隨着生成式 AI、AI agent 及自動化工具普及，攻擊者正以更快速度發動釣魚、漏洞利用及數據外洩攻擊。 認為，企業須一方面以 AI 強化防禦，另一方面為 AI 應用、數據及權限建立可視化管治。
網絡安全廠商亦加快推出產品應對新形勢。Fortinet 是較早採用 AI 的 IT 保安廠商之一。Fortinet 香港及蒙古區總經理馮家健指出，近年企業積極採用生成式 AI、AI agent 及自動化工具，攻擊者同樣利用 AI 提升攻擊速度、規模與精準度，令傳統防禦模式面對前所未有的壓力。 他表示，從香港以至亞太區的威脅形勢來看，釣魚攻擊仍然最常見，亦最具破壞力。根據業界報告，香港近年錄得大量網絡安全事故，當中相當比例與釣魚（phishing）相關。AI 令問題進一步惡化，攻擊者可大規模生成釣魚電郵，並利用社交媒體、公開數據及企業背景，製作高度個人化訊息。
過去，釣魚電郵語法生硬、內容粗疏，較易被識破；如今黑客可利用生成式 AI 模仿特定語氣、語言習慣，甚至針對目標背景、家庭狀況或近期活動設計訊息。馮家健形容，AI 令釣魚攻擊由「漁翁撒網」變成「度身訂造」，大幅提高點擊率及成功率。即使企業持續進行保安意識培訓，員工在高壓、急忙或訊息逼真時，仍可能作出錯誤判斷。
AI 不只擴大攻擊規模，更壓縮防守時間
AI 對網絡安全的最大影響之一，是把攻擊週期大幅壓縮，即 Time to Exploit（TTE）時間縮短。馮家健指出，黑客利用 AI 更快撰寫惡意程式、分析漏洞、生成 exploit，甚至在新漏洞出現後短時間內製作攻擊工具。換言之，企業過去依賴人手分析、排程修補、逐步回應的模式，已難以追上「機器速度」的攻擊。
這種差距亦反映在漏洞管理（patch management）上。傳統做法通常按 CVSS 分數排序，例如優先修補 9.9 或 10 分的關鍵漏洞（critical vulnerability）；但在實際環境中，有些表面只屬中度風險（medium risk）的漏洞，若已被攻擊者製作成工具、放入攻擊套件，甚至針對某個行業使用，其實際風險可能比高分但尚未被利用的漏洞更高。因此，企業需要結合暗網威脅情報、資產狀況及攻擊活動，判斷「哪一個漏洞真正最急」。
FortiRecon 正是 Fortinet 針對暗網監測與數碼風險保護（DRPS）的威脅情報服務。
Fortinet 透過結合 AI、暗網威脅情報、資產可視性及自動化回應，加快偵測、判斷及處置。馮家健提到，Fortinet 已在產品引入 AI 深度學習，例如 inline detection 可在流量進入企業時，判斷是否屬惡意程式、變種攻擊或可疑內容，不必完全依賴傳統沙盒（sandbox）。在零日攻擊及快速變種愈來愈常見的環境下，低延遲分析變得更重要。
「AI for Security」與「Security for AI」雙軸並行
馮家健指出，Fortinet 的 AI 安全方案分為兩大部分：一是 AI for Security，即利用 AI 提升網絡安全防禦能力；二是 Security for AI，即保護企業正在部署及使用的 AI 系統。
AI for Security 方面，Fortinet 把 AI 應用於偵測、預防、調查、威脅狩獵、事件關聯分析及自動化回應。例如在 SOC / SIEM 場景中，AI 可協助分析大量日誌與警報，自動判斷告警是真正攻擊、誤報，還是需要進一步調查的事件。以往一線或二線保安分析員需要逐項翻查 IP、日誌、威脅情報及設備狀態；AI 智能體（agent）則可自動提出問題、尋找證據並生成初步調查報告，縮短從發現到回應的時間。
在 Security for AI 方面，問題更複雜。AI 應用並非單一模型，而是一整套由應用、API、數據庫、模型、智能體、插件、MCP 工具、雲端工作負載及身份權限組成的系統。任何一環處理不當，都可能造成數據外洩、權限濫用、提示詞注入（prompt injection）、模型操控，甚至令自動化操作失控。 Fortinet 近年將 FortiAI 擴展至 Security Fabric 平台，以保護 AI 生態，包括基礎架構、模型、工作負載、數據及供應鏈，提供 AI 應用可視性、風險評估、存取控制及自動化防禦能力。FortiAI-Protect 協助企業識別 AI 應用、評估風險及控制存取；FortiAI-SecureAI 則針對 LLM 應用、模型對話與數據，淨化輸入、過濾輸出及偵測對抗性攻擊。
Shadow AI：看不見的使用才是最大風險
企業面對的另一 AI 難題是 Shadow AI，即員工未經 IT 或保安團隊批准，自行使用 AI 工具、智能體、插件或 SaaS 處理數據。這些行為未必出於惡意，很多時只是員工為提高效率，用 AI 撰寫文件、整理會議紀錄、翻譯、分析表格或生成程式碼。 問題在於，IT 團隊若不知道員工使用哪些 AI 工具、輸入甚麼數據、資料是否離開企業，治理便無從談起。馮家健指出，第一步必須是可視性及控制（visibility and control）：先看清組織內如何使用 AI，包括 AI 應用範圍、類型、是否允許上載檔案、是否涉及敏感數據及風險等級，才能制定政策。
Fortinet 可在不同檢測點（inspection point）提供偵測與控制，包括透過 FortiGate / FortiOS 提供網絡層可視性、以 SASE 支援端點控制、透過 NDR 偵測內部活動，以及結合 DLP（data loss prevention）及應用分類。舉例來說，系統可識別某個生成式 AI 工具是否允許檔案上載；若上載功能可能導致敏感文件外洩，便可封鎖相關功能，而非完全禁止使用整個 AI 工具。這種細緻控制較一刀切封鎖更符合企業需要，可在提升生產力與保護數據之間取得平衡。 傳統上，企業利用 DLP 防止數據外洩。FortiDLP 可識別個人數據、財務紀錄、客戶數據、源碼、機密文件或受監管數據；一旦相關數據被上載、複製、外傳，或輸入高風險 AI 工具及外部 AI 平台，系統便可即時提醒、阻截或記錄。馮家健強調，DLP 並非只針對 AI，但在生成式 AI 普及後，已成為防止數據流出的重要防線。
AI agent 與 MCP 帶來新攻擊面
AI agent 及 MCP 普及亦帶來新風險。MCP 即 Model Context Protocol，由 Anthropic 提出，讓 AI agent 連接外部工具、系統和數據來源。AI agent 不只回答問題，亦能查數據、呼叫 API、讀寫系統及執行工作流程，大大提升 AI 實用性，同時擴大攻擊面。 馮家健指出，Agent 數量不斷增加，甚至可能多於員工數量，企業必須知道有哪些 Agent 正在運作、連接哪些 MCP server 或 API、存取哪些數據，以及可執行哪些操作。若權限設計不當，Agent 可能在「非惡意」情況下作出不符預期的行為。
近年已有個案顯示，Agent 可能為了完成任務而自行尋找漏洞、繞過正常流程，甚至刪除或修改數據。這類事件未必屬於傳統網絡攻擊，用戶本意也未必是攻擊；但從風險角度看，同樣可能造成服務中斷、數據被竄改或合規問題。馮家健指出，確保 Agent 安全不能單靠提示詞，而要結合身份管理、最小權限、API / MCP 保護、網絡分段、日誌審計及持續監察。 他補充，業界在 API 與 web application security 方面的經驗，可延伸至 MCP 場景。例如 FortiWeb 的 WAF / API security 方案，可協助偵測異常呼叫（call）、注入（injection）、可疑腳本（scripting）或 MCP / API 攻擊。MCP 保護仍屬較新領域，企業應避免把未受監管的 MCP 直接接入核心系統。
平台化避免安全孤島
AI 安全快速發展，不少新方案以單點產品形式出現。馮家健指出，單點工具雖可針對個別問題提供功能，但若每個新 AI 風險都新增一項獨立產品，最終會造成管理複雜、整合困難及安全缺口。安全最大的挑戰，往往不是某個工具是否足夠強，而是工具之間能否共享情報、關聯事件並一致執行政策。
他表示，這正是 Fortinet 開發 Security Fabric 的主因。Fortinet 並非只推出獨立 AI security 產品，而是在成熟平台上加入 AI 能力，例如 FortiGate、FortiOS、FortiWeb、FortiMail Workspace Security、FortiAnalyzer、FortiSIEM、FortiSASE、FortiEndpoint 及 FortiGuard Labs 威脅情報。對已部署 Fortinet 架構的企業而言，這既可保護既有投資，亦可減少額外管理工作。 以釣魚郵件為例，FortiMail Workspace Security 可在 Microsoft 365 或 Google Workspace 等協作平台加入 AI-based email security，不只檢查附件或 URL，也可分析電郵語氣、文字模式、緊急性、交易指示及與日常溝通習慣的差異，判斷是否屬 AI 生成的社交工程攻擊。當系統認為電郵有風險時，除了阻截，也可向用戶展示教育提示，說明哪些字眼或行為模式值得警惕。
數據主權、SASE 與本地部署
對香港及大灣區企業而言，AI security 不能脫離合規與數據主權。使用外部 AI 模型或雲端安全服務時，企業須清楚知道數據儲存地點、分析在哪個雲端區域進行、數據是否會被用於訓練模型，以及是否符合監管要求。 馮家健表示，Fortinet 提供具彈性的 AI 保安部署選項，部分能力可透過設備、VM、on-premises 或 customer-managed SASE 形式部署，以符合數據駐留、監管或主權要求。這對金融、政府、公共服務、醫療、跨境業務及大型企業尤其重要。 隨着更多遠端用戶使用 AI，SASE（Secure Access Service Edge）可結合網絡連接與安全服務，為遠端用戶、分支機構、SaaS 及雲端工作負載提供一致保護。Fortinet 的 Unified SASE 涵蓋 DLP、IPS、URL filtering、DNS filtering、SOCaaS 及 Secure AI Access 等能力，支援混合工作及分散式 AI 工作環境。
未來 12 至 18 個月的企業優先事項
面對 AI 帶來的急速變化，馮家健建議香港 IT 決策者在未來 12 至 18 個月優先處理三大方向。
第一，是建立 AI 可視性、管治及控制（visibility, governance and control）。企業應先釐清現有 AI 工具、Agent、MCP 及應用，按風險分類，並制定可執行政策。「沒有可視性，治理 Shadow AI 就無從談起，更無法阻止敏感數據流出。」馮家健說。
第二，是以零信任原則保護 Agent、應用與數據流。企業應限制 Agent 權限，確保其只能存取完成任務所需的數據及工具，並持續監察 MCP、API、身份及網絡。Agent 能力愈強，最小權限、網絡分段及審計便愈重要。
第三，是在 AI 模型、Agent 或政策設定更新後，持續測試安全性與合規，即進行 AI 驗證 / 持續驗證（AI validation），從攻擊者角度測試 AI 系統。
近期 Fortinet 收購 Virtue AI，正是為了強化 AI 管治及 agent 能力。AI validation 反映 AI 安全已不是一次性部署，而是貫穿整個 AI 生命週期的持續風險管理。 AI 將繼續成為企業創新的重要引擎，黑客也會利用 AI 令攻擊如虎添翼。企業管理層要回答的問題不再是「是否使用 AI」，而是如何在安全、合規、可控及具韌性的基礎上使用 AI。企業需要同時做到「用 AI 強化安全」與「為 AI 建立安全」，以整合平台取代零散工具，避免因安全孤島及整合缺口而暴露新風險。如此，企業才能真正善用 AI，並降低 AI 時代的網絡安全風險。