{"allowContribute":false,"item":{"aiFolderID":"6aa9f80a2e9bbc150709bf48","artifactHtml":"\u003cstyle\u003e\n  :root { --paper:#F3F7F9; --ink:#14202C; --ink-2:#5A6B7E; --accent:#0E7C8C; --accent-2:#C0392B; --soft:#DDEEF1; --soft-red:#F7E3E0; --card:#FFFFFF; --hair:#D5DFE5; }\n  :root[data-theme=\"dark\"] { --paper:#0E1620; --ink:#E8EEF3; --ink-2:#A7B5C3; --accent:#4FD1C5; --accent-2:#F08080; --soft:#12333A; --soft-red:#3A1F1D; --card:#161E28; --hair:#2A3542; }\n  .doc { background:var(--paper); color:var(--ink); padding:40px 30px 56px; font:16px/1.78 -apple-system,\"PingFang TC\",\"Noto Sans TC\",sans-serif; }\n  .doc .wrap { max-width:700px; margin:0 auto; counter-reset:sec; }\n  .doc header { margin-bottom:10px; }\n  .doc .eyebrow { font:600 12px/1 ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.22em; color:var(--accent); text-transform:uppercase; }\n  .doc h1 { font-size:32px; line-height:1.25; letter-spacing:-.02em; font-weight:800; margin:12px 0 14px; }\n  .doc .lede { font-size:16.5px; line-height:1.7; color:var(--ink-2); max-width:62ch; margin:0; }\n  .doc p { color:var(--ink-2); max-width:64ch; margin:14px 0; font-size:15.5px; }\n  .doc strong { color:var(--ink); font-weight:650; }\n  .doc .stats { display:grid; grid-template-columns:repeat(auto-fit,minmax(150px,1fr)); gap:12px; margin:26px 0 8px; }\n  .doc .stat { background:var(--card); border:1px solid var(--hair); border-radius:12px; padding:16px 16px 14px; }\n  .doc .stat .k { font:600 11px/1 ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.14em; color:var(--accent); text-transform:uppercase; }\n  .doc .stat .v { font-size:30px; font-weight:800; letter-spacing:-.02em; color:var(--ink); margin-top:8px; line-height:1.1; }\n  .doc .stat .n { font-size:13px; color:var(--ink-2); margin-top:6px; line-height:1.5; }\n  .doc h2 { font-size:21px; font-weight:750; letter-spacing:-.01em; margin:44px 0 10px; counter-increment:sec; display:flex; align-items:baseline; gap:12px; color:var(--ink); }\n  .doc h2::before { content:counter(sec,decimal-leading-zero); font:700 13px ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.08em; color:var(--accent); }\n  .doc h3 { font-size:16.5px; font-weight:700; color:var(--ink); margin:22px 0 6px; }\n  .doc .callout { border-left:3px solid var(--accent); background:var(--soft); border-radius:0 10px 10px 0; padding:13px 17px; margin:20px 0; max-width:64ch; }\n  .doc .callout.warn { border-left-color:var(--accent-2); background:var(--soft-red); }\n  .doc .callout p { margin:0; color:var(--ink); font-size:14.5px; line-height:1.7; }\n  .doc ul { list-style:none; margin:14px 0; padding:0; display:grid; gap:8px; }\n  .doc ul li { background:var(--card); border:1px solid var(--hair); border-left:3px solid var(--accent); border-radius:0 10px 10px 0; padding:10px 14px; color:var(--ink); font-size:14.5px; line-height:1.65; }\n  .doc ul li b { color:var(--ink); }\n  .doc table { border-collapse:collapse; width:100%; font-size:13.5px; margin:14px 0; }\n  .doc th, .doc td { text-align:left; padding:9px 12px; border-bottom:1px solid var(--hair); color:var(--ink); vertical-align:top; }\n  .doc th { font:600 11px ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.06em; color:var(--ink-2); }\n  .doc .src { font-size:13px; color:var(--ink-2); word-break:break-all; }\n  .doc .src a { color:var(--accent); text-decoration:none; }\n  .doc code { font:500 13px ui-monospace,SFMono-Regular,Menlo,monospace; color:var(--accent); background:var(--soft); border-radius:5px; padding:2px 7px; }\n  @media (max-width:640px) { .doc { padding:28px 18px 44px; } .doc h1 { font-size:25px; } }\n\u003c/style\u003e\n\u003cdiv class=\"doc\"\u003e\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cheader\u003e\n      \u003cdiv class=\"eyebrow\"\u003e研究整理 · AI Agent × 網路安全\u003c/div\u003e\n      \u003ch1\u003e用 AI Agent 建構網路安全方案：研究整理\u003c/h1\u003e\n      \u003cp class=\"lede\"\u003e2025–2026 年 SOC 的關鍵字已從「AI 輔助」轉為 Agentic SOC：Agent 自主完成分級、調查、遏制與寫報告，人類守住最後判斷權。這篇整理威脅偵測、弱點與防禦架構、Agent 自身風險三塊，附導入建議。\u003c/p\u003e\n    \u003c/header\u003e\n    \u003csection data-cube=\"stats\" class=\"stats\"\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003eMTTR\u003c/div\u003e\u003cdiv class=\"v\"\u003e−30%\u003c/div\u003e\u003cdiv class=\"n\"\u003e微軟 2025：Security Copilot 用戶平均修復時間\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e告警覆蓋\u003c/div\u003e\u003cdiv class=\"v\"\u003e100%\u003c/div\u003e\u003cdiv class=\"n\"\u003eAI SOC 從人力抽查 60% 到全量調查\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e導入預測\u003c/div\u003e\u003cdiv class=\"v\"\u003e40%\u003c/div\u003e\u003cdiv class=\"n\"\u003eGartner：2026 年底企業應用內建任務型 Agent\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e高風險動作\u003c/div\u003e\u003cdiv class=\"v\"\u003e人工核准\u003c/div\u003e\u003cdiv class=\"n\"\u003e2026 主流：自動調查＋人核准遏制\u003c/div\u003e\u003c/div\u003e\n    \u003c/section\u003e\n    \u003ch2\u003e威脅偵測與 SOC 自動化\u003c/h2\u003e\n    \u003cp\u003e傳統 SOC 每天面對上萬條告警，分析師只能處理約六成。AI SOC 用 UEBA＋LLM 推理做上下文關聯，把數千條低階告警聚合成少數戰役（campaign）並自動過濾誤報；2025 年調查顯示 73% 企業已成功自動化告警分級。\u003c/p\u003e\n    \u003ch3\u003e傳統 SOAR vs Agentic SOAR\u003c/h3\u003e\n    \u003cp\u003e傳統 SOAR 跑固定劇本；Agentic SOAR 依上下文即時生成劇本——自動拉端點程序樹、身分、雲端日誌與威脅情資，輸出攻擊時間線、根本原因與建議遏制動作，再交人核准或自動執行隔離、停用帳號、封鎖 IP。\u003c/p\u003e\n    \u003cdiv style=\"overflow-x:auto\"\u003e\u003ctable\u003e\u003cthead\u003e\u003ctr\u003e\u003cth\u003e平台\u003c/th\u003e\u003cth\u003e強項\u003c/th\u003e\u003cth\u003e適合誰\u003c/th\u003e\u003c/tr\u003e\u003c/thead\u003e\u003ctbody\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eMicrosoft Security Copilot＋Sentinel\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e自然語言問答、事件摘要、KQL 生成、生態系最完整\u003c/td\u003e\u003ctd\u003e微軟重度用戶（M365／Defender／Intune）\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eCrowdStrike Charlotte AI\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e輕量端點＋高保真偵測、問答式獵捕、一鍵遏制\u003c/td\u003e\u003ctd\u003e要閉環 XDR 的團隊\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eSentinelOne Purple AI Athena\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e全代理式推理層、可接任意 SIEM，不限自家生態\u003c/td\u003e\u003ctd\u003e多源異構環境\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003ePalo Alto／Splunk／Wiz／Vectra\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e劇本市集、人機協作、雲端與 NDR 切入\u003c/td\u003e\u003ctd\u003e已有 SIEM 想疊 AI 層\u003c/td\u003e\u003c/tr\u003e\n    \u003c/tbody\u003e\u003c/table\u003e\u003c/div\u003e\n    \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003e實務數據：\u003c/strong\u003eSentinel 研究稱外洩可能性降 35％、三年價值約 280 萬美元；純 Agentic 平台統計 MTTR 降 60–80％（關鍵是自動遏制而不只是摘要）；模擬顯示偵測到緩解可達人工 6 倍速。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e弱點管理、滲透測試與零信任部署\u003c/h2\u003e\n    \u003ch3\u003e從 CVSS 排序到 Agentic 風險排序\u003c/h3\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003e降噪與驗證：\u003c/b\u003e結合雲端情境圖過濾從未載入的函式庫、抑制不可利用發現，甚至以可運作 exploit 自主驗證真正可達風險。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e毒性組合分析：\u003c/b\u003e凸顯「錯誤組態＋弱點＋暴露身分＋敏感資料」構成的攻擊路徑，而非單點弱點。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e修補加速：\u003c/b\u003e產生環境感知的修補步驟、群組相關問題、草擬 PR，把 MTTR 從月級壓到天級。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003ch3\u003eAgent 輔助滲透測試／紅隊\u003c/h3\u003e\n    \u003cp\u003e自主滲透 Agent 走偵察→威脅建模→利用→驗證→報告五階段，協調 Agent 統籌偵察、XSS、BOLA 等子 Agent，在沙箱中串聯低風險弱點成高風險攻擊鏈。對 AI 系統另有 Microsoft Foundry AI Red Teaming Agent（基於 PyRIT）做越獄與多輪漸進攻擊測試。現行共識是混合制：AI 負責廣度與速度，人類負責判斷與合規簽署。\u003c/p\u003e\n    \u003ch3\u003e零信任下 Agent 放哪裡\u003c/h3\u003e\n    \u003cp\u003eCSA 2026《Agentic Trust Framework》原則：Agent 是非確定性、動態擴權的行為體，每個 Agent 要有唯一身分、憑證綁定與能力清單，並用身分式微分段隔離。實務採成熟度晉升：Intern（只觀察）→ Junior（建議需核准）→ Senior（行動後通知）→ Principal（域內自主），失控時一秒內緊急停止並回滾。\u003c/p\u003e\n    \u003ch2\u003eAgent 自身的風險與護欄\u003c/h2\u003e\n    \u003cp\u003e找漏洞將變得廉價，決勝點在修補產能與治理。OWASP 2025 LLM Top 10 與 2026 Agentic Applications Top 10 都把注入列為首要風險。\u003c/p\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003ePrompt injection（直接＋間接）：\u003c/b\u003e網頁、Email、文件、RAG 內容藏指令即可劫持 Agent；純 system prompt 防禦已被證明會失效。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e工具濫用／權限過大：\u003c/b\u003eAgent 能發信、刪檔、呼叫 API，被劫持就變成過度授權的非人類身分；失控子 Agent 自行擴散（rogue agent）也被點名。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e資料外洩：\u003c/b\u003e經工具管道外傳、記憶被誘導吐出、惡意 MCP 插件與 skill 供應鏈污染三條路徑。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e幻覺誤判：\u003c/b\u003e誤攔破壞可用性、漏放放行攻擊；對抗壓力下只靠模型自檢會造成「表面可用但毫無防禦力」的假象。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003cdiv class=\"callout warn\"\u003e\u003cp\u003e\u003cstrong\u003e護欄三支柱：\u003c/strong\u003e最小權限＋即時授權（每隻 Agent 只給該任務最小工具與資料範圍）／人工確認（不可逆動作強制核准＋斷路器）／不可竄改稽核軌跡（誰下指令、調什麼工具、傳什麼參數，滿足合規與鑑識）。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e企業導入建議：多 Agent 分工\u003c/h2\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003e偵測 Agent：\u003c/b\u003e跨 SIEM、EDR、身分與雲端關聯訊號，去重合併案件，先分真偽再送分析師。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e分析 Agent：\u003c/b\u003e自動做身分擴充、端點態勢、威脅情報檢索，甚至經 Slack／Teams 訪談使用者。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e回應 Agent：\u003c/b\u003e在政策允許下隔離端點、重設密碼、終止工作階段，可處理逾九成 Tier-1 任務。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003eCrawl-Walk-Run：\u003c/strong\u003e先 2–3 週唯讀 Intern 試點 → 再擴到需核准的 Junior 自動化 → 最後才開 Senior 級自動遏制，並設交易上限控制爆炸半徑。衡量看 MTTD、MTTR、誤報下降率、人均處理量。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e關鍵來源\u003c/h2\u003e\n    \u003cp class=\"src\"\u003eMicrosoft Security 部落格（2025-11）：\u003ca href=\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\"\u003eGenAI for SOC\u003c/a\u003e · UnderDefense AI SOC 比較：\u003ca href=\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\"\u003eCrowdStrike vs SentinelOne\u003c/a\u003e · Simbian 2026 平台評測：\u003ca href=\"https://simbian.ai/blog/top-ai-soc-platforms-2026\"\u003eTop AI SOC 2026\u003c/a\u003e · OWASP Agentic 2026：\u003ca href=\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\"\u003eTop 10 for Agentic Applications\u003c/a\u003e · CSA Agentic Trust Framework：\u003ca href=\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\"\u003e零信任治理\u003c/a\u003e · Wiz AI 弱點管理：\u003ca href=\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\"\u003eAI Vulnerability Management\u003c/a\u003e · Microsoft AI Red Teaming Agent：\u003ca href=\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\"\u003eFoundry 文件\u003c/a\u003e\u003c/p\u003e\n  \u003c/div\u003e\n\u003c/div\u003e","classificationStatus":"TODO","content":"\u003cdiv class=\"doc\"\u003e \u003cdiv class=\"wrap\"\u003e  \u003ctable\u003e\u003ctbody\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003eMTTR\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e−30%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e微軟 2025：Security Copilot 用戶平均修復時間\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e告警覆蓋\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e100%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003eAI SOC 從人力抽查 60% 到全量調查\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e導入預測\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e40%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003eGartner：2026 年底企業應用內建任務型 Agent\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e高風險動作\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e人工核准\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e2026 主流：自動調查＋人核准遏制\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003c/tbody\u003e\u003c/table\u003e \u003ch2\u003e威脅偵測與 SOC 自動化\u003c/h2\u003e \u003cp\u003e傳統 SOC 每天面對上萬條告警，分析師只能處理約六成。AI SOC 用 UEBA＋LLM 推理做上下文關聯，把數千條低階告警聚合成少數戰役（campaign）並自動過濾誤報；2025 年調查顯示 73% 企業已成功自動化告警分級。\u003c/p\u003e \u003ch3\u003e傳統 SOAR vs Agentic SOAR\u003c/h3\u003e \u003cp\u003e傳統 SOAR 跑固定劇本；Agentic SOAR 依上下文即時生成劇本——自動拉端點程序樹、身分、雲端日誌與威脅情資，輸出攻擊時間線、根本原因與建議遏制動作，再交人核准或自動執行隔離、停用帳號、封鎖 IP。\u003c/p\u003e \u003cdiv style=\"overflow-x:auto\"\u003e\u003ctable\u003e\u003cthead\u003e\u003ctr\u003e\u003cth\u003e平台\u003c/th\u003e\u003cth\u003e強項\u003c/th\u003e\u003cth\u003e適合誰\u003c/th\u003e\u003c/tr\u003e\u003c/thead\u003e\u003ctbody\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eMicrosoft Security Copilot＋Sentinel\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e自然語言問答、事件摘要、KQL 生成、生態系最完整\u003c/td\u003e\u003ctd\u003e微軟重度用戶（M365／Defender／Intune）\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eCrowdStrike Charlotte AI\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e輕量端點＋高保真偵測、問答式獵捕、一鍵遏制\u003c/td\u003e\u003ctd\u003e要閉環 XDR 的團隊\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eSentinelOne Purple AI Athena\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e全代理式推理層、可接任意 SIEM，不限自家生態\u003c/td\u003e\u003ctd\u003e多源異構環境\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003ePalo Alto／Splunk／Wiz／Vectra\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e劇本市集、人機協作、雲端與 NDR 切入\u003c/td\u003e\u003ctd\u003e已有 SIEM 想疊 AI 層\u003c/td\u003e\u003c/tr\u003e \u003c/tbody\u003e\u003c/table\u003e\u003c/div\u003e \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003e實務數據：\u003c/strong\u003eSentinel 研究稱外洩可能性降 35％、三年價值約 280 萬美元；純 Agentic 平台統計 MTTR 降 60–80％（關鍵是自動遏制而不只是摘要）；模擬顯示偵測到緩解可達人工 6 倍速。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e弱點管理、滲透測試與零信任部署\u003c/h2\u003e \u003ch3\u003e從 CVSS 排序到 Agentic 風險排序\u003c/h3\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003e降噪與驗證：\u003c/b\u003e結合雲端情境圖過濾從未載入的函式庫、抑制不可利用發現，甚至以可運作 exploit 自主驗證真正可達風險。\u003c/li\u003e \u003cli\u003e\u003cb\u003e毒性組合分析：\u003c/b\u003e凸顯「錯誤組態＋弱點＋暴露身分＋敏感資料」構成的攻擊路徑，而非單點弱點。\u003c/li\u003e \u003cli\u003e\u003cb\u003e修補加速：\u003c/b\u003e產生環境感知的修補步驟、群組相關問題、草擬 PR，把 MTTR 從月級壓到天級。\u003c/li\u003e \u003c/ul\u003e \u003ch3\u003eAgent 輔助滲透測試／紅隊\u003c/h3\u003e \u003cp\u003e自主滲透 Agent 走偵察→威脅建模→利用→驗證→報告五階段，協調 Agent 統籌偵察、XSS、BOLA 等子 Agent，在沙箱中串聯低風險弱點成高風險攻擊鏈。對 AI 系統另有 Microsoft Foundry AI Red Teaming Agent（基於 PyRIT）做越獄與多輪漸進攻擊測試。現行共識是混合制：AI 負責廣度與速度，人類負責判斷與合規簽署。\u003c/p\u003e \u003ch3\u003e零信任下 Agent 放哪裡\u003c/h3\u003e \u003cp\u003eCSA 2026《Agentic Trust Framework》原則：Agent 是非確定性、動態擴權的行為體，每個 Agent 要有唯一身分、憑證綁定與能力清單，並用身分式微分段隔離。實務採成熟度晉升：Intern（只觀察）→ Junior（建議需核准）→ Senior（行動後通知）→ Principal（域內自主），失控時一秒內緊急停止並回滾。\u003c/p\u003e \u003ch2\u003eAgent 自身的風險與護欄\u003c/h2\u003e \u003cp\u003e找漏洞將變得廉價，決勝點在修補產能與治理。OWASP 2025 LLM Top 10 與 2026 Agentic Applications Top 10 都把注入列為首要風險。\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003ePrompt injection（直接＋間接）：\u003c/b\u003e網頁、Email、文件、RAG 內容藏指令即可劫持 Agent；純 system prompt 防禦已被證明會失效。\u003c/li\u003e \u003cli\u003e\u003cb\u003e工具濫用／權限過大：\u003c/b\u003eAgent 能發信、刪檔、呼叫 API，被劫持就變成過度授權的非人類身分；失控子 Agent 自行擴散（rogue agent）也被點名。\u003c/li\u003e \u003cli\u003e\u003cb\u003e資料外洩：\u003c/b\u003e經工具管道外傳、記憶被誘導吐出、惡意 MCP 插件與 skill 供應鏈污染三條路徑。\u003c/li\u003e \u003cli\u003e\u003cb\u003e幻覺誤判：\u003c/b\u003e誤攔破壞可用性、漏放放行攻擊；對抗壓力下只靠模型自檢會造成「表面可用但毫無防禦力」的假象。\u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\"callout warn\"\u003e\u003cp\u003e\u003cstrong\u003e護欄三支柱：\u003c/strong\u003e最小權限＋即時授權（每隻 Agent 只給該任務最小工具與資料範圍）／人工確認（不可逆動作強制核准＋斷路器）／不可竄改稽核軌跡（誰下指令、調什麼工具、傳什麼參數，滿足合規與鑑識）。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e企業導入建議：多 Agent 分工\u003c/h2\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003e偵測 Agent：\u003c/b\u003e跨 SIEM、EDR、身分與雲端關聯訊號，去重合併案件，先分真偽再送分析師。\u003c/li\u003e \u003cli\u003e\u003cb\u003e分析 Agent：\u003c/b\u003e自動做身分擴充、端點態勢、威脅情報檢索，甚至經 Slack／Teams 訪談使用者。\u003c/li\u003e \u003cli\u003e\u003cb\u003e回應 Agent：\u003c/b\u003e在政策允許下隔離端點、重設密碼、終止工作階段，可處理逾九成 Tier-1 任務。\u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003eCrawl-Walk-Run：\u003c/strong\u003e先 2–3 週唯讀 Intern 試點 → 再擴到需核准的 Junior 自動化 → 最後才開 Senior 級自動遏制，並設交易上限控制爆炸半徑。衡量看 MTTD、MTTR、誤報下降率、人均處理量。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e關鍵來源\u003c/h2\u003e \u003cp class=\"src\"\u003eMicrosoft Security 部落格（2025-11）：\u003ca href=\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\"\u003eGenAI for SOC\u003c/a\u003e · UnderDefense AI SOC 比較：\u003ca href=\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\"\u003eCrowdStrike vs SentinelOne\u003c/a\u003e · Simbian 2026 平台評測：\u003ca href=\"https://simbian.ai/blog/top-ai-soc-platforms-2026\"\u003eTop AI SOC 2026\u003c/a\u003e · OWASP Agentic 2026：\u003ca href=\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\"\u003eTop 10 for Agentic Applications\u003c/a\u003e · CSA Agentic Trust Framework：\u003ca href=\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\"\u003e零信任治理\u003c/a\u003e · Wiz AI 弱點管理：\u003ca href=\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\"\u003eAI Vulnerability Management\u003c/a\u003e · Microsoft AI Red Teaming Agent：\u003ca href=\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\"\u003eFoundry 文件\u003c/a\u003e\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e","createdAt":1789477585709,"deletedAt":null,"displayMode":"artifact","id":"c0ce3912eca02c381880cc7d","isNew":false,"isPublic":true,"itemType":"NOTE","name":"用 AI Agent 建構網路安全方案：研究整理","parents":{"d771a8b34b05a89a295bf547":1789477585709},"preParentID":null,"updatedAt":1789525428259,"updatedBy":{"userId":"6aa8c9af0156b3815fbc0c","userName":"Hong Dean"},"version":6,"websiteContent":"[{\"originUrl\":\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://simbian.ai/blog/top-ai-soc-platforms-2026\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\",\"title\":null,\"content\":null,\"imageUrl\":null}]"},"ownerName":"Hong Dean","subtree":[{"aiFolderID":"6aa9f80a2e9bbc150709bf48","artifactHtml":"\u003cstyle\u003e\n  :root { --paper:#F3F7F9; --ink:#14202C; --ink-2:#5A6B7E; --accent:#0E7C8C; --accent-2:#C0392B; --soft:#DDEEF1; --soft-red:#F7E3E0; --card:#FFFFFF; --hair:#D5DFE5; }\n  :root[data-theme=\"dark\"] { --paper:#0E1620; --ink:#E8EEF3; --ink-2:#A7B5C3; --accent:#4FD1C5; --accent-2:#F08080; --soft:#12333A; --soft-red:#3A1F1D; --card:#161E28; --hair:#2A3542; }\n  .doc { background:var(--paper); color:var(--ink); padding:40px 30px 56px; font:16px/1.78 -apple-system,\"PingFang TC\",\"Noto Sans TC\",sans-serif; }\n  .doc .wrap { max-width:700px; margin:0 auto; counter-reset:sec; }\n  .doc header { margin-bottom:10px; }\n  .doc .eyebrow { font:600 12px/1 ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.22em; color:var(--accent); text-transform:uppercase; }\n  .doc h1 { font-size:32px; line-height:1.25; letter-spacing:-.02em; font-weight:800; margin:12px 0 14px; }\n  .doc .lede { font-size:16.5px; line-height:1.7; color:var(--ink-2); max-width:62ch; margin:0; }\n  .doc p { color:var(--ink-2); max-width:64ch; margin:14px 0; font-size:15.5px; }\n  .doc strong { color:var(--ink); font-weight:650; }\n  .doc .stats { display:grid; grid-template-columns:repeat(auto-fit,minmax(150px,1fr)); gap:12px; margin:26px 0 8px; }\n  .doc .stat { background:var(--card); border:1px solid var(--hair); border-radius:12px; padding:16px 16px 14px; }\n  .doc .stat .k { font:600 11px/1 ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.14em; color:var(--accent); text-transform:uppercase; }\n  .doc .stat .v { font-size:30px; font-weight:800; letter-spacing:-.02em; color:var(--ink); margin-top:8px; line-height:1.1; }\n  .doc .stat .n { font-size:13px; color:var(--ink-2); margin-top:6px; line-height:1.5; }\n  .doc h2 { font-size:21px; font-weight:750; letter-spacing:-.01em; margin:44px 0 10px; counter-increment:sec; display:flex; align-items:baseline; gap:12px; color:var(--ink); }\n  .doc h2::before { content:counter(sec,decimal-leading-zero); font:700 13px ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.08em; color:var(--accent); }\n  .doc h3 { font-size:16.5px; font-weight:700; color:var(--ink); margin:22px 0 6px; }\n  .doc .callout { border-left:3px solid var(--accent); background:var(--soft); border-radius:0 10px 10px 0; padding:13px 17px; margin:20px 0; max-width:64ch; }\n  .doc .callout.warn { border-left-color:var(--accent-2); background:var(--soft-red); }\n  .doc .callout p { margin:0; color:var(--ink); font-size:14.5px; line-height:1.7; }\n  .doc ul { list-style:none; margin:14px 0; padding:0; display:grid; gap:8px; }\n  .doc ul li { background:var(--card); border:1px solid var(--hair); border-left:3px solid var(--accent); border-radius:0 10px 10px 0; padding:10px 14px; color:var(--ink); font-size:14.5px; line-height:1.65; }\n  .doc ul li b { color:var(--ink); }\n  .doc table { border-collapse:collapse; width:100%; font-size:13.5px; margin:14px 0; }\n  .doc th, .doc td { text-align:left; padding:9px 12px; border-bottom:1px solid var(--hair); color:var(--ink); vertical-align:top; }\n  .doc th { font:600 11px ui-monospace,SFMono-Regular,Menlo,monospace; letter-spacing:.06em; color:var(--ink-2); }\n  .doc .src { font-size:13px; color:var(--ink-2); word-break:break-all; }\n  .doc .src a { color:var(--accent); text-decoration:none; }\n  .doc code { font:500 13px ui-monospace,SFMono-Regular,Menlo,monospace; color:var(--accent); background:var(--soft); border-radius:5px; padding:2px 7px; }\n  @media (max-width:640px) { .doc { padding:28px 18px 44px; } .doc h1 { font-size:25px; } }\n\u003c/style\u003e\n\u003cdiv class=\"doc\"\u003e\n  \u003cdiv class=\"wrap\"\u003e\n    \u003cheader\u003e\n      \u003cdiv class=\"eyebrow\"\u003e研究整理 · AI Agent × 網路安全\u003c/div\u003e\n      \u003ch1\u003e用 AI Agent 建構網路安全方案：研究整理\u003c/h1\u003e\n      \u003cp class=\"lede\"\u003e2025–2026 年 SOC 的關鍵字已從「AI 輔助」轉為 Agentic SOC：Agent 自主完成分級、調查、遏制與寫報告，人類守住最後判斷權。這篇整理威脅偵測、弱點與防禦架構、Agent 自身風險三塊，附導入建議。\u003c/p\u003e\n    \u003c/header\u003e\n    \u003csection data-cube=\"stats\" class=\"stats\"\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003eMTTR\u003c/div\u003e\u003cdiv class=\"v\"\u003e−30%\u003c/div\u003e\u003cdiv class=\"n\"\u003e微軟 2025：Security Copilot 用戶平均修復時間\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e告警覆蓋\u003c/div\u003e\u003cdiv class=\"v\"\u003e100%\u003c/div\u003e\u003cdiv class=\"n\"\u003eAI SOC 從人力抽查 60% 到全量調查\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e導入預測\u003c/div\u003e\u003cdiv class=\"v\"\u003e40%\u003c/div\u003e\u003cdiv class=\"n\"\u003eGartner：2026 年底企業應用內建任務型 Agent\u003c/div\u003e\u003c/div\u003e\n      \u003cdiv class=\"stat\"\u003e\u003cdiv class=\"k\"\u003e高風險動作\u003c/div\u003e\u003cdiv class=\"v\"\u003e人工核准\u003c/div\u003e\u003cdiv class=\"n\"\u003e2026 主流：自動調查＋人核准遏制\u003c/div\u003e\u003c/div\u003e\n    \u003c/section\u003e\n    \u003ch2\u003e威脅偵測與 SOC 自動化\u003c/h2\u003e\n    \u003cp\u003e傳統 SOC 每天面對上萬條告警，分析師只能處理約六成。AI SOC 用 UEBA＋LLM 推理做上下文關聯，把數千條低階告警聚合成少數戰役（campaign）並自動過濾誤報；2025 年調查顯示 73% 企業已成功自動化告警分級。\u003c/p\u003e\n    \u003ch3\u003e傳統 SOAR vs Agentic SOAR\u003c/h3\u003e\n    \u003cp\u003e傳統 SOAR 跑固定劇本；Agentic SOAR 依上下文即時生成劇本——自動拉端點程序樹、身分、雲端日誌與威脅情資，輸出攻擊時間線、根本原因與建議遏制動作，再交人核准或自動執行隔離、停用帳號、封鎖 IP。\u003c/p\u003e\n    \u003cdiv style=\"overflow-x:auto\"\u003e\u003ctable\u003e\u003cthead\u003e\u003ctr\u003e\u003cth\u003e平台\u003c/th\u003e\u003cth\u003e強項\u003c/th\u003e\u003cth\u003e適合誰\u003c/th\u003e\u003c/tr\u003e\u003c/thead\u003e\u003ctbody\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eMicrosoft Security Copilot＋Sentinel\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e自然語言問答、事件摘要、KQL 生成、生態系最完整\u003c/td\u003e\u003ctd\u003e微軟重度用戶（M365／Defender／Intune）\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eCrowdStrike Charlotte AI\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e輕量端點＋高保真偵測、問答式獵捕、一鍵遏制\u003c/td\u003e\u003ctd\u003e要閉環 XDR 的團隊\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eSentinelOne Purple AI Athena\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e全代理式推理層、可接任意 SIEM，不限自家生態\u003c/td\u003e\u003ctd\u003e多源異構環境\u003c/td\u003e\u003c/tr\u003e\n      \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003ePalo Alto／Splunk／Wiz／Vectra\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e劇本市集、人機協作、雲端與 NDR 切入\u003c/td\u003e\u003ctd\u003e已有 SIEM 想疊 AI 層\u003c/td\u003e\u003c/tr\u003e\n    \u003c/tbody\u003e\u003c/table\u003e\u003c/div\u003e\n    \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003e實務數據：\u003c/strong\u003eSentinel 研究稱外洩可能性降 35％、三年價值約 280 萬美元；純 Agentic 平台統計 MTTR 降 60–80％（關鍵是自動遏制而不只是摘要）；模擬顯示偵測到緩解可達人工 6 倍速。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e弱點管理、滲透測試與零信任部署\u003c/h2\u003e\n    \u003ch3\u003e從 CVSS 排序到 Agentic 風險排序\u003c/h3\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003e降噪與驗證：\u003c/b\u003e結合雲端情境圖過濾從未載入的函式庫、抑制不可利用發現，甚至以可運作 exploit 自主驗證真正可達風險。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e毒性組合分析：\u003c/b\u003e凸顯「錯誤組態＋弱點＋暴露身分＋敏感資料」構成的攻擊路徑，而非單點弱點。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e修補加速：\u003c/b\u003e產生環境感知的修補步驟、群組相關問題、草擬 PR，把 MTTR 從月級壓到天級。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003ch3\u003eAgent 輔助滲透測試／紅隊\u003c/h3\u003e\n    \u003cp\u003e自主滲透 Agent 走偵察→威脅建模→利用→驗證→報告五階段，協調 Agent 統籌偵察、XSS、BOLA 等子 Agent，在沙箱中串聯低風險弱點成高風險攻擊鏈。對 AI 系統另有 Microsoft Foundry AI Red Teaming Agent（基於 PyRIT）做越獄與多輪漸進攻擊測試。現行共識是混合制：AI 負責廣度與速度，人類負責判斷與合規簽署。\u003c/p\u003e\n    \u003ch3\u003e零信任下 Agent 放哪裡\u003c/h3\u003e\n    \u003cp\u003eCSA 2026《Agentic Trust Framework》原則：Agent 是非確定性、動態擴權的行為體，每個 Agent 要有唯一身分、憑證綁定與能力清單，並用身分式微分段隔離。實務採成熟度晉升：Intern（只觀察）→ Junior（建議需核准）→ Senior（行動後通知）→ Principal（域內自主），失控時一秒內緊急停止並回滾。\u003c/p\u003e\n    \u003ch2\u003eAgent 自身的風險與護欄\u003c/h2\u003e\n    \u003cp\u003e找漏洞將變得廉價，決勝點在修補產能與治理。OWASP 2025 LLM Top 10 與 2026 Agentic Applications Top 10 都把注入列為首要風險。\u003c/p\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003ePrompt injection（直接＋間接）：\u003c/b\u003e網頁、Email、文件、RAG 內容藏指令即可劫持 Agent；純 system prompt 防禦已被證明會失效。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e工具濫用／權限過大：\u003c/b\u003eAgent 能發信、刪檔、呼叫 API，被劫持就變成過度授權的非人類身分；失控子 Agent 自行擴散（rogue agent）也被點名。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e資料外洩：\u003c/b\u003e經工具管道外傳、記憶被誘導吐出、惡意 MCP 插件與 skill 供應鏈污染三條路徑。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e幻覺誤判：\u003c/b\u003e誤攔破壞可用性、漏放放行攻擊；對抗壓力下只靠模型自檢會造成「表面可用但毫無防禦力」的假象。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003cdiv class=\"callout warn\"\u003e\u003cp\u003e\u003cstrong\u003e護欄三支柱：\u003c/strong\u003e最小權限＋即時授權（每隻 Agent 只給該任務最小工具與資料範圍）／人工確認（不可逆動作強制核准＋斷路器）／不可竄改稽核軌跡（誰下指令、調什麼工具、傳什麼參數，滿足合規與鑑識）。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e企業導入建議：多 Agent 分工\u003c/h2\u003e\n    \u003cul\u003e\n      \u003cli\u003e\u003cb\u003e偵測 Agent：\u003c/b\u003e跨 SIEM、EDR、身分與雲端關聯訊號，去重合併案件，先分真偽再送分析師。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e分析 Agent：\u003c/b\u003e自動做身分擴充、端點態勢、威脅情報檢索，甚至經 Slack／Teams 訪談使用者。\u003c/li\u003e\n      \u003cli\u003e\u003cb\u003e回應 Agent：\u003c/b\u003e在政策允許下隔離端點、重設密碼、終止工作階段，可處理逾九成 Tier-1 任務。\u003c/li\u003e\n    \u003c/ul\u003e\n    \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003eCrawl-Walk-Run：\u003c/strong\u003e先 2–3 週唯讀 Intern 試點 → 再擴到需核准的 Junior 自動化 → 最後才開 Senior 級自動遏制，並設交易上限控制爆炸半徑。衡量看 MTTD、MTTR、誤報下降率、人均處理量。\u003c/p\u003e\u003c/div\u003e\n    \u003ch2\u003e關鍵來源\u003c/h2\u003e\n    \u003cp class=\"src\"\u003eMicrosoft Security 部落格（2025-11）：\u003ca href=\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\"\u003eGenAI for SOC\u003c/a\u003e · UnderDefense AI SOC 比較：\u003ca href=\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\"\u003eCrowdStrike vs SentinelOne\u003c/a\u003e · Simbian 2026 平台評測：\u003ca href=\"https://simbian.ai/blog/top-ai-soc-platforms-2026\"\u003eTop AI SOC 2026\u003c/a\u003e · OWASP Agentic 2026：\u003ca href=\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\"\u003eTop 10 for Agentic Applications\u003c/a\u003e · CSA Agentic Trust Framework：\u003ca href=\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\"\u003e零信任治理\u003c/a\u003e · Wiz AI 弱點管理：\u003ca href=\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\"\u003eAI Vulnerability Management\u003c/a\u003e · Microsoft AI Red Teaming Agent：\u003ca href=\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\"\u003eFoundry 文件\u003c/a\u003e\u003c/p\u003e\n  \u003c/div\u003e\n\u003c/div\u003e","classificationStatus":"TODO","content":"\u003cdiv class=\"doc\"\u003e \u003cdiv class=\"wrap\"\u003e  \u003ctable\u003e\u003ctbody\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003eMTTR\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e−30%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e微軟 2025：Security Copilot 用戶平均修復時間\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e告警覆蓋\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e100%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003eAI SOC 從人力抽查 60% 到全量調查\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e導入預測\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e40%\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003eGartner：2026 年底企業應用內建任務型 Agent\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003ctr\u003e\u003ctd\u003e\u003cp\u003e高風險動作\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e人工核准\u003c/p\u003e\u003c/td\u003e\u003ctd\u003e\u003cp\u003e2026 主流：自動調查＋人核准遏制\u003c/p\u003e\u003c/td\u003e\u003c/tr\u003e\u003c/tbody\u003e\u003c/table\u003e \u003ch2\u003e威脅偵測與 SOC 自動化\u003c/h2\u003e \u003cp\u003e傳統 SOC 每天面對上萬條告警，分析師只能處理約六成。AI SOC 用 UEBA＋LLM 推理做上下文關聯，把數千條低階告警聚合成少數戰役（campaign）並自動過濾誤報；2025 年調查顯示 73% 企業已成功自動化告警分級。\u003c/p\u003e \u003ch3\u003e傳統 SOAR vs Agentic SOAR\u003c/h3\u003e \u003cp\u003e傳統 SOAR 跑固定劇本；Agentic SOAR 依上下文即時生成劇本——自動拉端點程序樹、身分、雲端日誌與威脅情資，輸出攻擊時間線、根本原因與建議遏制動作，再交人核准或自動執行隔離、停用帳號、封鎖 IP。\u003c/p\u003e \u003cdiv style=\"overflow-x:auto\"\u003e\u003ctable\u003e\u003cthead\u003e\u003ctr\u003e\u003cth\u003e平台\u003c/th\u003e\u003cth\u003e強項\u003c/th\u003e\u003cth\u003e適合誰\u003c/th\u003e\u003c/tr\u003e\u003c/thead\u003e\u003ctbody\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eMicrosoft Security Copilot＋Sentinel\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e自然語言問答、事件摘要、KQL 生成、生態系最完整\u003c/td\u003e\u003ctd\u003e微軟重度用戶（M365／Defender／Intune）\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eCrowdStrike Charlotte AI\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e輕量端點＋高保真偵測、問答式獵捕、一鍵遏制\u003c/td\u003e\u003ctd\u003e要閉環 XDR 的團隊\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003eSentinelOne Purple AI Athena\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e全代理式推理層、可接任意 SIEM，不限自家生態\u003c/td\u003e\u003ctd\u003e多源異構環境\u003c/td\u003e\u003c/tr\u003e \u003ctr\u003e\u003ctd\u003e\u003cstrong\u003ePalo Alto／Splunk／Wiz／Vectra\u003c/strong\u003e\u003c/td\u003e\u003ctd\u003e劇本市集、人機協作、雲端與 NDR 切入\u003c/td\u003e\u003ctd\u003e已有 SIEM 想疊 AI 層\u003c/td\u003e\u003c/tr\u003e \u003c/tbody\u003e\u003c/table\u003e\u003c/div\u003e \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003e實務數據：\u003c/strong\u003eSentinel 研究稱外洩可能性降 35％、三年價值約 280 萬美元；純 Agentic 平台統計 MTTR 降 60–80％（關鍵是自動遏制而不只是摘要）；模擬顯示偵測到緩解可達人工 6 倍速。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e弱點管理、滲透測試與零信任部署\u003c/h2\u003e \u003ch3\u003e從 CVSS 排序到 Agentic 風險排序\u003c/h3\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003e降噪與驗證：\u003c/b\u003e結合雲端情境圖過濾從未載入的函式庫、抑制不可利用發現，甚至以可運作 exploit 自主驗證真正可達風險。\u003c/li\u003e \u003cli\u003e\u003cb\u003e毒性組合分析：\u003c/b\u003e凸顯「錯誤組態＋弱點＋暴露身分＋敏感資料」構成的攻擊路徑，而非單點弱點。\u003c/li\u003e \u003cli\u003e\u003cb\u003e修補加速：\u003c/b\u003e產生環境感知的修補步驟、群組相關問題、草擬 PR，把 MTTR 從月級壓到天級。\u003c/li\u003e \u003c/ul\u003e \u003ch3\u003eAgent 輔助滲透測試／紅隊\u003c/h3\u003e \u003cp\u003e自主滲透 Agent 走偵察→威脅建模→利用→驗證→報告五階段，協調 Agent 統籌偵察、XSS、BOLA 等子 Agent，在沙箱中串聯低風險弱點成高風險攻擊鏈。對 AI 系統另有 Microsoft Foundry AI Red Teaming Agent（基於 PyRIT）做越獄與多輪漸進攻擊測試。現行共識是混合制：AI 負責廣度與速度，人類負責判斷與合規簽署。\u003c/p\u003e \u003ch3\u003e零信任下 Agent 放哪裡\u003c/h3\u003e \u003cp\u003eCSA 2026《Agentic Trust Framework》原則：Agent 是非確定性、動態擴權的行為體，每個 Agent 要有唯一身分、憑證綁定與能力清單，並用身分式微分段隔離。實務採成熟度晉升：Intern（只觀察）→ Junior（建議需核准）→ Senior（行動後通知）→ Principal（域內自主），失控時一秒內緊急停止並回滾。\u003c/p\u003e \u003ch2\u003eAgent 自身的風險與護欄\u003c/h2\u003e \u003cp\u003e找漏洞將變得廉價，決勝點在修補產能與治理。OWASP 2025 LLM Top 10 與 2026 Agentic Applications Top 10 都把注入列為首要風險。\u003c/p\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003ePrompt injection（直接＋間接）：\u003c/b\u003e網頁、Email、文件、RAG 內容藏指令即可劫持 Agent；純 system prompt 防禦已被證明會失效。\u003c/li\u003e \u003cli\u003e\u003cb\u003e工具濫用／權限過大：\u003c/b\u003eAgent 能發信、刪檔、呼叫 API，被劫持就變成過度授權的非人類身分；失控子 Agent 自行擴散（rogue agent）也被點名。\u003c/li\u003e \u003cli\u003e\u003cb\u003e資料外洩：\u003c/b\u003e經工具管道外傳、記憶被誘導吐出、惡意 MCP 插件與 skill 供應鏈污染三條路徑。\u003c/li\u003e \u003cli\u003e\u003cb\u003e幻覺誤判：\u003c/b\u003e誤攔破壞可用性、漏放放行攻擊；對抗壓力下只靠模型自檢會造成「表面可用但毫無防禦力」的假象。\u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\"callout warn\"\u003e\u003cp\u003e\u003cstrong\u003e護欄三支柱：\u003c/strong\u003e最小權限＋即時授權（每隻 Agent 只給該任務最小工具與資料範圍）／人工確認（不可逆動作強制核准＋斷路器）／不可竄改稽核軌跡（誰下指令、調什麼工具、傳什麼參數，滿足合規與鑑識）。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e企業導入建議：多 Agent 分工\u003c/h2\u003e \u003cul\u003e \u003cli\u003e\u003cb\u003e偵測 Agent：\u003c/b\u003e跨 SIEM、EDR、身分與雲端關聯訊號，去重合併案件，先分真偽再送分析師。\u003c/li\u003e \u003cli\u003e\u003cb\u003e分析 Agent：\u003c/b\u003e自動做身分擴充、端點態勢、威脅情報檢索，甚至經 Slack／Teams 訪談使用者。\u003c/li\u003e \u003cli\u003e\u003cb\u003e回應 Agent：\u003c/b\u003e在政策允許下隔離端點、重設密碼、終止工作階段，可處理逾九成 Tier-1 任務。\u003c/li\u003e \u003c/ul\u003e \u003cdiv class=\"callout\"\u003e\u003cp\u003e\u003cstrong\u003eCrawl-Walk-Run：\u003c/strong\u003e先 2–3 週唯讀 Intern 試點 → 再擴到需核准的 Junior 自動化 → 最後才開 Senior 級自動遏制，並設交易上限控制爆炸半徑。衡量看 MTTD、MTTR、誤報下降率、人均處理量。\u003c/p\u003e\u003c/div\u003e \u003ch2\u003e關鍵來源\u003c/h2\u003e \u003cp class=\"src\"\u003eMicrosoft Security 部落格（2025-11）：\u003ca href=\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\"\u003eGenAI for SOC\u003c/a\u003e · UnderDefense AI SOC 比較：\u003ca href=\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\"\u003eCrowdStrike vs SentinelOne\u003c/a\u003e · Simbian 2026 平台評測：\u003ca href=\"https://simbian.ai/blog/top-ai-soc-platforms-2026\"\u003eTop AI SOC 2026\u003c/a\u003e · OWASP Agentic 2026：\u003ca href=\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\"\u003eTop 10 for Agentic Applications\u003c/a\u003e · CSA Agentic Trust Framework：\u003ca href=\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\"\u003e零信任治理\u003c/a\u003e · Wiz AI 弱點管理：\u003ca href=\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\"\u003eAI Vulnerability Management\u003c/a\u003e · Microsoft AI Red Teaming Agent：\u003ca href=\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\"\u003eFoundry 文件\u003c/a\u003e\u003c/p\u003e \u003c/div\u003e \u003c/div\u003e","createdAt":1789477585709,"deletedAt":null,"displayMode":"artifact","id":"c0ce3912eca02c381880cc7d","isNew":false,"isPublic":true,"itemType":"NOTE","name":"用 AI Agent 建構網路安全方案：研究整理","parents":{"d771a8b34b05a89a295bf547":1789477585709},"preParentID":null,"updatedAt":1789525428259,"updatedBy":{"userId":"6aa8c9af0156b3815fbc0c","userName":"Hong Dean"},"version":6,"websiteContent":"[{\"originUrl\":\"https://www.microsoft.com/en-us/security/blog/2025/11/04/learn-what-generative-ai-can-do-for-your-security-operations-center-soc/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://underdefense.com/blog/crowdstrike-vs-sentinelone-2025-whos-building-the-better-ai-soc-brain/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://simbian.ai/blog/top-ai-soc-platforms-2026\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://genai.owasp.org/resource/owasp-top-10-for-agentic-applications-for-2026/\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://cloudsecurityalliance.org/blog/2026/02/02/the-agentic-trust-framework-zero-trust-governance-for-ai-agents\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://www.wiz.io/academy/vulnerability-management/ai-vulnerability-management\",\"title\":null,\"content\":null,\"imageUrl\":null},{\"originUrl\":\"https://learn.microsoft.com/en-us/azure/foundry/concepts/ai-red-teaming-agent\",\"title\":null,\"content\":null,\"imageUrl\":null}]"}]}