繼續閱讀你每天使用的購物網站、會員系統，背後可能都仰賴 PHP 運作。
2026 年 10 月 21 日，PHP 官方公布兩個重大漏洞，編號分別為 CVE-2026-109618 與 CVE-2026-109619，同時釋出了修補版本。PHP 是很多網站背後使用的程式語言。這兩個漏洞讓攻擊者不需要登入，就可能從遠端操控網站的伺服器。
對一般消費者來說，這不代表手機或電腦會直接中毒，但常用網站可能因此面臨服務中斷、資料外洩等風險。此外，詐騙集團可能趁著重大資安事件，假冒網站或服務業者發送「漏洞更新」「帳號安全異常」通知，誘騙使用者點擊連結、輸入個資。
如果你是自架網站的中小企業主，現在更應該確認網站使用的 PHP 版本，以及是否已完成安全更新。別等到網站出問題，才發現系統還存在已知漏洞！
標籤: 企業資安
鎖定Microsoft帳戶兩年,Sneaky2FA進化版Kratos釣魚平台遭瓦解,TrendAI情資助攻破案
企業資安部落格文章精選（隨時更新）
跨國執法搗毀釣魚即服務平台Kratos,TrendAI提供關鍵情資協助破案
- Kratos 是近期大量 Microsoft 365 帳密竊取事件背後的「釣魚即服務」(PhaaS)平台,已遭德國聯邦刑事警察局(BKA)與法蘭克福網路犯罪防制中心(ZIT,並有美國當局協助)透過代號「Olympus Blade」的行動搗毀。
- 開發者兼技術管理者已在印尼落網。該平台前身為Sneaky2FA,一款自2024年10月起鎖定Microsoft帳戶的釣魚工具包。 超過1,800名犯罪訂閱者租用Kratos,平均每月發動約1.5萬起釣魚攻擊活動。此次行動關閉了200多台伺服器,受害者遍及30多個國家(以歐洲與美國為主),自2024年底以來累計受害人數達數十萬人。 TrendAI 透過提供威脅情資、基礎設施指紋辨識、受害者輪廓分析以及幕後行為者研判,協助支援此次調查。相關情資自2025年起即提供給BKA。
- 訂閱制的商業模式讓Kratos得以規模化擴張——附屬會員只需租用工具包,即可仰賴服務本身支援釣魚行動。這也是此次行動的意義所在:不只是逮捕一人,而是瓦解了讓低技術門檻的操作者也能發動大規模帳密竊取攻擊的基礎設施與商業模式。
⟫ 完整文章
裝置代碼網路釣魚濫用 OAuth 2.0 裝置授權流程，這項功能原本是為無法顯示標準登入畫面的裝置所設計。 受害者是在真正的 Microsoft 頁面上登入並核准，因此密碼並未外洩，MFA 也確實完成驗證——問題在於，登入後產生的工作階段（session）被核發給了攻擊者，而非使用者本人。 當攻擊鎖定 Microsoft Authentication Broker 時，一次核准動作就能被轉化為攻擊者註冊的惡意裝置與長效更新權杖（refresh token），意味著攻擊者取得的是持久性存取權，而非一次性登入。 最有效的防禦是：提升使用者警覺性、在非必要情境下封鎖裝置代碼流程,並部署能偵測此類行為、持續監控相關事件的偵測方案。
⟫ 完整文章
企業積極導入AI卻也面臨更高的資安風險！
趨勢科技旗下TrendAI™示警AI催化駭客攻擊升級的三大威脅
台灣逾六成企業擔憂資安難以跟上AI發展速度
治理框架及可視性成應對重點
【2026年5月4日，台北訊】隨著生成式AI與代理式AI的快速發展，企業透過AI驅動創新的同時，駭客也正利用AI技術讓網路犯罪從過往仰賴人工作業的模式，進一步走向低成本、低門檻且可大規模複製的新模式。全球網路資安解決方案領導廠商趨勢科技(東京證券交易所股票代碼：4704)旗下全球企業AI資安領導品牌TrendAI™指出，當今駭客結合內容生成、身分偽造與系統濫用的複合式AI威脅，讓企業既有的防護邏輯與管理模式面臨著前所未有的考驗。
企業追求導入AI的速度，卻容易忽略風險控管能力。根據TrendAI™調查，74%的台灣受訪企業決策者坦言過去曾在高層要求或市場競爭壓力下，被迫核准在企業導入可能帶來資安風險的AI方案註一，卻只有不到一半的企業認為內部團隊能辨識惡意或異常的AI行為註二，顯示台灣企業正面臨「盲目導入AI」的高度風險。
繼續閱讀揭發 AI 代理的漏洞 (5-5)：保護 LLM 服務
這是有關代理式 AI 漏洞議題的最後一篇文章，本文探討對 AI 代理造成威脅的各種新興漏洞，主要是提供主動式資安建議來防範程式碼執行、資料外傳以及資料庫存取等方面的漏洞。
大型語言模型 (LLM) 已日益成為現代化應用程式的一環，其安全性比以往更加重要。我們在先前幾篇文章已討論過可能對 AI 代理造成威脅的新興漏洞，主要聚焦在程式碼執行、資料外傳以及資料庫存取等領域。
本系列的最後一篇，我們將探討如何應對這些威脅所帶來的挑戰，以及我們為何需要嚴密的多層式策略來保護這些系統。本系列其他文章還有：
- 第一篇：揭發 AI 代理的漏洞 ─ 介紹 AI 代理的主要資安風險，例如：提示注入與執行未經授權的程式碼，並摘要說明後續討論的議題架構，包括：資料外傳、資料庫漏洞攻擊，以及防範策略。
- 第二篇：程式碼執行漏洞 ─ 探討駭客將如何利用 LLM 驅動服務的弱點來執行未經授權的程式碼、避開沙盒模擬環境的限制，以及利用錯誤處理機制的漏洞，進而導致資料外洩、未經授權的資料傳輸，以及取得執行環境的永久存取權限。
- 第三篇：資料外傳：探討駭客如何利用間接提示注入，讓 GPT-4o 這類多模態 LLM 在遇到看似無害的惡意檔案時將機敏資料外傳。這種所謂的「零點選」(zero-click) 漏洞可讓駭客在網頁、圖片及文件中暗藏指令，誘騙 AI 代理洩露使用者互動記錄、上傳檔案，以及聊天記錄當中的機密資訊。
- 第四篇：資料庫存取漏洞 ─ 探討駭客如何攻擊與 LLM 整合的資料庫系統，透過 SQL 隱碼注入、預先儲存的提示注入，以及向量儲存下毒來取得管制的資料，同時還能避開認證機制。駭客可利用提示篡改來影響查詢結果、取得機密資訊，或者插入永久性漏洞來影響未來的查詢。
