從開發風險到供應鏈威脅,叡揚資訊助金融業建構 AI 韌性防線

TechOrange 科技報橘日前主辦「2026 科技金融論壇」,聚焦探討 AI Agent to Agent (A2A)驅動下的新金融基礎設施與數位服務生態。叡揚資訊資安直屬事業處副處長郭俐佳於論壇演講時指出,許多企業主管正面臨三大挑戰:首先是 A2A(Agent to Agent)自主協作帶來的治理需求;其次是攻擊與防禦全面 AI 化(AI Cyber),當攻擊者也利用 AI 生成惡意程式並發動攻擊時,企業的防護速度必須跟上;第三則是全球 AI 治理法規逐步落地。

「在 A2A 時代,Agent 之間彼此會資料交換、溝通甚至完成交易,AI 帶來的是效率提升,同時也帶來風險,」郭俐佳表示,在賦予 AI 更大、更廣的權限時,AI Agent 可以呼叫哪些服務、使用哪些工具以及擁有哪些資料存取權限,監督與審核就成為關鍵。

AI 供應鏈成為企業最容易忽略的攻擊面

隨著 AI 技術快速普及,企業面臨的資安風險也逐漸從單一系統漏洞,擴展至整體供應鏈生態系。

郭俐佳指出,近年來攻擊者已不再以企業本身作為唯一目標,而是轉向開源社群、第三方服務供應商、AI 模型與資料來源等供應鏈環節發動攻擊,如開源維護者帳號遭駭客惡意植入程式碼,影響數十萬開發者與企業,或是 AI 供應鏈服務遭入侵,影響企業 AI 應用與決策可信度。她進一步以「冰山效應」形容現代企業的資安風險,企業平時最關注的業務系統、Web 與行動應用程式,其實只是冰山露出水面的部分;真正影響數位韌性的關鍵,往往隱藏於底層的開源元件、容器環境、開發部署流程、AI 模型、訓練資料與外部 API 等相依資源。

郭俐佳指出,近年來攻擊者已不再以企業本身作為唯一目標,而是轉向開源社群、第三方服務供應商、AI 模型與資料來源等供應鏈環節發動攻擊。一旦其中任一環節遭到入侵,影響範圍往往橫跨數百甚至數千家企業。

因此,除了建立傳統的軟體物料清單(SBOM),企業更應導入 AI 應用組成清單(AI-BOM),完整掌握 AI 模型、Prompt、外部工具及相依元件的組成與權限關係。郭俐佳表示,透過 Mend Platform,企業不僅能盤點軟體供應鏈,也能建立 AI-BOM,並運用 AI 自動分析程式碼風險、提供修補建議及產生 Pull Request,協助開發團隊將安全治理落實於開發初期。

三層機制穩固 AI 安全防線

面對日益複雜的系統架構,企業往往需要面對數百甚至數千筆弱點資訊,真正的挑戰並非「漏洞太多」,而是「哪些漏洞必須優先修補」。對此,叡揚資訊建議企業建立漏洞修補優先順序應依據「弱點嚴重度 X 可達性 X 業務影響」進行動態評估,而非僅依 CVSS 分數決定修補優先順序。藉由 Mend.io 分析攻擊路徑與相依關係,可協助資安團隊快速找出真正可能影響核心服務的高風險項目,將有限資源投入最需要的地方。

除了安全開發,AI 應用本身也需要建立完整的治理架構。 

而針對 AI 應用,叡揚資訊建議企業進一步透過三層次安全防護機制建構 AI 資安防線:第一層是確保 AI 基礎可信與合規管理,負責驗證資料來源與模型授權;第二層是 AI 應用互動與內容防護,過濾不當的 Prompt 注入攻擊與限制外部工具存取權限;第三層是 AI 行為管控與合規監測,透過紅隊測試模擬攻擊與部署即時監控防護欄,確保企業 AI 運作達到可信、可控又可追溯的安全標準。

從數位錢包到供應鏈,建構可信任數位服務生態圈

針對金融與數位交易環境日益複雜的資安挑戰,郭俐佳分析,企業必須從底層系統、行動應用到整體供應鏈,建立涵蓋底層系統、行動應用與整體供應鏈的跨層級防禦能力,才能因應 AI 驅動的新型攻擊模式。

她表示,隨著數位金融快速發展,未來交易風險將更加聚焦於數位錢包 App 等前端應用,傳統仰賴後端防護的模式,已難以因應記憶體側錄、裝置遭控制或身分冒用等攻擊手法,透過 Digital.ai App Protect 可有效防範 Hook、Root、記憶體竄改與裝置遭控制等攻擊,補足傳統後端防護不足之處。此外,企業除了強化 Client 端 App 保護之外,也應同步掌握多雲環境的安全狀況。Orca Security 可自動盤點多雲環境中的工作負載、身分權限與敏感資料,並透過 Security Graph 將攻擊路徑視覺化,協助資安團隊快速掌握真正具威脅性的風險。同時,搭配 Azul Platform Prime 最佳化 AI 與 Java 應用的執行效率,提升系統吞吐量,同時降低雲端基礎架構成本,讓金融服務在兼顧安全、效能與營運成本的前提下穩定運作。

除了強化自身系統防護,郭俐佳也指出,企業的治理範圍應從內部延伸至整體供應鏈。透過 Bitsight 持續監測合作夥伴及供應商的外部曝險與資安風險,企業可從攻擊者視角掌握潛在弱點,當暗網出現帳號憑證外洩或重大漏洞情資時,也能及早發現並採取因應措施。

她以 2021 年 Log4j 漏洞事件為例,許多企業因缺乏完整的資產盤點能力,耗費大量時間確認受影響範圍,也延誤了修補時程。因此,企業除了建立 SBOM 與 AI-BOM,更應透過 Tracko SecOps 串聯外部情資、曝險管理、漏洞治理與事件應變流程,將資產、漏洞與修補進度整合於單一治理平台,形成從發現、分析、修復到持續追蹤的治理閉環。

郭俐佳強調,在 AI Agent 與 A2A 應用逐漸普及的時代,企業資安已不再只是單點防禦,而是涵蓋產品安全、AI 治理、雲端維運與供應鏈風險管理的整體工程。唯有建立具備可視性、可追溯性與持續治理能力的 Product Security 架構,才能打造真正可信任且具韌性的數位服務生態系。