外部曝險微幅上升 憑證管理與加密通訊仍待加強

本次針對93個A、B級關鍵基礎設施(CI)進行EASM資安曝險檢測，前10大風險項目共計2,795項。其中，「元件高風險漏洞」以884項居首，「過時或弱加密協定」732項次之，「TLS憑證不受信任」694項位居第三。前三項合計2,310項，占前10大風險項目總數約82.6%，顯示目前外部曝險風險仍高度集中於元件漏洞、加密協定及憑證管理等議題。相較上期2,758項，本期整體風險數量增加37項，增幅約1.3%，詳見圖1。

進一步分析主要風險變化情形，「元件高風險漏洞」仍為最大宗風險，數量由上期888項微降至本期884項，降幅約0.5%。其中，Apache HTTP Server相關弱點(CVE-2024-38475)仍為主要風險來源，該弱點可能造成原始碼洩漏或程式碼執行風險，建議升級至2.4.60以上之已修補版本。「過時或弱加密協定」由725項增至732項，增幅約1.0%；「TLS憑證不受信任」由641項增至694項，增幅約8.3%。另「CSP設定不當」由235項增至240項，增幅約2.1%；「未部署WAF」由131項降至107項，降幅約18.3%。

整體而言，本期外部曝險呈現微幅上升，主要以「TLS憑證不受信任」增幅最為明顯，「過時或弱加密協定」及「CSP設定不當」亦較上期增加，顯示加密通訊、憑證管理及網站安全設定仍有持續強化空間；另一方面，「元件高風險漏洞」及「未部署WAF」則較上期減少，反映部分機關於元件修補及網站應用程式防護方面已有改善。建議持續落實高風險元件漏洞修補與版本更新，優先檢視TLS憑證有效性及信任鏈設定，並逐步汰除過時或弱加密協定，同時強化CSP設定及WAF防護機制，以降低外部資產遭受攻擊及曝險之風險。

防護建議：

建議受測單位採取下列防護措施

建議受測單位採取下列管理措施

Gitea與GitLab高風險漏洞應盡速修補

實兵演練揭露登入功能SQL Injection弱點與敏感資訊外洩風險

本年資通系統實兵演練針對政府機關與關鍵基礎設施提供者，於擇定時間進行演練，至9/24止已累計389筆攻擊紀錄，本週新增弱點數量共8筆，分別為「無效的存取控管」5筆、「驗證機制失效」1筆、「不安全的組態設定」1筆及「注入攻擊」1筆，詳見圖2。

本週演練發現，高風險弱點為「注入攻擊」。攻擊者於系統網頁中發現「請輸入學校代碼」欄位，並透過公開資訊取得有效學校代碼後，成功進入系統登入頁面。攻擊者於登入頁面輸入帳號與密碼建立登入請求，並透過Burp Suite工具攔截系統請求後存成檔案，使用SQLMap工具進行弱點驗證，確認系統登入功能存在SQL Injection弱點，並可取得系統資料庫名稱、資料表名稱及資料表欄位內容，進一步發現資料表中包含資通系統帳號與密碼，造成系統敏感資訊遭未授權存取之風險。

建議機關及關鍵基礎設施提供者，採取下列防護措施

防禦迴避高居首位 偵測刺探仍具威脅

本週政府領域資安聯防監控參考MITRE ATT&CK Matrix分析TTP戰術框架分布顯示，本週趨勢相較上週無顯著差異，詳見圖3。「防禦迴避」為最常見攻擊手法，占比14.3%，攻擊者通常會透過關閉或刪除指令紀錄，並利用合法的系統工具間接執行惡意命令，以達到規避監控的目的。因應此類威脅，建議導入端點防護措施，加強指令紀錄的稽核能力，限制高風險工具的濫用，並強化特權帳號的管理，以避免攻擊者繞過偵測並消除其行為痕跡。

「偵測刺探」事件本週占比為12.3%，為本週占比次高的攻擊階段，顯示攻擊者持續針對目標環境進行前期偵查與網路資訊蒐集，以掌握對外暴露資產及潛在攻擊入口。觀察到的主要手法包括主動式掃描、IP 區段掃描、以及DNS／被動式 DNS資訊蒐集。攻擊者透過自動化工具對外部網段與公開服務進行大規模探測，以識別可存取主機、開放埠及服務資訊，並結合 DNS 與被動式 DNS 資料，蒐集目標網域、子網域及歷史解析關聯，進一步掌握目標組織的網路架構與資產分布。此類活動結合主動與被動偵查方式，可協助攻擊者建立較完整的攻擊面資訊，作為後續漏洞探測及初始入侵的重要依據。建議機關持續監控異常掃描流量與可疑來源，定期盤點對外暴露資產及 DNS 資訊，並結合威脅情資進行來源分析與阻擋，以提前辨識潛在偵查活動並降低後續入侵風險。  

程式遞送控制器(ADC & Gateway)及視覺化工作流程自動化工具成為攻擊熱點

本週透過部署於國內外之蜜罐系統觀測攻擊行為動態，相較於上週「網頁應用」服務攻擊占比75.95%、「遠端控制」服務攻擊占比21.13%，本週各類服務之平均偵測攻擊比例無明顯變化，結果顯示「網頁應用」服務仍為攻擊主軸，占比高達68.64%。「遠端控制」服務亦有26.08% 的誘捕比例，反映攻擊者仍積極針對公開遠端連線介面進行入侵行動。

網頁應用是最為常見之對外服務類型，若存在已知漏洞，將面臨高風險曝露情形，易成為攻擊者入侵與滲透重要管道，為優先防護之項目。本週網頁應用介面之誘捕狀況，詳見圖4。本週通用型Web介面占比最高，此類別為攻擊者廣泛的進行HTTP掃描與探測，顯示攻擊者企圖尋找可能存在之Web漏洞進行攻擊。另Web服務系統類別包含各類以網頁為基礎的服務與應用，例如常見的網頁框架、應用程式伺服器、檔案傳輸與資料管理平台等，由於此類服務多建置於企業應用環境，且直接面向外部提供功能與資料交換，為僅次於通用型介面的攻擊目標。

而Web服務系統比例大幅上升主因為Cisco Secure ASA & FTD 缺少授權漏洞之CVE-2025-20362，遭攻擊次數上升導致。網通設備管理介面涵蓋路由器、防火牆等網通設備管理介面，以及智慧攝影機、NAS等物聯網設備管理介面，皆容易遭受攻擊者透過弱密碼、預設帳號或已知漏洞進行入侵。其他類型服務雖比例極小，但若涉及關鍵業務系統，仍需留意潛在風險。

進一步解析國內外之蜜罐系統誘捕漏洞攻擊之情形，詳見表1。近1年揭露之攻擊漏洞，前5大攻擊以「網頁應用」服務之漏洞為主要入侵路徑，本週漏洞類型多集中於越界讀取漏洞、輸入驗證不當漏洞、身分驗證繞過漏洞及指令注入漏洞，攻擊目標涵蓋程式遞送控制器(ADC & Gateway)、視覺化工作流程自動化工具、網站主機伺服器管理系統、大模型API統一介面與代理伺服器工具及企業級的終端裝置管理與資安防護系統。
 

防護建議：

建議存在漏洞之設備應更新至最新版本軟體或韌體以修補漏洞；若原廠已無法提供更新支援，應考慮汰換存在漏洞之設備或軟體套件，如因故無法汰換，應採對應之漏洞緩解措施。 

妥善控管錯誤訊息 避免洩漏系統資訊

本週總計接獲26件公務機關與特定⾮公務機關事件通報，詳⾒圖5，公務機關⾮法⼊侵事件中以異常連線占多數，詳⾒圖6。本週發現機關網站API發生伺服器錯誤時，回傳內容揭露後端服務設定，其中包含資料庫錯誤訊息及程式檔案路徑。相關資訊可能使攻擊者進一步掌握系統作業流程、後端服務位置及使用技術，縮小後續探測範圍，並提高針對特定服務或弱點進行攻擊的可能性。

建議機關建立統一的錯誤處理機制，系統發生異常時，對外僅回傳必要之錯誤代碼及不涉及內部實作細節的訊息，詳細的系統設定、程式路徑及診斷資訊等則應留存於伺服器端日誌。另應透過參數缺漏、格式錯誤及其他異常輸入等情境進行測試，確認錯誤回應不會揭露內部系統資訊或敏感設定。

金融投資占比續升 廣告主打選股名單與課程

詐騙類型趨勢

金融投資型占比續升，詳見圖7，本週在三類中排名第二。選股廣告以免費領取「黑馬名單」招攬民眾，宣稱現在可低價進場，並以錯過就得再等數月的說法製造急迫感。另有短線選股社群強調不收費、不分成，聲稱盤前提供操作策略、盤中就能看見效果，邀請民眾加入。

身分冒充型在三類中占比最低，本週較前週回落。例如，有保養品廣告藉醫師名義宣稱商品能淡化細紋，再以「假一賠十」的承諾減輕民眾對商品真偽的疑慮。

產品服務型占比較前週下降，但仍居本週首位。其中，有廣告主打免費贈送小型神像，供民眾擺放在家中或車內，宣稱能護佑平安，再以數量有限、先到先得催促民眾私訊預留。

關鍵字趨勢

「投資」升至本週首位，詳見圖8，「市場」從前週第 20 名升至第 3 名。「投資」相關廣告主打美股模擬交易，邀請民眾練習下單與設定停損，並引導民眾留言，進一步了解模擬交易帳號的申請方式。「市場」相關的投資課程廣告則宣稱提供高勝率模型，邀請想提高操盤績效的民眾參加體驗課，學習判讀市場。

「免費」與「優惠」分別退至第 2、第 4 名，「點擊」升至第 6 名。以「免費」為例，貸款廣告主打免費諮詢與額度試算，並宣稱前半年可享優惠利率；購車廣告以優惠車價和全額貸款吸引買家。二手商品廣告則要求先點擊聯繫、了解選購詳情，才能領取可折抵消費金額的優惠卡。

「團購」從前週第 29 名升至第 9 名，進入本週前 10 名。前週的「團購」廣告以免囤貨招募批發主，本週則宣稱能協助品牌尋找帶貨網紅、自動對帳，再以限時招募催促有意合作的品牌業者填表。從本週前十大關鍵字來看，廣告同時瞄準想學投資、節省開銷的民眾，以及尋找銷售合作的品牌業者。

慎防真假難辨的惡意網站
當AI應用使惡意網域越來越像真實服務

惡意網域生成技術演進
近年生成式人工智慧(Generative AI)與大型語言模型(Large Language Model, LLM)快速發展，使惡意網域的生成方式逐漸由傳統隨機或規則式的域名生成演算法(Domain Generation Algorithm, DGA)，朝向具備語意合理性、品牌關聯性或攻擊情境的生成模式發展。相較於傳統 DGA 所產生的高隨機性字串，AI 輔助生成網域在字詞結構、語意與命名邏輯上可更接近正常網域，進而提高舊有威脅偵測模型辨識惡意網域之難度[1]。

回顧去年底由資安威脅風險管理組織所發布之2026展望報告[2]，部分研究與產業觀察認為，生成式 AI 可能進一步降低域名攻擊在技術、人力與時間上的門檻。攻擊者可利用 LLM 快速產生大量與目標品牌、服務或業務情境相近之混淆域名，並網站生成、自動化內容製作及網頁部署工具，在短時間內建立外觀、文案風格及服務情境與真實企業高度相似的偽冒網站。此類能力使網域生成不再只是大量產生名稱，而是逐漸與品牌仿冒、社交工程及釣魚內容生成整合。

國家資通安全研究院觀測外部資安威脅情資，比對被國際資安組織通報之惡意網域威脅指標，發現其網域名稱疑似為仿冒或相似混淆變體之數量，於今(115)年第一季約一千一百萬筆，至第二季已持續增加至一千四百萬筆，詳見圖9。

隨著代理式人工智慧(Agentic AI)進一步發展， AI 在網路攻擊流程中的角色也由單純「輔助工具」逐步朝向具備較高自主性之任務執行機制發展。透過 LLM 與自動化腳本、API 及其他網路工具整合，部分攻擊流程可進一步串聯目標資訊蒐集、候選網域產生、網域註冊、TLS 憑證申請、網站內容生成及釣魚頁面部署等工作。此外，透過代理服務、跳板或區域規避機制，攻擊者亦可降低地理限制與基礎設施封鎖所造成的影響，使惡意網域及釣魚基礎設施的建立、替換與重新部署速度進一步提高。
 

現況與未來趨勢
生生成式 AI 對於惡意網域威脅所帶來的影響，將不僅限於傳統域名生成演算法(DGA)之濫用，更值得關注的是 LLM 的語意理解與內容生成能力。攻擊者可依據目標組織的業務屬性、品牌名稱、服務內容或特定攻擊情境，產生在語法、語意及命名邏輯上更具合理性的惡意網域，使其更容易融入正常網路環境，並降低僅依賴字串亂度、關鍵字或簡單規則進行偵測之有效性。

此外，生成式 AI 的跨語言能力也可能進一步降低過去因語言、文化及在地用語所形成的攻擊門檻。LLM 不僅能進行字面翻譯，也能依據特定地區的語言習慣、文化背景與使用情境重新生成內容，使攻擊者更容易建立符合不同國家或市場特性的網域名稱與釣魚內容。相關研究亦顯示，在魚叉式釣魚攻擊情境中，LLM 可利用少量公開社群資訊擷取目標的興趣、情境及溝通風格等特徵，並據此自動產生具有高度個人化與情境相關性的釣魚內容[3]。

整體而言，目前尚缺乏足夠實證資料證明真實惡意網域已由 LLM 進行大規模自動化生成。然而，從生成式 AI 在內容生成、品牌仿冒、跨語言溝通、個人化社交工程及自動化工作流程上的快速發展來看，未來惡意網域攻擊很可能逐步由單純的大量生成，轉向更強調語意合理性、情境適配性、品牌相似性與自動化部署的攻擊模式， AI 與釣魚攻擊、域名註冊及網路基礎設施自動化的整合，將成為後續惡意網域研究與威脅偵測之重要趨勢。

參考文獻
[1] Panorays (The Future of Domain-Based Threats and AI-Driven Cyber Hygiene:    2026 Outlook), https://panorays.com/blog/domain-threats-ai-cyber-hygiene/

[2]  Check Point Research (AI Security Report 2026), https://research.checkpoint.com/2026/ai-security-report-2026/

[3]  Context-Aware Spear Phishing: Generative AI-Enabled Attacks Against Individuals via Public Social Media Data, https://arxiv.org/html/2605.11268v1

 

 關鍵字：惡意網域、AI網路釣魚