Wiz 主動式攻擊研究辨識七項特徵，但歸因仍有限制

Wiz 於 10 月 29 日發表研究，辨識出主動式攻擊的七項特徵，同時承認識別操作者仍然困難。Wiz 對主動式攻擊的分析，審視涉及 AI 代理的入侵事件；這類軟件會利用模型選擇行動並操作工具。其核心張力在於可見性：可辨識的行為可協助調查人員，卻未必能可靠地確認由誰控制攻擊。

Microsoft、CrowdStrike 及 Huntress 提供了有用的參考點。它們的調查描述了不同類型的證據，涵蓋復原的攻擊者檔案及客戶驗證記錄。這些差異對判斷事故是否涉及自主執行、AI 輔助、傳統腳本或其組合至關重要。

對企業安全團隊而言，眼前壓力在於營運層面。等待確定的 AI 歸因可能延誤遏止措施，而把每宗自動化入侵都視為主動式攻擊，則可能扭曲優先次序。實際問題是，防禦人員能多快辨識未經授權的存取、連結相關活動並加以阻斷。

Wiz 主動式攻擊研究將討論轉向可觀察行為

這份報告的重要性在於其框架。它並非將 AI 的參與視為入侵後附加的標籤，而是提出調查人員可檢視的行為準則。這些準則為以證據驗證某種解釋提供起點。

有用的特徵可支持調查；但不能取代攻擊者實際達成甚麼的證據。

這項區分將安全分析與術語爭論分開。機構需要知道某個身分是否取得未經授權的權限、憑證是否外洩，以及敏感記錄是否被存取。確認相關軟件則服務於一個相關但不同的目的。

不妨考慮警報與結論之間的差異。異常序列或足以證明需要調查，卻不足以證實模型選擇了每一項行動。調查人員可同時保留兩項判斷：有關活動值得關注，而其運作機制仍未確定。

這在評估供應商研究時尤其相關。一份報告可以包含有價值的觀察，同時仍未能解答其較廣泛詮釋的問題。讀者應區分底層記錄與研究人員認為最有可能的解釋。

同樣的紀律亦適用於「自主」一詞。操作者可能批准目標、啟動工具、檢視中間結果，並在工具停滯時介入。把整個過程描述為自主，可能掩蓋控制權上的重要差異。

另一種做法是描述所觀察到的授權委派。軟件是否選擇目標、編寫指令、解讀錯誤，還是只執行預先準備的清單？每個答案都指出不同的貢獻，對偵測及應對亦有不同含意。

這亦改變了企業應向安全供應商索取甚麼。聲稱能識別 AI，應有支持例子、清晰的信心水平措辭，以及對其他詮釋的說明。即使攻擊背後的模型不明，偵測質素仍應可被評估。

因此，相關比較是自適應執行與防禦人員重建該執行過程的能力之間的比較。傳統自動化仍是這項比較的一部分。它的存在並不排除工作流程其他位置有模型參與。

模型可能協助產生其後獨立執行的腳本。反過來，腳本亦可能收集結果，供代理用來決定下一步行動。客戶日誌未必會揭示這種分工。

對採購方而言，這形成一項直接的評估標準。應問一問產品能否識別具後果的未經授權行為、解釋其證據，以及協助應變人員採取行動。如缺乏這些能力，即使有自信的 AI 標籤，價值亦不大。

七項特徵提供線索，而非定論

• 持續迭代： Wiz 描述不斷變化、以機器節奏進行的活動，其持續時間超越典型人手操作時段。持續時間有助建立脈絡。

• 書面理據： 工具包含預定行動的說明文字。這些文字提供另一項可檢視的痕跡。

• 自適應修正： 失敗後的後續嘗試會作出改變。調查人員可比較這些修訂。

• 廣泛覆蓋： 活動有系統地探索不同技術。其序列可揭示組織方式。

• 並行探索： 多條可能路徑同時受到關注。這會擴大應變人員必須連結的證據範圍。

• 執行前驗證： 具後果的行動之前會進行初步檢查，並設有旨在限制執行的措施。

• 一次性痕跡： 描述性的暫存檔案及識別痕跡，為分階段操作及記錄管理提供線索。這些概述 Wiz 的主動式攻擊特徵。

• 其整體意義： 多項相符的觀察，比孤立的命名模式更有效地支持某項假設。任何單一特徵都不應自動決定歸因。

• 合法自動化的比較： 評估相似行為時，應考慮已獲授權的測試及管理工具。脈絡決定某項行動是否屬於正當範圍。

• 偵測層面的含意： 主動式攻擊偵測應連同行為線索，一併確認身分、權限、目標及後果。

• 誤報問題： 偵測器需要相對於獲允許活動進行評估。否則，看似敏感的系統可能增加調查負擔，卻無助改善決策。

• 缺失證據問題： 缺少某項痕跡，並不能證明代理不存在。調查人員應記錄蒐集限制。

• 信心水平問題： 報告應區分直接觀察、推斷關係及尚未解決的解釋。這些類別有助覆核。

• 授權問題： 決定性問題仍是某項行動是否超越權限。準確的模型標籤本身無法回答這一點。

• 保全問題： 保留原始記錄，讓日後發現可修正評估，而毋須改寫初始證據。

• 適應問題： 基於呈現形式的特徵值得審視。其效用取決於改變呈現形式是否足以避過偵測。

• 營運問題： 應變人員需要足夠證據中斷有害活動，而毋須先解決有關其作者的所有不確定性。

• 報告問題： 管理層應收到受影響系統及已確認後果的清晰交代，並了解對所提出機制的信心水平。

ARTEX 與 Hermes 案例說明為何證據必須分開處理

Zscaler 於 10 月 14 日的調查，將 ARTEX——一個協調 AI 輔助安全測試的框架——與針對南韓金融機構的攻擊連結起來。報告指出，約有 67,000 人的個人資料遭竊。研究人員描述了對面向互聯網應用程式的利用，包括查詢入口及流動應用程式後端。他們以中等信心評估，這是由一名以金錢為動機、使用中文的行動者所為。相關發現載於其金融業入侵分析。

共用框架並不能證明操作者、動機或結果相同。

CrowdStrike 於 10 月 7 日的分析提供了另一種證據視角。它描述從攻擊者控制的基建中復原的 ARTEX 設定檔、Claude Code 工作階段歷史及記憶檔案。這些痕跡提供了受害者環境內活動記錄以外的可見性。CrowdStrike 並未在其ARTEX 基建分析中，將該南韓行動歸因於某個具名對手。

這項區別十分重要，因為工具名稱可能成為過於方便的組織原則。分析人員可為技術比較而將事故分組，卻不應宣稱同一組織實施了這些事故。比較新聞標題時，讀者應保留這種區分。

泰國案例涉及不同框架，亦有不同限制。Hunt.io 報告指出，復原日誌顯示 Hermes 在針對泰國財政部的入侵中運作時，沒有要求指令批准提示。其於 7 月 23 日發表的內容描述了內部探索及系統已遭入侵的證據。

Hunt.io 表示，初始存取方式尚不清楚。它亦未發現所檢視的部門檔案曾被外傳的證據。這些限制與其Hermes 入侵調查中的技術觀察並存。

最後這項限定改變了公開敘述。攻擊者曾搜尋檔案的證據，支持進行存取調查；但單憑這一點，並不能證實那些檔案已離開相關環境。同樣地，缺乏外傳證據亦不應被視為宣稱盜竊不可能發生。

這些案例說明，事故檢討必須回答不同問題。復原的設定有助識別工具；工作階段記錄有助解釋執行；受害者記錄則有助確認影響。一類證據不能自動填補另一類的缺口。

對開發人員而言，實際相關性在於暴露應用程式周邊的邊界。只檢視應用程式本身，可能無法解答憑證及可經其存取服務的問題。調查需要確認這些關係，而非自行推斷。

對知識工作者而言，問題在於這些關係背後的資訊。文件庫、客戶入口或內部搜尋服務，都代表可存取實際記錄。AI 解釋的價值，部分取決於其是否釐清這類暴露。

這些是各自有不同證據的獨立已報告事故。把它們最大的數字和最強烈的說法拼合，或會形成更戲劇化的故事，但評估亦會較不準確。

ConnectWise 令既有應用程式信任承受壓力

Microsoft 於 10 月 21 日的分析，將 ConnectWise Cloud Backup 遭入侵歸因於 Storm-0940；Microsoft 形容該行動者與中國國家利益一致。Microsoft 表示，ARTEX 加速了對已遭入侵應用程式憑證的濫用，並嘗試登入超過 2,250 個 Microsoft 365 租戶。租戶是機構在 Microsoft 雲端中的環境。

該公司明確區分嘗試存取與已確認影響。受影響的應用程式，甚至成功驗證，也不一定能證明客戶資料曾被存取或竊取。其發現描述了在ConnectWise 行動分析中對既有應用程式信任的濫用。

核心風險在於：當應用程式憑證落入敵對方手中時，該應用程式本來已持有的權限。

這同時為客戶及供應商帶來壓力。客戶需要了解其環境內所授予的權限。供應商則需要解釋支援該關係的憑證發生了甚麼事。

AI 的分析價值在於取得存取權後所發生的事。如果軟件能在較少操作人員關注下評估並採取行動處理機會，應對流程便會面對不同的工作負荷。這不會抹殺最初的信任決策。

應用程式驗證亦需要提出與熟悉的員工登入調查不同的問題。哪個應用程式採取了行動？適用了哪些權限？誰擁有其憑證？其後發生了哪些變更？在評估是否偏離授權關係前，答案必須先識別該授權關係。

對企業採購方而言，這些問題應納入供應商評估。有用的保證說明應涵蓋憑證控制、客戶可見性、事故通訊及復原責任。關於安全 AI 的一般說法，不能取代這些營運細節。

嘗試存取與成功存取之間的區別尤其值得關注。嘗試次數衡量的是針對程度。驗證紀錄則確立另一個階段。權限變更或資料存取的證據，則確立更後續的階段。每個階段都需要各自的支持證據。

將這些階段混為一談，可能會在兩個相反方向誤導決策者。誇大的入侵數字可能扭曲事故規模。過於狹窄地聚焦登入成功，則可能忽略需要另行檢視的重大變更。

復原引入了另一條界線。恢復供應商服務回答的是可用性問題。確認未經授權的存取已終止，回答的則是安全問題。即使調查有所重疊，客戶仍需要符合兩者要求的證據。

因此，暫時中斷服務可能需要營運決策，而非簡單的技術重設。機構必須在對服務的依賴程度與支持恢復服務的證據之間作出考量。這項判斷應遵循現行事故指引。

Wiz 對代理式攻擊的研究納入這項討論，是因為它把焦點放在執行模式上。ConnectWise 個案則呈現了一個具體的信任關係。兩者共同促使人們審視授權、偵測及應對如何互相影響。

對採購的啟示十分具體。買方應詢問如何檢視及限制整合的權限，以及如何令異常使用變得可見。無論攻擊者選用甚麼框架，這些問題依然有用。

AI 攻擊歸因仍然不及未經授權存取般確定

Huntress 為 ConnectWise 個案提供了一項重要補充。其調查人員表示，他們的遙測資料與 Microsoft 的發現一致，但並未獨立確認 AI 有參與其中。僅根據客戶紀錄，他們自己的評估僅達低至中等信心。

他們描述工具在多次執行之間有所變更，同時在某個目標應用程式身分已被刪除後，請求仍持續出現。Huntress 無法掌握攻擊者的系統及底層模型使用情況。因此，其攻擊執行分析將指令碼、操作人員介入及代理視為互相重疊的可能性。

對 AI 參與程度的不確定性，並不會取消未經授權活動的證據。

這是對指紋作出過度自信解讀時最有力的制衡。一連串行為可以支持代理假說，同時仍與其他解釋相容。恰當的做法是陳述互相競爭的解釋，並識別哪些證據可加以區分。

修訂後的工具可能反映由模型產生的修正，也可能反映有人手修改程式碼或選擇既有選項。觀察到修訂只能證明行為有所改變；要識別其作者，則需要額外支持。

這一區別在討論推理時尤其重要。日誌可以顯示某個行動發生於錯誤之後，但通常不會揭示該行動背後完整的決策過程。報道應避免將合理的因果解釋轉化為已觀察到的事實。

AI 攻擊歸因亦包含不同的歸因問題。一項關乎模型是否存在。另一項關乎框架。還有一項關乎指揮它的人或機構。某一層面的信心，並不會自動延伸至其他層面。

復原的設定檔可加強對某個框架的識別，但不能證明由誰操作。熟悉的基礎設施模式可支持對行為者的評估，卻不能證明特定模型產生了相關指令。

這正是比較 Wiz、Microsoft、CrowdStrike 及 Huntress 時應聚焦其證據的原因。他們觀察到的是營運的不同部分。一致性可加強某項解釋，但重複引用原始來源作出歸因，並不構成獨立佐證。

商業誘因亦值得考慮，但不應因此否定研究。安全供應商有理由強調新興威脅及其應對能力。讀者應分別評估已發布的觀察結果及產品宣稱。

有用的產品比較會詢問系統是否能解釋其警報，並保留覆核所需的紀錄。它亦應說明觀察哪些環境，以及哪些環境仍不在其視野範圍內。廣泛的可見性宣稱需要具體範圍支持。

對事故負責人而言，通訊上的挑戰是將信心與緊急程度分開處理。團隊可以對 AI 是否參與抱持有限信心，同時有充分理由採取遏制措施。向管理層匯報時，應令這兩項判斷都易於理解。

反過來亦同樣重要。有力證據顯示代理曾參與，並不能確定資料被竊取的範圍。歸因可以變得更清楚，而影響仍然未明。

因此，代理式攻擊偵測應支援一連串決策：確認行為、判斷是否獲授權、識別受影響資源，以及記錄尚存的不確定性。當模型標籤能改善這條決策鏈時，它才有用。

至 2027 年 1 月應留意甚麼

下一階段應根據已發布的證據及營運結果作出評估。相較於更多以 AI 為主題的事故公告，更清楚交代代理控制了甚麼，以及防禦者中斷了甚麼，會帶來更大價值。

最有力的確認，將會把攻擊者一方的工件、受害者一方的活動，以及獨立確立的後果連結起來。

第一個訊號是跨越這些證據類別的更強佐證。留意將復原的代理紀錄與受害者環境中已驗證行動相互對應的調查。這種對應有助區分直接委派與 AI 輔助準備工作。

這類報道將加強代理正在處理重大執行工作的論點。相反，若個案只得到速度或程式碼風格支持，較廣泛的歸因問題仍會未有定論。增加事故數量無法彌補薄弱的證據基礎。

第二個訊號是可量度的偵測品質。留意說明擬議指紋如何面對獲授權自動化運作的評估。合法測試、管理及部署活動提供必要的比較基準。

能識別有害活動，同時控制調查負擔的偵測器，將加強防禦論點。主要辨識註解、命名慣例或節奏的系統，則需要更狹窄地理解其用途。

相關結果在於分析人員是否能更早作出正確決策。買方應尋找有關偵測到甚麼、警報附帶甚麼背景資料，以及其後採取何種應對行動的證據。單憑模型智能的描述，無法證明這種結果。

第三個訊號是就受影響整合提供更清楚的復原報告。留意將供應商補救、客戶調查、服務恢復及移除未經授權存取分開說明的披露。每個階段都回答不同的營運問題。

若有證據顯示這些階段已被記錄並協調，將支持人們對應對準備程度的信心。持續的含糊不清，即使原始入侵機制已被充分理解，仍會暴露管治問題。

這些訊號呼應 Wiz 代理式攻擊討論中的同一張力：攻擊者可以委派工作，但防禦者仍需要可靠的背景資料。安全價值來自令這些背景資料可付諸行動。

維持易於存取的決策紀錄，有助達成這個目標。團隊需要保存他們當時掌握的資訊、採取行動的原因，以及哪些問題仍未解決。可搜尋的工程知識庫可與專用安全系統一同支援這類文件記錄。

眼前的行動是檢視機構會如何評估類似披露。識別誰負責應用程式權限、誰可擷取相關紀錄，以及誰可授權採取遏制措施。要求供應商區分嘗試存取、成功驗證、權限變更及已確認的資料竊取。在自身事故通訊中保留這些區別。將七項指紋作為調查提示，然後根據可得證據檢驗相關解釋。當供應商聲稱其系統可偵測代理式攻擊時，要求提供範例，說明警報確立了甚麼，以及應對人員下一步做了甚麼。這項檢視提供了一個具體起點，讓機構毋須等待完美歸因，也能評估準備程度。