AI 發動的資安攻擊怎麼防？5 個 2025 以身分為核心的 AI 防禦策略
資安攻擊隨著技術快速演變，許多資安機構示警，AI 正在驅動新的資安威脅──深偽技術更被視為 AI 最大潛在挑戰之一。駭客正在將 AI 武器化、使用最新對抗性 AI 技術（adversarial AI）技術竊取身分，並進行合成詐欺，誰是他們眼中的肥羊？
由於業務性質，金融服務最可能是面臨最先進、最長期網路威脅的產業。根據 TransUnion 調查，金融機構面臨超過 31 億美元的合成身分詐欺風險，此一風險在 2024 年成長了 14.2%；VPNRanks 則觀察到，深度偽造技術在美國已猛增 3,000%，2024 年增加 50~60%。
企業雖然逐漸明瞭能用 AI 提升防禦力，但可以從哪幾些面向做起？美國第二大零售貸款機構 Rate ，因為每天經手數十億筆敏感交易，自然成為網路犯罪份子的主要目標。而他們在一場專訪中分享如何以 AI 對抗 AI，進一步保護客戶、員工和合作夥伴身分資料的方法。
要監控每一筆交易，有什麼困難的？
「如果攻擊者只是竊取用戶憑證，那麼，即使是最好的端點保護也無濟於事。」Rate 資安資深副總裁 Katherine Mowen 表示，這項認知讓他們開始強化基於身分的異常偵測，並整合即時威脅回應機制。
Rate 最大的挑戰在於員工數量可能根據需求從 6,000 人飆升至 15,000 人，因此需要一個能輕鬆擴展權限規模並統一多個安全層的方法。此外，Rate 也需要確保每個地區、辦公室的最低存取權限、設定資源存取時間，同時監控每筆交易。
他們採用零信任框架並運用 AI 威脅模型，讓每個決策都圍繞著身分和持續驗證。如今，Rate 透過 AI 威脅建模，已經可以定義最低特權存取，並即時監控每筆交易和工作流程。這對於想提升防禦力的企業，可以帶來哪些啟發？
1. 身分是諸多技術堆疊的弱點
《VentureBeat》觀察，使用者的身分正在被駭客圍攻，還沒意識到這項威脅的企業，可能在 2025 年就會明白──因為身分往往被視為許多技術堆疊中的弱點，攻擊者會不斷調整技術來加以利用。
由於相關的攻擊增加，Rate 開始追蹤針對遠端工作員工身分的攻擊，並尋找平台工具來識別這些攻擊。根據 Rate 的經驗，他們打造 AI 威脅建模，用來持續透過身分驗證和異常檢測來保護憑證，並強調平台可視性、控制力帶來的幫助。
2. 用 AI 對抗 AI
Rate 的經驗顯示，使用 AI 驅動的資安防禦措施，可望有效抵抗對抗性 AI 技術，如網路釣魚、深度偽造和合成詐欺。其中，自動偵測和回應，可以減少識別和擊敗攻擊所需的時間。
3. 永遠優先考慮即時回應
速度是重要關鍵，因為攻擊者根據目標企業網路、安裝勒索軟體、搜尋身分識別管理系統和重新定向交易的速度已創下新記錄。根據 CrowdStrike 2024 年全球威脅報告，網路犯罪的平均爆發時間只有 62 分鐘。
為了應對這樣的威脅，Rate 公司採用「1-10-60」的 SOC （Securiry Operations Center）模型：1 分鐘偵測、10 分鐘分類、60 分鐘遏制威脅，來解決越來越短的檢測和回應時間。
為了讓人工智慧威脅建模能夠成功識別攻擊，Rate 指出其端點偵測和回應（EDR）、身分保護、雲端安全和其他模組都必須位於一個控制台下。Mowen 表示，「我的想法是，你的攻擊面不僅僅是你的基礎設施，也包含時間」，企業需要思考自身需要多長的時間做出回應。
4. 將「零信任」作為身分安全核心
每個組織都需要定義自己獨特的零信任方法，這對於金融服務、製造業等具有明確目標的產業尤其重要。零信任的核心是假設違規的情況已經發生，因此「監測」成了任何一個零信任框架的必備條件。
《VentureBeat》根據 Rate 經驗進一步建議，將零信任作為身分安全的核心，實施最小的特權存取、持續驗證身分，並監控每項活動，包含已經發生的違規事項。
5. 減少警報疲勞，用 AI 降低雜訊是優先事項
Mowen 表示，Rate 過去系統產生的噪音，多過於真正需要執行操作的警報。他們開始整合新平台和 SIEM （安全資訊和事件管理），即時地集中和分析日誌資料，用 AI 降低 SOC 和端點中的雜訊訊號，「現在，如果我們在凌晨 3 點接到通報，那幾乎是一個合理的威脅。」
《VentureBeat》指出，如果條件允許，企業可以自動化 SOC 工作流程，藉此減少警報轟炸的疲勞，並且讓分析師能進行二級、三級入侵分析。報導指出，Rate 的經驗關鍵在於，當整個 SOC 流程跟著改進、結合，AI 威脅監控將達到更好的效果，提高 AI 的準確性。
【推薦閱讀】
◆ AI 該自己建還是直接買？2025 年企業擴展 AI 的四大思考
＊本文開放合作夥伴轉載，資料來源：《VentureBeat》、《TechOrange》1、《TechOrange》2，首圖來源：Pexel。