top of page

OpenAI NATO 網絡防禦擴大 AI 存取權

36 分鐘前
讀畢需時 12 分鐘
Illustrative photograph. Photo: Sanket Mishra / Pexels.

OpenAI 於 2026 年 11 月 17 日詳述其與 NATO 在網絡安全方面的合作,表示每月原始輸入及輸出 token 的使用量最高可達 3,000 億。這項 OpenAI NATO 網絡防禦公告,聚焦透過 NATO 通訊及資訊局(Communications and Information Agency,NCIA)提供的存取權。然而,這個規模衡量的是活動量,而非已修復的漏洞或已阻止的攻擊。

對於正考慮 AI 應置於何處的安全團隊而言,這個區別至關重要。發現疑似軟件弱點,只是流程的開始;後續仍需要測試、排序優次、與供應商協調,以及部署。只有當這些後續階段能夠跟上時,更快的發現速度才會創造價值。

OpenAI 的工作屬於更廣泛趨勢的一部分:讓受信任的防禦人員使用先進模型。Anthropic 正推展相關計劃,而國家機構亦正發布受監督研究的案例。這些工作共同面對的核心張力,是在加快分析的同時,保留改動關鍵系統所需的證據與問責機制。

OpenAI NATO 網絡防禦進入機構使用階段

機構存取權帶來的問題,比模型能否找到一個有趣的漏洞更棘手:防禦人員能否將其輸出轉化為可靠的防護。

根據 OpenAI 對其盟國網絡防禦工作的說明,NCIA 為 NATO 核心機構提供先進網絡安全模型的存取權。其面向受信任防禦用戶的 Daybreak 計劃,支援獲授權的安全工作。

這個範圍值得審慎理解。核心機構取得存取權,並不代表已在每個盟國政府、軍事單位或關鍵服務中全面部署。獲授權的防禦用途,亦不代表可不受限制地進行網絡行動。

公告描述的是既有合作關係,而非為每個參與機構提供附有日期的啟動時間表。讀者應區分發布日期,以及每個相關項目的實際開始時間。

其使用量數字同樣需要審慎解讀。Token 是模型處理及生成文字和程式碼時所使用的單位。原始輸入和輸出的使用量,無法直接換算為開支、已完成的調查或成功的修復。

一項冗長調查可消耗大量運算資源,卻得出不確定的結果。一次簡短互動,則可能協助研究人員找出有效的測試方法。若缺乏工作量與核算細節,使用量無法證明相對成效。

實際意義在於其他方面。機構存取權提供機會,讓 AI 在組織實際承擔的安全責任中接受評估。這與在展示中證明一項孤立能力,是截然不同的命題。

對買方而言,相關的衡量單位是已完成的調查。工具有否協助分析員得出可辯護的結論?它有否減少工作量,而非把隱藏工作轉嫁至另一個團隊?

這些問題亦改變一份具說服力的客戶參考案例應包含甚麼。知名機構能證明合作關係存在,卻不能獨立驗證與該關係相關的每一項技術聲稱。

因此,OpenAI NATO 網絡防禦工作提供的是採用訊號,至於營運成果則需要另行評估。將這兩類事項分開處理,會令這項公告對讀者更有用。

當中亦涉及採購層面的含意。安全機構在圍繞先進模型建立工作流程前,需要了解哪些工作最能從中受惠。若與成果及人手投入一併考量,使用量數據可為這項分析提供參考。

即使尚未發布全面的效能評估,機構也可合理地重視更廣泛的分析覆蓋。外部觀察者仍應避免以假設填補這個評估缺口。

在機構取得存取權後,下一個問題是:這項工作如何改變那些負責批准及交付安全修正的人員的工作方式。

更快的發現速度為修復流程帶來壓力

接收 AI 產生發現結果的團隊,需要具備調查及解決問題的能力,而不只是接收更多報告的能力。

漏洞是在特定條件下可能危及安全的軟件弱點。疑似漏洞在有人確立這些條件及其後果之前,仍只是一項假設。

這個區別為維護人員、安全研究人員及系統擁有人帶來不同壓力。研究人員必須說明發現為何重要。維護人員則必須判斷所報告的行為是否反映真正缺陷。

系統擁有人還要面對另一項決定:缺陷會否影響其已部署環境,以及如何安全處理。某項發現即使在技術上成立,也未必會在所有地方造成相同風險。

設想一個假設情境:某政府機構使用共享軟件元件。AI 輔助審查識別出可能的授權失敗,即軟件可能容許用戶進行超出其權限的操作。這個結果仍需要重現。

研究人員必須確立受影響行為並記錄測試。維護人員其後需要評估建議的修正方案。該機構則必須判斷自身部署是否需要更新。

這個流程說明,發現速度與防禦速度是不同的衡量指標。加快第一步固然有價值,但完整效益取決於其餘步驟能否取得進展。

有用的報告能降低接收者的調查負擔。它會說明受影響元件、必要條件、觀察到的行為,以及支持結論的證據。僅有看似合理的敘述,會留下太多需要重建的工作。

這為 AI 供應商帶來品質要求。產生詳細說明並不足夠,若該說明無法通過測試。輸出必須協助另一人驗證相關聲稱。

同樣壓力亦適用於採用這些工具的組織。若它們增加發現活動,卻沒有分配後續跟進的責任,未解決的發現結果便可能累積。表面上的生產力提升,隨即變成更長的審查隊列。

這種可能性應影響管理人員如何解讀效能儀表板。已產生的發現、已接受的發現、已交付的修正,以及已更新的受影響系統,描述的是不同階段。將它們合併會掩蓋進度在哪裡停滯。

嚴重程度同樣需要脈絡。一段引人注目的技術描述,不會自動指出最緊急的修復項目。暴露程度、可取得的存取權、營運後果及既有防護措施,都會影響決定。

對開發人員而言,這表示 AI 輔助安全工作很可能帶來超出程式碼審查以外的要求。隨着建議發現的數量增加,清晰的責任歸屬及可重現的證據將變得更有價值。

對企業買方而言,含意在於組織層面。模型訂閱無法取代研究團隊、維護人員與部署擁有人之間的協議。這些交接決定分析速度能否轉化為較低的風險暴露。

這正是為何最具參考價值的案例,會展示從疑似弱點到經驗證結果的過程。

CERT Polska 展示人手驗證在哪裡介入

CERT Polska 發布的說明將 AI 納入受監督研究流程,由研究人員負責確認結果。

這支波蘭事件應變團隊於 2026 年 9 月 5 日發表的 RouterOS 漏洞分析,描述 MikroTik 網絡軟件中的六項弱點,並指出研究期間使用了 OpenAI 模型作為工具。

該團隊表示,研究人員選定調查範圍並準備隔離實驗室。模型產生的假設需要在真實系統上測試、反覆核查,以及由人員評估其影響。

這份說明提供了輔助研究的具體例子,卻沒有暗示單一請求便產生一項完成的調查。CERT Polska 指出,脈絡準備、安全研究設計、驗證及文件整理,均屬勞動密集的工作。

其通告亦報告了正被積極利用的情況,並確認已發布的修補程式阻止了觀察到的攻擊。這將調查與實際防禦成果連繫起來。

分析上的啟示在於證據的結構。當一項聲稱經過重現、審查、供應商行動,以及針對觀察到的行為進行測試後,便會變得更有說服力。

每個階段回答不同問題。重現確認該行為確實發生。影響評估說明其安全意義。測試修正方案則檢視相關行為是否已有改變。

即使最初假設來自 AI 系統,這些問題也不會消失。一項具說服力的解釋,仍需要解釋本身以外的證據。

當工具既可提出弱點、又可為其撰寫測試時,這一點尤其重要。這些輸出彼此一致固然有用,但不會自動提供獨立確認。

測試可能包含與原始假設相同的錯誤前提。研究人員需要有方法挑戰所提出的解釋,而非只是重複它。

對買方更廣泛的啟示,是審視供應商如何處理被否決的假設。即使這些個案沒有產生公開漏洞紀錄,能協助分析員剔除缺乏支持的發現的系統,仍可提供價值。

同樣地,令人印象深刻的發現數量,對達成這些發現所需的工作量幾乎沒有說明力。買方需要知道,研究人員的時間是花在作出新判斷,還是在修正本可避免的錯誤。

這亦涉及知識管理。調查紀錄需要保存假設、測試結果、決定及拒絕理由,否則另一個團隊便必須重新建構相關推理。

可搜尋的知識庫可協助工程團隊在多項調查之間保留技術文件。敏感安全材料仍應置於機構認可的存取控制之內。

報道上的關鍵區別是:有記錄的個案只支持對該個案作出結論,並不能證明在無關軟件或環境中的普遍成功率。

CERT Polska 提供了一個有用案例,因其說明包括圍繞模型使用的人手工作。這些周邊工作是理解該技術貢獻的核心。

演習同時測試監督機制與技術能力

與 AI 代理人一同訓練,可測試操作人員能否在貼近現實的限制下指揮及質疑自動化工作。

AI 代理人是利用模型選擇及執行步驟,以達成指定目標的軟件。為其提供工具,會令該任務的邊界在實際運作上變得重要。

NATO Cooperative Cyber Defence Centre of Excellence 表示,其Crossed Swords 演習於 2026 年 11 月 2 至 6 日在塔林舉行。新增的培訓環節讓參與者開發、部署及評估代理人。

該中心表示,相關環境包括 Daybreak,並強調由人員監督。其描述將代理的使用置於一項涵蓋網絡及其他行動協調的更廣泛演習之中。

演習可證明訓練活動曾經進行,但本身並不能證明某個系統已通過獨立的操作評估,或可在無人監督下安全運作。

在描述軍事應用時,這項區分尤其重要。培訓流程的存在不應被延伸解讀為已自主部署,或獲授更廣泛的職權。

實際問題很具體。操作人員能否理解代理正嘗試做甚麼?能否檢視其證據、限制其行動,以及將其停止?

監督亦取決於時機。若審查程序只在調查結束後才發揮作用,當代理在調查期間採取行動時,這或許並不足夠。

因此,權限應納入能力分析之中。模型提出行動建議的能力,與機構決定授權該行動,是兩項不同的判斷。

NATO 於 2024 年 7 月發布的負責任 AI 策略,提供了政策背景。該策略強調問責、可追溯性、可靠性、可管治性及測試。

這些原則為買家評估實施方案提供框架。可追溯性關乎事後能否檢視決策;可管治性則關乎人員能否控制系統的行為。

套用到安全工作時,其含義不止於保存逐字記錄。調查紀錄應清楚說明系統可存取甚麼,以及哪些行動需要人員批准。

相關紀錄亦須區分模型的建議與操作人員的決定。否則,當有人質疑結果時,責任將難以還原。

這些是評估問題,而非對未公開 NATO 程序的主張。公開的演習描述並未完整交代部署控制措施。

對民用機構而言,可借鑑的教訓是,除了技術表現,亦要測試工作關係是否配合。一項有效工具必須符合預期負責監督它的人員所承擔的責任。

這亦包括承認不確定性。一項充滿信心的建議可能造成推進壓力;有用的助手則應保留空間,讓操作人員要求更有力的證據。

當培訓揭示監督在哪些環節失效或變慢時,才會產生價值。這些發現可在機構將更廣泛責任交託給系統之前,塑造其權限及審查程序。

標題數字仍留下重要問題

據報的採用情況及部分研究結果,支持各界對 AI 輔助防禦的興趣,但其更廣泛的效能仍未有定論。

OpenAI 的 NATO 網絡防禦公告包含一項需要審慎界定的歐洲研究結果。該結果引用了一項涵蓋 27 個軟件專案及多個模型的審查。

根據 OpenAI 的摘要,維護者確認了他們評估過的 88 項潛在問題中,有 95% 成立。該數字涵蓋各模型中已評估的子集,並非 OpenAI 專屬的準確率分數。

這項區分很重要,因為讀者不能只從獲接納的發現,推斷完整的偵測表現。他們還需要知道遺漏的弱點、篩選方法,以及評估提交結果所需的工作量。

高確認率可反映在已審查樣本中,候選發現具備實用質素。但這並不揭示同一程序在每個專案或部署環境中的表現。

同樣,辨識出真實漏洞並不能確立其相對緊急程度。已確認的問題與具重大後果的風險暴露互有關聯,但兩者不能互換。

這些限制並不抹煞所報告的結果,而是界定這些結果所能支持的結論。審慎解讀有助買家避免比較衡量不同事物的數字。

競爭對手的背景進一步突顯對完成工作的重視。Anthropic 在 2026 年 10 月 8 日推出的關鍵基礎設施計劃,結合模型存取權、工程支援及威脅研究。

該公司亦承認,尋找漏洞已變得較容易,但驗證、排序優先次序及修復漏洞仍然困難。對另一家正推動防禦應用的模型供應商而言,這是一項值得注意的承認。

兩種做法均著重協助防禦者在既有責任範圍內應用模型。其公開描述並未提供可比較的測試,以確定哪家供應商帶來較佳成果。

公平比較需要等效的任務,以及清楚界定的衡量標準。買家必須考慮專家時間、被拒絕的發現、已接納的修正,以及部署限制。

因此,問題不止於哪一個模型找到最多錯誤,亦包括哪一個系統能產生維護者可用的證據,以及哪一項服務在發現問題後能支援後續工作。

防禦協助與操作自主性之間亦有界線。獲取先進模型,並不代表每項生成的行動都已獲授權、恰當或安全。

機構必須在自身環境中評估這條界線。適合檢視軟件副本的工具,在與運行中的服務互動前,可能需要不同的控制措施。

公開資料確立了具名合作關係、研究示例及培訓活動,但並不構成對整個聯盟安全改善的獨立審計。

因此,OpenAI NATO 網絡防禦最適合理解為一則有具體支持案例的採用報道。更廣泛的效能主張,取決於超越存取權及使用量的證據。

對讀者而言,這形成一項直接的標準:應重視可重現的結果,並將每項結果的適用範圍與其一併看待。

留意已完成的修復、可衡量的成果及可執行的控制措施

下一項有用證據,將把 AI 活動連結至已完成的防禦工作,並說明機構如何控制整個過程。

未來數月,首個值得留意的訊號是更多已完成的漏洞個案。最有力的例子會把一項發現連結至維護者審查、修正及驗證。

這類個案將加強先進模型能協助機構推進修復程序的論點。若公告只限於候選數量,這項論點便較不完整。

這項區分對關鍵系統尤其重要。發布修正與部署修正是不同里程碑。證據應清楚說明,所報告的成功實際代表哪一個里程碑。

讀者亦應檢視公開說明的質素。當另一支具備資格的團隊能理解相關條件並評估推理時,個案便更具參考價值。

這並不需要披露敏感的操作細節。機構可在不暴露其保護系統的情況下,說明方法及限制。目標是對結果作出可辯護的交代。

第二個訊號是把成果衡量與資源使用一併呈報。若報告將模型活動與專家投入及已完成工作配對,將有助買家評估實際價值。

這會令 OpenAI NATO 網絡防禦的使用量數字更易解讀。當讀者能把處理量連結至背後的任務及結果時,處理量才具資訊價值。

比較亦應區分探索性研究與日常運作。一項困難的調查與一項重複進行的審查工作,對分析人員及模型提出不同要求。

若機構報告這項區分,買家便能更準確判斷應在哪些範疇引入工具。否則,籠統的生產力主張可能掩蓋不同工作負載之間截然不同的經驗。

每項獲接納結果所需投入減少的證據,將加強採用理由;審查負擔增加而未相應提高完成量的證據,則會對其構成挑戰。

第三個訊號是更清楚報告可執行的運作界線。買家應留意有關權限、批准節點、調查紀錄及意外行為處理方式的描述。

這些細節有助說明負責任使用原則如何化為實際系統行為。單憑一項承諾聲明,無法回答操作人員能否停止或限制代理。

最有力的證據會把控制措施連結至貼近實況的測試。機構應能說明,當模型出錯、不確定或超出任務範圍工作時,如何評估監督安排。

這些訊號合起來,將令討論從存取權轉向具問責性的使用,也會令供應商之間的比較更有意義。

對開發人員而言,眼前的含義是保留讓另一人可評估某項發現的證據;對買家而言,則是要問模型回應後會發生甚麼。

國家機構及聯盟機構各有不同責任,但這個問題跨越組織界線。安全收益取決於由分析到經驗證行動的整個過程。

閱讀已發布的個案時,應將這條路徑放在心上。尋找原始假設、驗證工作、維護者的回應,以及證明修正已解決問題的證據。

評估產品時,要求供應商以具代表性的任務說明這些交接環節。要求清楚交代由誰批准行動,以及由誰負責尚未解決的發現。

然後,把由此產生的工作量與團隊既有流程比較,包括審查及文件紀錄。OpenAI 的盟友合作值得關注,因為它提供了具體的採用示例。其更廣泛的意義將取決於未來報告能否顯示,更多分析能力是否持續轉化為已完成的防禦工作。你的團隊需要甚麼證據,才會信任它承擔更大的角色?

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page