企業導入 AI 之前,先問:一組帳號失守,會波及多少?

攻擊韓國銀行的人,連自己的伺服器都鎖不好。AI 讓攻擊門檻變低之後,企業能設計的是「爆炸半徑」:一組帳號失守時,會波及多少。

CrowdStrike 追查的這名攻擊者,連自己的伺服器都沒鎖好:他給 AI 的工作指示檔(CLAUDE.md)與 AI 的對話紀錄,就放在網路上,任何人不用登入都讀得到。1 基本功差到這種程度的人,卻能用 AI 工具對韓國大銀行發動攻擊;CrowdStrike 指出,這波攻擊造成了資料外洩。

01發生了什麼

韓國銀行入侵與 AI 攻擊工具 ARTEX:已證實與未證實的

事實

2026 年 9 月底到 10 月初,韓國多家銀行與金融公司陸續發現系統遭入侵。媒體統計至少 7 家金融機構受影響,約 6.8 萬人的姓名、電話、年收入與貸款額度外洩。23

被攻破的不是銀行的核心帳務系統,而是周邊系統:一家銀行給貸款仲介查詢案件進度的服務,另一家銀行員工用的行動工作系統。1

10 月 7 日,資安公司 CrowdStrike 發布調查:攻擊者用的是一套中國開發的開源 AI 滲透測試工具 ARTEX,主要串接 DeepSeek 的模型,也曾使用其他廠商的模型與 Claude Code。1

事實

調查能做到這麼細,原因出在攻擊者自己。他的伺服器開著目錄瀏覽,任何人不用登入,就能從公開網址讀到他的 Claude Code 設定檔、工作階段紀錄、記憶檔與 ARTEX 設定。CrowdStrike 從這些紀錄裡,認出了他用的伺服器、模型與部分操作。1

事實

後續:10 月 8 日,ARTEX 的開發者在 GitHub 表示工具遭到濫用,宣布停止更新、轉為閉源,不再公開發布新版本;專案頁面隨後下架。聲明沒有直接提到韓國的事件。4

圖 1 同一個人:用 AI 攻擊銀行,卻鎖不住自己的伺服器
攻擊者 一個人,加上一套 AI 工具 一套免費公開、會自動找漏洞的 AI 工具(ARTEX)
攻擊銀行
  1. 找防護較弱的入口 員工、外包人員、貸款仲介用的系統
  2. 周邊系統被攻破 貸款仲介查進度的服務、員工的行動工作系統
  3. 約 6.8 萬人個資外洩 這一波入侵的總數(媒體統計):姓名、電話、年收入、貸款額度
所以:周邊系統一樣連得到客戶資料
卻鎖不住自己
  1. 伺服器沒有上鎖 不用登入,任何人都能從網路上列出他的檔案
  2. AI 的工作紀錄被看光 他給 AI 的指示、與 AI 的對話紀錄、工具設定
  3. 調查人員還原經過 CrowdStrike 從這些紀錄認出他的伺服器、用的模型與部分操作
所以:AI 的工作紀錄本身就是敏感資料
事實整理 來源:CrowdStrike(10/7)、Runtime Wire(10/6)

這起事件還有很多事沒有定論。下面把已經證實的和還沒證實的分開:

圖 2 已證實的,和還沒證實的

已證實

  • 9 月底到 10 月初,韓國多家金融機構遭入侵 資安公司 CrowdStrike,10/7
  • 被攻破的包括貸款仲介查進度的服務、員工的行動工作系統 CrowdStrike,10/7
  • 攻擊者用了一套會自動找漏洞的 AI 工具(ARTEX) CrowdStrike,10/7
  • 攻擊者的伺服器沒上鎖,他的 AI 工作紀錄能被任何人讀取 CrowdStrike,10/7

尚未證實

  • 受影響機構的確切數量 媒體報導至少 7 家;CrowdStrike 表示尚未確認
  • 這些入侵是不是都出自這一個人 CrowdStrike 說他「針對」這些機構,沒有把每一起入侵都歸到他身上
  • AI 在入侵裡自己做了多少 韓國媒體引述金融保安院:是人把 AI 當工具用
  • 攻擊者是誰 他的 AI 紀錄裡留有一份個人資料,CrowdStrike 表示無法確認是他本人
  • 銀行核心系統有沒有受影響 目前公開的資料只提到周邊系統
事實整理 來源:CrowdStrike、The Record、Runtime Wire、Herald Business,截至 2026 年 10 月 13 日

02真正的問題

一組帳號失守時,攻擊者能碰到多少?

網路上的討論,多半停在攻擊者有多粗心。但粗心正是重點:一個連自己伺服器都鎖不好的人,能對大銀行發動一波造成資料外洩的攻擊。對企業來說,這個反差帶出兩件事。

第一,攻擊者不必每一項都很強。過去擋住很多人的,是攻擊需要的整套功力;這道門檻正在變低。

第二,失守的是周邊系統。給仲介查進度的服務、員工的行動工具,平常不會被當成最重要的系統,卻一樣連得到客戶資料。

所以真正的問題是:當某個比較弱的環節失守,攻擊者能碰到多少?

03我們怎麼看

AI 降低了攻擊門檻,企業能設計的是爆炸半徑

推論

AI 工具讓攻擊能力與個人的專業門檻開始脫鉤。找目標、試漏洞、看錯誤訊息再調整,這些過去要靠經驗的步驟,有一部分可以交給工具,做得更快,也不必樣樣都懂。打個比方:過去要 70 分功力才攻得進的地方,現在 40 分的人借助 AI,也可能做到。韓國總統李在明也說,現在不需要專業技能,也能用 AI 輕易發動駭客攻擊。2

這次事件不能證明入侵是 AI 自己完成的,韓國媒體引述金融保安院的說法,是人把 AI 當工具用。5 但一個連伺服器都鎖不好的人,能發動這樣一波攻擊,就說明了門檻已經降到哪裡。

我們的看法

所以「攻擊者夠不夠強」已經不能當成防線。企業能設計的是另一件事:每個帳號、每個系統、每個 AI agent,能碰到的範圍有多大。範圍小,一次失守的損害就小。資安領域把這個範圍叫做「爆炸半徑」。

圖 3 一個帳號失守時能碰到多少,取決於它當初被給了多少
換到事務所:每一欄是一位客戶(以 12 位為例),假設同樣有一組帳號外洩

大家共用一組帳號

帳務 稅務 工商 薪資
碰得到:12 位客戶的全部資料

每個帳號只管自己負責的客戶

帳務 稅務 工商 薪資
碰得到:4 位客戶的資料
外洩後碰得到的資料 一個帳號(或一個 AI agent)能碰的範圍;範圍外的,它打不開
示意 來源:奧望整理

04為什麼重要

事務所的共用帳號,會被 AI agent 繼承

這個問題在有沒有 AI 之前就存在。

很多事務所的核心資料,底層還是 DBF 檔,權限很難細分;工作則靠 LINE、email、電話、Excel 和資深員工的記憶在跑。結果是兩件事同時發生:該分開的權限分不開,很多人碰得到所有客戶的資料;該找得到的資料又散在各處,需要的時候才發現找不到,人一離職,客戶的脈絡也跟著帶走。

這通常不是誰做錯了什麼。人手有限、彼此要互相支援,工具又分不細,把權限開大、把資料放進共用的地方,是讓工作做得下去的辦法。是工具沒跟上。

AI 讓這件事的代價變高。對外,攻擊者靠 AI 更容易找到一扇沒鎖好的門。對內,之後加進來的 agent 會繼承現有的權限:在權限全開的地方加一個 agent,等於多一把萬用鑰匙。還有一件容易忽略的事:AI 的工作紀錄本身就是敏感資料。這次調查能還原攻擊,靠的正是攻擊者沒鎖好的 AI 紀錄;企業的 agent 紀錄裡也會有客戶資料,它們該跟客戶檔案一樣上鎖。

韓國主管機關事後要求金融業做的事,一家事務所其實也做得到:把所有從外面連得到的系統列出來,包括不是給客戶用的,再補上缺少的驗證與權限。6不必等到用 AI 才開始,現在就可以先問四件事:

  1. 事務所裡有哪些帳號是好幾個人共用的?
  2. 每個人、每個帳號,能碰到哪些客戶的資料?碰得到的,是不是都是工作需要的?
  3. 需要某位客戶的某份資料時,知道它在哪裡嗎?
  4. AI 工具的紀錄存在哪裡、誰看得到?

05我們怎麼做

先理順人的權限,再讓 AI agent 接手

我們的看法

攻擊門檻變低,讓「邊界」從資安部門的事,變成 AI 能不能用在事務所的前提。大企業有資安團隊畫權限、做稽核;一家會計師事務所通常沒有。所以邊界不能靠另外買一套資安產品,也不能靠一份要大家記得遵守的規章,而要做進事務所每天在用的系統裡。

奧望(Augvant)替流程密集的中小企業做營運軟體,從台灣的會計師事務所開始。下面是我們給自己定的原則。

AI 是手段,不是目的。經不起營運現場考驗的,我們絕不上線。

先看清楚,才畫得出範圍。一個人該碰多少,取決於工作實際怎麼流。所以我們進到事務所,第一步不是寫程式,而是先讓營運看得見:資料怎麼流、錢怎麼動、期限到了沒、事情卡在誰身上。

先理順人的權限,agent 才接手。看清楚之後,先穩住最脆弱的地方,再重新設計流程與權限:每個人碰得到自己負責的客戶,資料有固定的地方放、找得到。agent 是在這個基礎上才加入的:它有角色、有範圍、有負責的人,範圍不超過負責它的那個人;範圍外的事,交給人。

每一步都要查得到。DBF 是四十多年前的檔案格式,不是正規的資料庫,誰改過什麼很難追。我們正在開發的記帳系統,讓事務所從舊系統轉過來,資料權限與安全有正規的基礎;AI 可以操作,每一步事後都查得到。

這起事件裡,攻擊者的能力可以靠 AI 借來,他自己的邊界卻沒有人替他守。事務所也一樣:能力可以借,邊界得自己設計。我們想做的,是讓沒有資安團隊的事務所,也有一套設計好的邊界。

資料來源

  1. CrowdStrike,〈Unknown Threat Actor Uses AI-Driven ARTEX to Target South Korean Finance〉,2026 年 10 月 7 日。https://www.crowdstrike.com/en-us/blog/unknown-threat-actor-uses-artex-to-target-south-korean-finance/ ↩ ↩2 ↩3 ↩4

  2. Suzanne Smalley,〈South Korean officials believe AI agents were used to hack several banks〉,The Record,2026 年 10 月 6 日。https://therecord.media/south-korean-bank-hacks-ai-agents ↩ ↩2

  3. Ryan Merket,〈AhnLab finds ARTEX on 600 IPs as police probe South Korean bank breaches〉,Runtime Wire,2026 年 10 月 6 日。https://runtimewire.com/article/south-korea-bank-breaches-artex-ai-probe ↩

  4. Kim Byeo-ree,〈Developer of AI hacking tool used in South Korean financial breaches to go private〉,The Herald Business,2026 年 10 月 10 日。https://biz.heraldcorp.com/article/10898148 ↩

  5. Jeong Ho-won,〈Exclusive: Chinese AI tool ARTEX used in wave of bank hacks, probe finds〉,The Herald Business,2026 年 10 月 3 日。https://biz.heraldcorp.com/article/10892497 ↩

  6. Bill Toulas,〈South Korea probes bank breaches amid suspected AI-powered attacks〉,BleepingComputer,2026 年 10 月 5 日。https://bleepingcomputer.com/news/security/south-korea-probes-bank-breaches-amid-suspected-ai-powered-attacks ↩

有問題,或對同樣的事實有不同的解讀?歡迎來信。

寫信給我們