Cyberattacks

• CrowdStrike 報告指出，機器輔助的網路攻擊激增 89%，凸顯出 AI 既被攻擊者用作工具，同時也成為主要攻擊目標的趨勢。 • 新興威脅包括「LLMjacking」（大語言模型劫持），犯罪分子透過竊取企業憑據來訪問 frontier-model API；以及「成本收割」（cost harvesting），即透過虛增受害者的 AI 使用量來提高其帳單金額。 • AI 驅動攻擊的興起顯著加速了威脅格局的演變，使企業修補漏洞的窗口期縮短至僅剩 48 小時。

• 一名中文語系的威脅 actor 正在利用自動化 AI 模型掃描七項特定漏洞，將自動化發現與手動漏洞利用相結合。 • 該活動由 Palo Alto Networks 的 Unit 42 部門詳細披露，該部門識別出該 actor 採取混合方式進行網路攻擊。 • 這項發展至關重要，因為它展示了利用 AI 來擴大攻擊初始階段的規模，有可能增加入侵的速度與數量。

• 網路安全公司 Mimecast 的一項研究顯示，69% 的新加坡機構認為自己尚未準備好應對針對人性弱點的 AI 驅動網路攻擊。 • 這份名為「State of Human Risk 2026」的報告對 500 位 IT 安全決策者進行了調查，發現 79% 的新加坡受訪者擔心 AI 被用作攻擊向量。 • 這種準備不足的情況是一個關鍵風險，因為 AI 讓攻擊者能夠創造更複雜且更具說服力的社交工程威脅，進而突破企業防禦。

• 總部位於東京的安全公司 S&J 總裁 Nobuo Miwa 警告，人工智慧正使網路攻擊變得顯著更快且更複雜。 • Miwa 強調，AI 現在能讓惡意攻擊程式在「眨眼之間」便能創建，大幅縮短了駭客開發威脅所需的時間。 • 這一轉變至關重要，因為它降低了攻擊者的進入門檻，並加快了網路漏洞被利用的速度。

• Hugging Face 的一次安全漏洞事件凸顯了 AI 驅動的網路攻擊已從理論威脅轉變為現實威脅。 • 該事件揭露了一個關鍵缺陷：LLM 的內容審核護欄阻礙了正當的事故響應工作，妨礙了防禦者分析惡意活動的能力。 • 執行長 Clément Delangue 主張，開源模型是防禦上的必要條件，因為它們允許安全專業人員在自己的基礎設施上檢查並運行模型，而不會受到限制性護欄的影響。

• 根據 Check Point Software Technologies 發布的最新威脅情報，2026 年 6 月全球網路攻擊增加了 17%。 • 此次增長是由於攻擊規模大幅上升所驅動，特別是透過勒索軟體事件以及 AI 驅動的安全風險來針對各組織進行攻擊。 • 這一趨勢凸顯了人工智慧被武器化以擴大網路威脅規模並提升其複雜性的日益危險性。