2026 亞利安科技 Solution Day 會後報導|Proofpoint|AI 時代下郵件防禦新視角

2026 亞利安科技 Solution Day 會後報導|Proofpoint|AI 時代下郵件防禦新視角

Proofpoint 講師郭仕杰以「超越過濾:AI 時代下郵件防禦新視角」為題,說明在攻擊高度自動化的當下,企業的電子郵件防禦如何從傳統過濾,走向結合威脅情資、 AI 分析與使用者教育的綜合防護。 一封信開始的殘酷現實,攻擊成本趨近於零 郭仕杰指出,綜觀過去一整年的攻擊,有 90% 的攻擊面向並非直接針對企業系統,而是從一封電子郵件開始;當攻擊邁向完全自動化,攻擊者成本驟降 95%,成功比例也隨之大幅提升,客製化的商務電郵詐騙(BEC)更遽增 70% 。...
2026 亞利安科技 Solution Day 會後報導|Vulcan|從紅隊到即時防護:企業如何建立 AI 安全防線

2026 亞利安科技 Solution Day 會後報導|Vulcan|從紅隊到即時防護:企業如何建立 AI 安全防線

當生成式 AI 快速走進企業營運,伴隨而來的資安風險也成為不可忽視的課題。亞利安 2026 Solution Day 第一場議程邀請廖志偉(Frank Liao)博士,以 AI 資訊安全為題,從實際資安事件談起,剖析生成式 AI 從開發到上線的風險樣態,並介紹涵蓋完整生命週期的 Vulcan 系列防護方案。 從資料投毒到提示詞外洩:生成式 AI 的風險樣態 廖志偉博士從實際資安事件切入,剖析生成式 AI 資料投毒與提示詞注入的風險樣態。 廖志偉以兩起案例說明 GenAI 的風險樣態。其一,某 AI Coding Assistant...
Proofpoint 2026 AI 與人為風險態勢報告

Proofpoint 2026 AI 與人為風險態勢報告

協作平台、AI,以及未能跟上腳步的資安管控機制 Proofpoint 首次發布的《AI 與人為風險態勢報告》(AI and Human Risk Landscape Report),是一項針對全球市場的深度研究,旨在剖析 AI 如何重塑協作平台安全(Collaboration Security)的威脅版圖。 本報告彙整了全球 12 個國家、超過 1,400 位資安專業人員的問卷調查結果,具體量化了資安業界長期有感、卻始終未能全面數據化的核心痛點:AI 正在顛覆企業的協作模式,而資安防護的演進速度顯然未能跟上隨之而來的風險。...
醫療 GenAI 浪潮來襲!從衛福部首份指引,看醫療機構如何落實 AI 資安與合規治理

醫療 GenAI 浪潮來襲!從衛福部首份指引,看醫療機構如何落實 AI 資安與合規治理

Summary 隨著生成式人工智慧(GenAI)技術爆發,醫療產業也正積極導入 AI 輔助臨床診斷、優化醫療紀錄與提升病人溝通效率。然而,醫療數據的高敏感度與臨床決策的嚴謹性,讓 AI 的資安與治理成為不可忽視的挑戰。 衛福部於 2026 年 5 月底正式發布首份《醫療機構應用生成式人工智慧指引》,針對醫院與診所導入生成式 AI 提出風險治理框架。這份指引不僅是台灣醫療 AI 治理的重要里程碑,更為醫療機構在導入與使用生成式 AI 系統時,提供了明確的安全治理與合規方向。 衛福部醫療 GenAI 指引的兩大核心亮點...
2026 Thales Bad Bot Report 惡意機器人報告摘要

2026 Thales Bad Bot Report 惡意機器人報告摘要

AI 機器人正全面改寫防禦規則 《 2026 惡意機器人報告 》揭示:Agentic AI 已瓦解傳統資安防線 數十年來,企業一直秉持著一個簡單的假設:大部分網路流量都來自用戶。但這種假設已不再成立。自動化流量持續超越人類線上活動,這並非由特定攻擊週期或技術趨勢引發的短期激增,而是網路運作方式的結構性變化。現在,企業不單只服務客戶,也開始服務機器。 最新的《 2026 惡意機器人報告 》進一步印證了這個不容忽視的事實。AI 自動化技術不再是新興議題,而是已經全面滲透到網路流量之中。報告深入探討了 AI 自動化如何顛覆現今應用程式與...
Qualys 將 AI 程式碼安全(AI Code Security)整合至 ETM

Qualys 將 AI 程式碼安全(AI Code Security)整合至 ETM

AI 驅動的程式碼安全已逐漸成為一個獨立的領域 目前業界的領頭羊包含 Anthropic 的 Claude Code Security 與 OpenAI 的 Codex Security,未來勢必有更多類似的工具問世。這些工具能以傳統靜態應用程式安全測試(Static Application Security Testing, SAST)難以觸及的深度來分析程式碼,進而發現傳統基於特徵的掃描器經常漏判的問題,例如:邏輯漏洞、無效的驗證機制、寫死在程式碼裡的機密資訊,以及複雜的注入攻擊路徑。...