OpenAI 近日承認，旗下用於內部網安測試的一個自主 AI 代理，在受控環境中意外「失控」，並突破隔離機制，入侵 AI 開源平台 Hugging Face 的基礎設施。OpenAI 形容，今次事件屬於「前所未有的網絡安全事故」，反映出高能力 AI 模型在長時間自主執行任務時，可能出現超出人類預期的行為模式。 想知最新科技新聞？立即免費訂閱！ Hugging Face 本身並非一般的 AI 公司，而是一個深受業界歡迎的開源人工智能平台，讓研究人員、開發者和企業可以分享、託管及使用模型、資料集和相關工具。由於平台聚集了大量 AI 社群資源，Hugging…

AI 是科技界增長最快的領域，但在背後支撐其運作的數據中心，卻與傳統數據中心有很大分別。AI 數據中心不單耗電量驚人，而且亦有完全不同的新架構及數據傳輸規格。現實情況是在市場需求急升的情況下，不少建造商都要全力趕工興建。最近就有安全機構發表研究報告，指建造商未必真正明白 AI 數據中心與傳統版本有何分別，結果興建出來的新設施便直接曝露在網絡攻擊的風險之中。 AI 數據中心似共享辦公室 到底傳統數據中心與 AI 數據中心有什麼不同？傳統數據中心的架構就像傳統貨倉，內裏有一排排獨立儲物櫃，各自存放不同客戶的貨物，由於客戶已知，因此可在可控的基礎設施下運作。相反 AI 數據中心卻像共享辦公室，租戶來自五湖四海，但卻共用同一組硬件，一旦其中一個環節出事，全條生產線都會受影響。 負責《十大數據中心與 AI 基建安全風險》研究報告的安全機構 Lava Labs 就指出，當原本數據中心的架構是為「熟客」設計，如今卻要應付「陌生人」的工作，風險自然大增。研究員舉例說，AI 數據中心的 GPU…

一、從 GenAI 到 Agentic AI 的典範轉移 過去兩年，我們經歷了 Generative AI（生成式 AI）的爆發——ChatGPT、Claude、Gemini 等工具讓每個人都能產生文字、程式碼、圖像。但這只是序幕。 Agentic AI（智能體 AI）的本質差異在於：它不只是回答，而是行動。Agentic AI 具備規劃、使用工具、執行多步驟任務、並在過程中自我修正的能力。從「幫你寫郵件」到「幫你發郵件、追蹤回覆、並根據回覆內容安排日程」——這中間的距離，就是 GenAI 與 Agentic AI…

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：…

警方網絡安全及科技罪案調查科與隸屬數字辦的政府電腦保安事故協調中心，日前合辦第十屆「跨部門網絡安全演習」，進一步提升政府部門及相關機構應對網絡攻擊的防禦和應變能力，應對人工智能（AI）及網絡安全的挑戰。 想知最新科技新聞？立即免費訂閱！ 逾 350 人參與演習 是次演習共有 77 個政策局和部門，以及 15 個專業機構派出代表，共約 350人 參與，並採用「攻防對抗」模式，參與者組成「藍隊」，在虛擬網絡環境中應對由網絡安全專家擔任的「紅隊」所發動的模擬攻擊。演習以支援大型活動的資訊系統遭受勒索軟件攻擊為背景，並加入反網絡恐怖主義、自主式 AI、釣魚攻擊等元素，讓參與者在貼近實戰的環境下演練監察、分析、通報、處置及防禦流程，進一步提升協同防禦與應變能力，鞏固政府資訊系統的整體安全與韌性。 警務處助理處長（刑事）鍾詠敏在致辭時表示，演習今年踏入第十屆，是推動網絡安全演練恆常化的重要里程碑。她指，過去一年發生涉及敏感資料外洩事件，引起社會高度關注，加上 AI 發展迅速，黑客利用 AI 進行各類網絡攻擊，故絕不能忽略相關的網絡安全風險。 積極探索以 AI…

AI 的速發展大大改變網絡安全威脅環境。漏洞一旦出現，就可能很快被人利用來發動攻擊，與此同時，AI 亦為企業帶來強大能力。面對這些轉變，安全團隊應該如何跟上步伐？ 參加研討會，了解 Tenable 平台如何整合各種安全訊號，提供全面的風險可視性。同時亦會探討如何管理企業內部及外部的 AI 工作負載，以及如何運用 Tenable 的 agentic engine，加快降低風險，並以機器速度自動化威脅回應。 立即報名

在人工智能迅速滲透企業營運的時代，單靠「導入AI」已不足夠，更關鍵在於如何有效治理 AI，確保其安全、合規及可控。 參加由 Splunk × edvance 聯合舉辦的專題分享會，活動由擁有超過 10 年經驗的專業導師帶領，讓您在品嚐多款精選日本清酒的同時，以輕鬆愉快的氛圍交流及掌握 AI 治理的關鍵趨勢。 活動亮點： 🧠 AI 治理最新洞察：- 剖析企業導入 AI 所面對的挑戰，包括合規、數據私隱、模型風險及營運透明度 🛡️ Splunk AI Governance 解決方案：- 透過 Splunk…

踏入 AI 加速推動的新時代，企業正處身於充滿機遇及挑戰的數碼環境。網絡安全公司 Sangfor Technologies 日前舉行「 Sangfor Executive Forum 2026」，以「Run．Build．Protect　AI-Enabled Future」為主題，圍繞三大支柱，探討如何維持現有基礎設施穩定運行、為雲端及 AI 工作負載打造面向未來的全新架構、以及運用 AI 建構端對端全方位業務防護，獲逾 400 位業界人士出席，場面熱鬧。 陳慧中：活動主題與政府方向相呼應 活動在海洋公園萬豪酒店舉行，由助理數字政策專員（項目管理及網絡安全）陳慧中女士致開幕辭，為活動揭開序幕。她指出，是次活動的主題，正好呼應政府推動智慧城市及創新科技的戰略方向，又認為由生成式 AI 到智能體代理，再到自動化構建決策系統，AI 正以前所未有的速度推進，擺脫了單純技術工具的範疇，擢升為推動創新、提升效率的重要戰略引擎。  不過，企業亦必須正視由 AI 帶來的風險及新型威脅，例如深度偽造、自動化網絡攻擊，以及針對 AI 模型本身的對抗性攻擊，科技倫理、數據私隱問題亦日益受關注。陳慧中女士表示，面對新型威脅，單靠防禦措施已不足應對，政府及業界正積極探索以 AI 對抗 AI，以建設安全、創新及具備競爭力的智慧城市為目標，在推動科技創新的同時，確保網絡及數據安全。 助理數字政策專員（項目管理及網絡安全）陳慧中女士（中）為 Sangfor Executive Forum 2026 致開幕辭。 Sangfor Cloud 及 Sangfor Athena 提供最實際的解決方案 當 AI 不再是未來概念，而是圍繞在我們身邊的日常，Sangfor 成熟亞太地區業務總經理 Ringo Yiu 致歡迎辭時，直言「機會越大，挑戰越大」，得知很多企業期望引入 AI，但面對基建成本高、開發複雜、安全私隱問題，往往令企業卻步。 一直以成為最可靠、最信任的技術夥伴為目標的 Sangfor，在 AI 時代的新使命，便是以兩大核心技術 Sangfor Cloud 及 Sangfor Athena 為基礎，為客戶提供最實際的解決方案。 Ringo 進一步解釋，Sangfor Cloud 可協助建立 AI-Ready 環境，透過通用運算及 AI 精準算力架構，令 GPU 及 CPU 的資源調度更靈活，團隊毋需由零開始建立底層環境；至於 Sangfor Athena 則負責安全部份，擔當 AI 安全核心，猶如守護系統的智慧大腦。兩大技術「拍住上」，務求令採用 AI 及數碼轉型變得更簡單、更安全。 …

隨隨著企業加快採用 OpenClaw 等 AI 平台，應用程式及雲原生環境的安全變得前所未有地重要。隨著攻擊面持續擴大、部分服務缺乏妥善管理，加上威脅日益複雜，企業需要採用更統一的方式來管理連接與安全。 參加由 Thales 和 Kong 合辦的網上研討會，了解如何透過整合式連接、管治與安全方案，協助企業在降低營運複雜性的同時，更有信心地擴展現代應用。 重點內容 了解 OpenClaw 及現代雲原生環境面對的主要安全挑戰認識 Kong 與 Thales 如何提供 inline 及零延遲…

近年人工智能（AI）的發展，已經由「回應指令」逐步走向「主動執行任務」。這種轉變不僅代表技術能力提升，更意味著企業對 AI 的使用方式正進入全新階段。要在競爭中保持優勢，企業不能只靠部署模型或引入工具，而是要重新思考 AI 基礎建設的部署方式。Agentic Web（代理式網絡），正正能讓 AI 代理在分散的環境中，繼續保持高效運作。 兩種 AI 運作重點不同  由 ChatGPT 引爆的生成式 AI 熱潮，儘管只是僅 3 年前的事，但 AI 的重點已經轉向現今的代理式 AI（ Agentic AI）。當時的 AI 主要用於生成內容、回答問題或提供建議，而時至今天，隨著 Agentic AI 的興起，AI 正演變為能夠自主檢索資料、規劃步驟、執行操作，甚至協同其他系統完成複雜工作流程的數碼代理。  與傳統生成式 AI 相比，Agentic AI 並不只停留於一次性的內容輸出，而是需要持續推論（Inference）、反覆判斷及即時互動，而每一次互動都可能牽涉多輪推論，延遲一旦累積，便會直接影響使用體驗與業務成效。 這代表 AI 的重心，正逐漸由單純的集中式訓練，延伸到高頻率、低延遲的推論運算，企業需要同時兼顧訓練與推論架構，才能支撐下一代 Agentic AI 的需求。對企業而言，再不能只關注模型是否夠強大，而是要考慮整體架構能否支撐大規模、即時且分散式的 AI 工作負載。 邊緣運算助大幅提升效能  換言之，AI 基礎建設不應只集中於單一中心，而是應該按應用場景與地理位置分布，將推論運算部署於更接近使用者的節點，以降低延遲、提升效率，並改善整體服務表現。由此衍生的基礎架構 —— 正是 Agentic Web，並不單是更智能的網絡環境，而是更接近用戶、更具彈性，並能按需分配算力的推論架構。 在 Agentic Web 的架構下，邊緣運算越來越重要。當推論工作能夠在更接近數據來源及使用者的地方完成，AI 代理便可更快作出反應，支援即時決策與互動。同時，分布式架構亦有助提升系統的擴展能力，使企業能夠更靈活地應對不同的使用需求，例如流量波動或來自不同地域。對於需要處理大量即時請求的行業而言，這種部署方式不但提升效能，亦有助優化成本與安全管理。 企業若要在智能化競爭中保持優勢，便必須重新思考 AI 的運作模式、部署位置與推論效率。想了解更多 Agentic Web 的架構原則，以及 Akamai Cloud…