLM 把結果回傳至 API 之前，各加上一道專門分析 Prompt 的安全閘口。

系統一旦偵測到 Prompt 涉及高風險指令，或疑似嘗試繞過模型的安全限制時，便可在 Prompt 觸及 LLM 前主動攔截；即使模型已產生回應 Output Guard（輸出護欄）功能，亦可在回傳到 API 之前攔截。透過這種方式，企業不僅可以減少惡意或不當請求直接觸及模型的機會，亦能有效避免敏感數據外洩。

將 FortiAIGate 與 WAAP 及 SWG 結合使用，企業即可建立具備全方位可視性的「應用安全鐵三角」，大幅提升整體防禦能力。在高度自動化的 Agentic AI 環境中，這種可視性更是實現即時應變與後續調查的關鍵基礎。

2 小時深度體驗工作坊　萬勿錯過

想更深入了解 Fortinet 在保護 AI 方面的能力及實際應用場景？誠邀參與我們的 2 小時深度體驗工作坊。

Part 1：實戰示範（約 20 至 30 分鐘）
-          展示 WAF API Protection 的實際防護能力及 WAF MCP Protection 在真實威脅情境下的應變表現

Part 2 ：解決方案介紹（約 90 分鐘）
-          深入剖析 FortiWeb Secure AI 的架構設計與核心組件
-          分析常見及進階威脅情景及防禦思路
-          探討不同部署模式選項、如何配合現有環境落地，以及對比其他方案的優勢與差異

如果你正在規劃或已經開始部署 Agentic AI，這場工作坊將有助你更立體地理解如何將 WAAP、SWG 與 FortiAIGate 組合成為真正可運行的「應用安全鐵三角」，由實戰角度出發，強化整體保護 AI 策略。

日期：9 月 3 日 （星期四）
時間：下午 2:30 – 4:30
地點：Fortinet 香港辦公室

報名連結： https://forms.gle/EjuNn33qmTRJs8Pv6

網絡安全解決方案供應商 Sophos 發布《2026 年 AI 安全報告》，揭示黑客正將人工智能（AI）實際應用於網絡攻擊中，原本需時數星期的攻擊流程現在可大幅縮短至數日完成。報告指出，對網絡犯罪而言，現階段 AI 能顯著加快攻擊速度，並增加了以身份作為主要初始存取途徑（IAV）的攻擊。但在創造全新的攻擊類型方面，AI 的應用仍有限。

報告建基於 Sophos X-Ops 託管式偵測與回應（MDR）團隊處理的攻擊個案、SophosLabs 分析、Sophos Counter Threat Unit（CTU）威脅情報、Sophos AI 研究，以及從全球超過 62.5 萬名客戶的端點和網絡觀察所得的研究結果。

《Sophos 2026 年 AI 安全報告》主要發現

．AI 正大幅縮短攻擊時間，並加快攻擊技術投入實際運作的速度。
．企業 AI 身份、OAuth 憑證、AI 代理、應用程式介面（API）及開發工具正成為高價值攻擊目標。
．AI 輔助的社交工程（social engineering）及深度偽造技術（deepfakes）已成攻擊工具。
．網絡犯罪分子正將 AI 應用於地下網絡市場，包括招募成員、設計指令操控 AI、破解 AI 系統的安全限制（jailbreaking）、編寫和改良惡意軟件，以及提供各類犯罪服務。
．AI 開發基建及供應鏈現已成為攻擊目標。

Sophos 技術總監 John Peterson 表示，黑客仍然需要取得初始存取權限、再逐步入侵同一網絡內的其他裝置和系統，並透過可被觀察的渠道竊取數據。

Sophos 首次發現黑客積極使用 AI，令攻擊事半功倍。具體而言，雖然黑客使用的工具和技術與之前大約相同，但其開發、測試及改進的速度已明顯加快。當攻擊週期變得更快，團隊的應變時間亦更短，令他們面對更大壓力。因此網絡安全團隊必須做足準備應對的 AI 威脅，並在攻擊造成損害前及早偵測並遏止。

黑客利用 AI 加快攻擊行動實例

Sophos 在報告中披露一宗代號為 STAC6994 的重大攻擊活動。這是首批有確實證據的案例之一，顯示網絡犯罪分子正利用 AI 實際策劃及執行攻擊。

透過入侵一名用戶的網絡，黑客在其系統內建立軟件開發環境，並使用約 12 個 AI 代理編寫和測試針對 Sophos、CrowdStrike 及 Microsoft Defender 等端點安全軟件的攻擊方法。他們利用 AI 開發近 80 個攻擊模組及超過 70 種避過安全偵測的方法，把原本需時數星期的工作縮短至數日，從而更快進行攻擊。

Sophos 持續追蹤和分析相關攻擊活動，令企業可以及早識別攻擊手法，並在黑客大規模發動攻擊前阻截。

AI 身份成為新的攻擊面

報告指出，企業採用 AI 正成為發展最快速的網絡安全風險。企業讓編寫程式的 AI 工具、AI 模型，以及可自行下載和修改的 AI 代理連接重要系統，部分更可存取敏感資料或執行重要決定。黑客因此開始針對這些 AI 工具所使用的帳戶、登入資料及系統權限進行佈局。因此 AI 使用的數碼身份和帳戶、AI 代理、OAuth 登入授權及 API 金鑰，正成為攻擊者眼中的重點攻擊目標，但值得擔憂的是，不少企業的安全管理措施仍未能追上 AI 的普及速度。

黑客正開闢新方法，透過盜取 OAuth 登入授權、AI 身份的登入資料及開發工具，或利用未受妥善保護並可從互聯網存取的 AI 系統等方式，入侵企業網絡。AI 的應用不僅是模型安全問題，而是同時涉及身份管理、監管機制及供應鏈安全等多重層面的問題。

Sophos 最近發布的《2026 年勒索軟件現況報告》亦反映相同趨勢。報告顯示，三年多以來身份問題首次成為主要初始存取途徑。

AI 驅動的社交工程及深度偽造技術已投入實際應用

AI 輔助的社交工程及深度偽造技術令詐騙活動更具規模。透過利用 AI 製作詐騙訊息，並偽造逼真的人像、聲音和影片，攻擊者能以更低成本發動大規模詐騙。AI 亦可快速製作不同語言的內容，令騙局看來更自然可信。

報告提到一宗投資騙案。詐騙者以 AI 投資為招徠，在數月內持續向一名英國受害者提供虛假的 AI 投資課程和訊息，逐步取得其信任，再誘使他使用偽造的 AI 投資平台。受害者最終損失數十萬英鎊。

AI 開發基建亦成為目標，相關攻擊手法包括遭入侵的開發者工具及竊取身份憑證的惡意軟件。與 AI 供應鏈相關的風險亦日益增加，例如 AI 模型檔案遭篡改、訓練數據來源不明，以及連接 AI 與外部工具的 MCP 伺服器和運行 AI 模型的系統遭入侵等。