資訊悅報 Vol.58｜Bitdefender: AI SOC 單靠自身就能偵測勒索病毒嗎？完整 Telemetry 與分析師判斷才是 MDR 關鍵

部落格來源網址：Your AI SOC Won’t Catch Ransomware by Itself

您的 AI SOC 無法單憑自身偵測到勒索病毒

客戶常問我，MDR 團隊究竟還需要多少位分析師。這個問題背後隱含著一個假設：AI 已經讓所需人數「變少」了。不幸的是，提出這些問題的組織，通常也是那些尚未解決其遙測資料（Telemetry）缺口、未託管端點、或是多因素驗證（MFA）涵蓋率問題的企業。他們希望 AI 去解決 AI 根本看不見的問題。

我理解為什麼大家會問這個問題：目前市場上主流的行銷話術，就是 AI 將取代 SOC 分析師。這種論述不僅錯誤，而且在維運上非常危險，因為它在告訴買方去縮減那些讓 AI 變得有用的基礎預算：遙測資料、業務情境與分析師的判斷力。

在 SOC 中從 AI 獲益最多的組織，是那些已經具備完善基礎條件的企業。而跳過基礎條件、先購買 AI 工具的組織，依然在與同樣的能見度缺口對抗，唯一的差別只是他們現在擁有了一個能更快速處理這些缺口的儀表板。

我最近與同事在線上研討會中討論了這個主題： < 實驗室、SOC 與紅隊：為什麼預防仍是贏家 >。

SOC 中的 AI 負責處理哪些事項？

AI 確實為 MDR 團隊的維運方式帶來了實質且可衡量的轉變。過去需要分析師手動連動數十個來源事件的遙測資料關聯分析，現在會直接呈現為具備優先順序的警示。過去需要從原始日誌中花費三十分鐘建立的調查摘要，現在只需幾秒鐘。雜訊刪減是真真切切的：需要人類投入關注的警示比例已經改變，當一個團隊需要同時涵蓋數百個環境時，這種轉變至關重要。

在定義明確的環境中，AI 可以執行預先定義的遏制行動（Containment Actions），而無需等待分析師。這是實打實的能力。例如：根據特定的行為觸發條件隔離已確認遭入侵的端點、將遭入侵帳號的密碼重設排入佇列、阻止符合已建立行為特徵的程序執行——這些都是低不確定性、低維運衝擊的行動，自動化在此發揮了其價值。

若要誠實地描述 AI 的擅長之處，那就是：它處理那些答案已經明確、不確定性低且出錯時維運衝擊在可控範圍內的工作。資料增補、關聯分析、優先順序排序、預先定義的回應。在這些界線之內的一切，都是現代 SOC 中真正的 AI 領域。

為什麼勒索病毒二進位檔是錯誤的偵測目標？

「AI SOC」行銷話術中最具破壞性的一種說法，就是將焦點放在惡意程式執行時將其捕獲。這種焦點是錯誤的，我想準確解釋為什麼，因為這會影響 MDR 專案應如何建構的每一個細節。

部署勒索病毒是勒索病毒事件中最後發生的事情之一。在二進位檔案執行之前，攻擊者通常已經在環境中潛伏了數小時、數天甚至更久。他們已經存取了網路、進行掃描、識別出 Credential Store（認證資訊儲存區）、執行 Credential Dumping（認證資訊傾印）、橫向移動到他們需要的系統，並確認環境已經就緒。當勒索病毒二進位檔案出現時，調查基本上已經結束了。問題只在於遏制行動是發生在加密之前還是之後。

有一個案例清楚說明了這一點。我們發現了從暫存使用者目錄執行的可疑 Advanced IP Scanner 活動。單看這項觀察，它就像是雜訊。合法的網路管理員經常使用 Advanced IP Scanner，且該程序本身並不具備惡意。但是 SOC 團隊之前調查過幾起以此完全相同組合為開端的勒索病毒事件：先存取 VPN 進入環境，然後透過異常路徑執行的工具進行內部掃描。我們已經見識過這種序列的走向。

在不同產業的多個中型企業環境中，完整的 Akira 勒索病毒演進都遵循相同的攻擊鏈：

VPN 存取
內部掃描
遠端登錄活動（遠端查詢登錄檔中與認證資訊相關的區域，這可能發生在合法管理流程中，但也是勒索病毒部署前認證資訊蒐集的標準早期步驟）
認證資訊傾印
RDP 橫向移動
勒索病毒的部署

共六個步驟。而阻止衝擊發生的偵測是發生在第二步，而不是第六步。

在該案例中，初始存取涉及對 SonicWall VPN 的漏洞利用。根據我們從先前調查中獲得的發現，我們立即隔離了受影響的主機，並建議客戶停用外部 VPN 存取、驗證修補程式狀態，並重設特權帳號的認證資訊。結果沒有任何勒索病毒被部署。二進位檔案從未執行，因為分析師在第二步就辨識出了演進模式，而不是在最後一步。

讓這種早期偵測成為可能的跨環境學習，並不是產品中的某項功能。這是分析師在不同客戶、不同產業、不同架構中多次調查相同演進過程後所產生的結果。這種模式在完成之前就變得可以被辨識。我們在較新的社交工程技術中也看到了相同的維運學習，包括 ClickFix 式攻擊（這是一類透過誘騙使用者，促使受害者手動執行惡意指令的技術）。交付方法演進得很快，但許多行為模式會重複。當新案例到來時，分析師並非從零開始。

特徵碼涵蓋率看不見的盲點

特徵碼涵蓋率與廠商指引的更新速度，趕不上現代攻擊者的步伐。這個差距正是行為偵測發揮價值的所在，也是「AI 取代分析師」論述最明顯瓦解的地方。

在 2025 年 7 月 18 日，Bitdefender MDR 在一台地端 SharePoint 伺服器上識別出可疑的編碼 PowerShell 活動，試圖將惡意程式碼部署到 SharePoint 網頁目錄中。相關的漏洞 CVE-2025-49706（SharePoint 中的身分驗證規避）和 CVE-2025-49704（允許遠端程式碼執行的不安全的反序列化漏洞）已由 Microsoft 於 7 月 8 日發布。這些 CVE 是公開的。當時尚未被廣泛確認的是，這些漏洞已遭攻擊者在實際攻擊中主動利用。

CISA 於 7 月 20 日更新了其指引。微軟於 7 月 22 日發布了《阻斷針對本地端 SharePoint 漏洞的主動攻擊》一文。微軟隨後的分析將更廣泛的攻擊活動歸因於 Linen Typhoon、Violet Typhoon 和 Storm-2603。該活動後來在公開報告中被命名為「ToolShell」。

7 月 18 日的 MDR 偵測並非在該漏洞被披露之前進行的。它是在主動利用浪潮（active-exploitation wave）之前、在特徵碼涵蓋率和更廣泛的廠商指引趕上之前發生的。

這就是關鍵的時間窗口：從 CVE 發布，到資安社群廣泛確認已有真實攻擊者實際利用之間的差距。這個差距通常以天到週來衡量。攻擊者就在這個窗口內行動。行為偵測有時能捕獲特徵碼型工具看不見的威脅，因為行為偵測運作的證據不需要預先知道特定的漏洞。

AI 將哪些工作交還給分析師？

AI 將工作交還給人類處理時，存在一條明確的邊界。這條邊界由兩個變數定義：維運衝擊與不確定性。當兩者皆低時，AI 承擔該任務。當任一者升高時，任務就會回到分析師手上。這不是一個需要透過工程手段消除的限制，而是正確的設計。

我在解釋這一點時常想到一個案例，該活動最初被 AI 分類為很可能是合法的系統管理行為。涉及的程序是帶有簽章的 Windows 二進位檔案。沒有明顯的惡意程式執行。根據 AI 所權衡的證據，這種分類是合理的。

分析師發現了不同的端倪。該活動涉及對系統中與敏感認證資訊相關區域的遠端登錄檔存取。這種行為在管理工作流程中確實可能合法發生。但它也可能是勒索病毒部署前認證資訊蒐集的標準早期步驟。AI 無法回答的問題是：這符合該客戶的正常環境嗎？分析師具備維運情境知識，能辨識出這並不符合。該案件隨即被呈報，主機被隔離，並以一起正在發生的認證資訊存取事件進行處理。

這就是設計發揮作用的判斷層。AI 處理了關聯分析、雜訊刪減和初始分類。分析師則做出了需要理解該行為在該客戶及該環境之特定情境下代表何種意義的決策。未來的 SOC 是 AI 強化型的（AI-amplified），而非無分析師的。邁向自動化的每一步，只要能在維運衝擊邊界上保留分析師的判斷力，就是正確的步驟。任何移除該邊界的宣傳話術都是錯誤的。

哪些組織從 AI SOC 中獲益最多？

從 SOC 中的 AI 工具中獲益最多的組織，是那些已經擁有強大遙測資料涵蓋率、MFA、預防層、回應能力和端點能見度的企業。AI 可以在可靠的情境上運作。當情境可靠時，AI 能加速工作，並將分析師的時間轉移到真正關鍵的決策上。

哪些組織在 AI SOC 中掙扎？

在 AI 工具中苦苦掙扎的組織，是那些將其部署在尚未解決的能見度缺口之上的企業：未回報遙測資料的未託管系統、不一致的 MFA 涵蓋率、缺少端點 Agent、未定義的回應權限。AI 不會填補缺口。它只處理現有的資料。當現有的資料不完整時，AI 會更快地處理這幅不完整的景象，而分析師則會基於被扭曲的環境視角做出決策。

AI 正在造福攻擊者還是防禦者？

資安防禦者還是威脅行為者從 AI 中獲益更多？這是一個開放性問題，目前尚無定論。《2026 年 Bitdefender 資安評估報告》調查了六個國家的 1,200 位 IT 和資安專業人員的意見，52.6% 的人表示「AI 對攻擊者的幫助超過了防禦者」。我們現在可以肯定的一件事是：雙方的維運節奏都在加快。

MDR 模式中，防禦者的結構性優勢並非運算能力優勢或模型品質。而是 MDR 團隊能同時在許多環境中調查攻擊，且這種學習會產生複合效應。當我們在客戶 A 身上看到新的演進模式時，它會改變我們在下一週解讀客戶 B 環境中早期訊號的方式。這種維運記憶正是讓早期偵測得以在第二步而非第六步發生的關鍵。AI 加速了這種模式知識的累積與檢索。它並沒有取代知識本身。

字面上來看，AI SOC 的宣傳話術描述的是一個基礎條件已經完備的環境：完整的遙測資料、強大的預防機制、一致的身分識別控制、定義明確的回應權限。在這樣的環境中，AI 確實能加速並放大效益。錯誤在於假設這種宣傳描述了大多數組織目前的現狀，而不是他們需要首先達到的目標。

當預防層壓縮了攻擊者的早期時間窗口時，Akira 的演進就變得更難完成。良好的遙測資料意味著分析師和 AI 都在基於完整的景象進行工作。MFA 和身分識別控制意味著該攻擊鏈的早期步驟在被偵測到之前更難完成。SOC 和預防層並不是爭奪同一筆預算的分開投資。SOC 會放大預防層所建立的防護成果。

5 月 21 日的專題討論會探討了本篇內容所依賴的兩個主軸：預防優先的架構，以及啟用 AI 的 SOC 能做與不能做的事。我當時與 Bitdefender 實驗室及 Bitdefender 紅隊一同為 SOC 提出論證。同一批事件，從三個不同視角進行完整剖析，並全程錄影。
點此觀看隨選錄影：實驗室、SOC 與紅隊：為何預防仍是最有效的策略