企業安全中心 AI 警報激增，實際攻擊仍屈指可數

在過去一年，企業安全作業中心（SOC）出現了一類全新警報——由 AI 工具與代理程式觸發的訊號。這些警報並非針對 AI 本身的攻擊，而是組織日常使用 AI 時留下的痕跡：開發人員執行程式碼代理、非技術員工將消費者 AI 服務綁定公司帳號等行為。

警報量與成長速率

我們調查了約 1,690 萬 筆 SOC 警報，其中 73,000 筆（0.43%）與 AI 相關。單看比例，AI 警報仍屬「小眾」。
但自 2026 年 2 月 起至 6 月，AI 警報每個月皆較前月增加，期間總量激增 685%。若僅以現有量配置資源，三個月內即可能出現嚴重不足。

警報組成：噪音、風險與真實攻擊

在所有 AI 觸發的警報中，我們將其分為三類：

| 類別 | 比例 | 說明 | |------|------|------| | 噪音 | 94.1% | 大多為正常工作流程（如開發者使用自動化編碼代理）產生，與早期入侵行為難以區分。 | | 風險 | 5.8% | 可能導致資料外洩或權限濫用的情境，例如員工授權第三方 AI 應用存取企業資料。 | | 真實攻擊 | 0.02% | 真正利用 AI 代理發動的惡意行動，數量極少，幾乎可以說是「海中的一滴水」。 |

換句話說，AI 在 SOC 中的成本目前不是資料外洩，而是大量看似危急卻多屬虛假的警報，以及少數被噪音掩埋的真實威脅。

兩種截然不同的 AI 使用行為

技術層面：開發人員部署編碼代理，這類代理會開啟 shell、讀取憑證庫、建立網路隧道、下載套件、執行安全工具等。從偵測引擎的觀點來看，這些行為與入侵的早期階段極為相似，因而產生大量「噪音」警報。
非技術層面：員工在工作流程中授權 OAuth（授權協議）給第三方 AI 應用，或將機密文件貼入生成式 AI 服務。此類行為較少觸發端點偵測，但卻是 資料外流 的主要管道，屬於「風險」類別。

兩者最終皆匯入同一個 SOC，表面上看似同樣值得關注，實則需要 從訊號中剔除噪音，才能聚焦於真正的威脅。

未來展望與建議

資源配置：鑑於 AI 警報的 單月成長率持續上升，安全團隊應提前擴充 AI 警報的處理能力，避免在警報量激增時出現人力瓶頸。
分類模型：加強機器學習或規則基礎的分類模型，將 94% 的噪音 盡早過濾，將注意力集中於 5.8% 的風險 與 0.02% 的真實攻擊。
使用者教育：針對非技術員工推行 AI 使用政策與 OAuth 授權審核機制，減少資料外洩的潛在風險。
持續監測：隨著 AI 工具在企業內部的滲透速度加快，SOC 必須將 AI 警報視為 「底層趨勢」，而非單純的異常事件。

總結來說，AI 相關警報目前仍佔 SOC 警報的 0.43%，但其 增長速度 已遠超其他類別。安全團隊若僅以現有量配置資源，將面臨未來警報洪流的衝擊。唯有提前佈局、精準分類與加強使用者治理，才能在「噪音」與「真實威脅」之間，保持清晰的防禦視野。