摘要： Anthropic 檢視 2025 年 3 月到 2026 年 3 月停用的 832 個惡意網路活動帳戶，並對照 MITRE ATT&CK。報告指出 AI 用量轉向入侵後任務，而代理式自主攻擊編排在 ATT&CK 中還沒有對應 ID。
網路攻擊一旦有了 AI 加持，資安圈沿用多年的分類框架還跟得上實況嗎？Anthropic 試圖替這個問題找出答案：該公司在 2026 年 6 月 3 日發表一份報告，回頭檢視 2025 年 3 月至 2026 年 3 月間遭停用的 832 個帳戶——全部涉及惡意網路活動——再把其中的行為逐一對照 MITRE ATT&CK，這套長年彙整攻擊者戰術與技術的資料庫。
本次分析隸屬 Anthropic 與 Verizon 2026 年數據外洩調查報告（DBIR）的合作項目，本文則補上了更進一步的細節。
AI 正把攻擊者的破壞力往上推
依報告統計，出現頻率最高的 AI 用途落在攻擊前的準備工作，像是撰寫惡意軟體——832 個帳戶中有 560 個、相當於 67.3% 為此動用了 AI。另一個更該警惕的數字，是 54 個帳戶（6.5%）已讓 AI 協助「橫向移動」，也就是在攻陷後的網路內部深入穿梭。
Anthropic 的評分結果顯示，攻擊者整體的風險水位持續爬升：分析期的前六個月，有 33% 的攻擊者落在中等風險以上；進入後六個月，占比一口氣跳到 56%，約為原本的 1.7 倍。
與此同時，AI 的使用重心也從搶下初始存取權，挪向入侵得手之後的動作：以 AI 執行帳戶發現（在淪陷環境裡找出有效帳號）的比率上升 8.9%，而常用來取得初始存取的 AI 釣魚反而減少 8.6%。攻擊生命週期越往後段，AI 的出場率越高，走向十分清楚。
過去，這類「入侵後」手段唯有累積深厚技術底子的攻擊者才玩得動；Anthropic 的調查卻發現，如今 AI 能夠代打，替技術門檻不足的攻擊者完成這些步驟。
攻擊者風險為什麼愈來愈難評斷
過往資安團隊判斷攻擊者有多危險，看的是對方動用了幾種技術、搭配哪些工具或介面。Anthropic 的分析卻指出，這些線索已無法如實反映威脅程度。
當高度技術性的任務可以整包交給 AI 代辦，攻擊者本身的功力與其動用的技術數量之間，關聯就幾乎歸零——資料集裡技能墊底的攻擊者平均用上約 16 種不同技術，技能頂尖的也不過約 20 種。就連所選平台（Claude Code、API 或聊天介面）同樣對風險等級不具解釋力。
Anthropic 找到的真正分水嶺，是 AI 被安排在攻擊生命週期的哪一段。高風險攻擊者傾向把 AI 押在執行上更吃重的技術——帳戶發現、橫向移動、權限提升皆屬此類——因為這些技術需要投入大量時間、監看或即時判斷，而非僅止於取得初始存取那一關。
可惜連這條線索也在鈍化。如同前文所述，這些重操作的手段正是整個攻擊者族群共同移動的方向，被劃入高風險的人只會愈來愈多。真正撐得久的判別點，是攻擊者替模型搭起的「scaffolding」：高風險者打造的架構，能讓模型把攻擊的各個階段串聯起來，並在人工輸入極少的情況下執行。
現行安全框架跟不上的部分
一批最能凸顯最高風險攻擊者的行為——例如用 AI 按序調度攻擊鏈上的步驟、當場決定下一步行動，以及沒有人為介入就自行執行——目前都還沒被 MITRE ATT&CK 框架的攻擊者技術收錄。
Anthropic 舉了 2025 年 11 月被他們瓦解的一起國家支持的網路間諜行動當例子。當時，攻擊者驅使 Claude Code 試圖入侵全球多個目標，過程幾乎無人為干預。這場攻擊套進 MITRE ATT&CK 後，盤點出 13 個戰術中共 30 種技術，帳面上與資料集裡不少中等風險攻擊者相當；可一旦改用 Anthropic 的風險評分方法，該行動直接拿下最高的 100 分。
在這場行動裡，模型等於以自主代理的身分上場：執行命令、利用漏洞、竊取憑證、臨場做出戰術決策，人類只在寥寥幾個關鍵時刻提供輸入。這類代理式編排手法，在 ATT&CK 框架裡找不到對應的 ID——而隨著 AI 代理能力增強，它勢必會是未來更常出現的行為。
後續發展與落地意涵
這些結論已經回頭改變了 Anthropic 替模型打造的防線。該公司已在能力最強的模型上開發並部署網路安全防護機制，偵測並攔下報告點名的部分活動，例如開發惡意軟體或大規模資料外洩。另外，Anthropic 也正與 MITRE 商談 ATT&CK 框架該如何演進，才能把他們觀察到的 AI 輔助行為收進去。
這份報告真正的價值，是敲了一記警鐘：攻擊者一旦用上 AI，沿用已久的風險評估方法可能當場失靈。對產品建構者來說，這代表安全防禦不能再只押寶舊框架，還得把 AI 代理可能拼出的自主攻擊鏈納入設想。Anthropic 的數據說得很直白——攻擊者正把 AI 用進攻擊生命週期更深處，而這條曲線只會更陡。
假如產品安全歸你管，有幾個問題值得一問：你的威脅模型裡，AI 輔助的橫向移動或帳戶發現有沒有一席之地？你的防禦，是不是建立在「攻擊者功力與技術數量成正比」的前提上？這些假設恐怕已經站不住腳。