事件背景
近年來駭客組織利用生成式 AI 自動化釣魚誘餌製作、系統漏洞探測，使得網路攻擊的發動速度與規模出現質變。根據 Google Cloud 的觀察，駭客組織之間的攻擊協作時間從過去的 8 小時驟減至 22 秒。這不是數量級的改進，而是從人類決策週期跳到機器決策週期——一個本質上的時間尺度轉變。
企業傳統的資安防禦模型——仰賴安全分析師手動檢測、分類、分析告警、決策應對——在這個新速度面前已徹底失效。資安團隊不是不聰明、而是架構本身決定了反應時間的下限。即使一個公司僱用世界最頂級的安全工程師，人腦的單位決策時間（秒級）永遠無法與機器速度（毫秒級甚至奈秒級）競爭。
核心觀察：時間尺度不匹配
這是一個經典的「軍備競賽中的防守者困局」——攻擊方選定了一個新的競爭維度（速度），防守方被迫跟進，但傳統的防守武器（人）在這個維度上本質上劣勢。
冷戰期間的戰略家早就認識到這個問題。美國國防部在 1960 年代就面臨類似困境：蘇聯發展的洲際飛彈反應時間越來越短，人類指揮官無法在核按鈕被按下前做出決策。最後的解決方案就是——把發射決策權部分自動化、讓防禦系統在人類反應不及的時間尺度內自主決策。
網路安全正在經歷完全相同的轉變。
為什麼傳統防禦失效
傳統資安防禦的假設是： 1. 威脅出現 → 人工檢測（分鐘到小時） 2. 分析根本原因 → 人工決策（小時到天） 3. 實施對策 → 人工執行（天到周）
這個週期在早期的網路攻擊時代還能應付（攻擊也是人手動進行）。但一旦駭客導入 AI： 1. 威脅以毫秒級密集出現（每秒數千個變體） 2. 攻擊向量高度動態化（無法靠既有簽名檢測） 3. 協作時間從小時降至秒級
人腦的決策迴路完全被甩在後面。資安團隊變成被動應火的消防隊，永遠在滅上一波火、下一波已經燒到樓下。
核心原則：代理式 AI（Agentic AI）防禦
唯一的解決方案是改變防禦的架構——從「人類監督、機器執行」改為「機器決策、人類監督」。也就是把防禦權力轉移給 Agentic AI——有自主決策能力、能在毫秒級時間內判斷威脅、執行防禦的自主代理。
這不只是把現有工具接上 AI，而是從根本重新設計防禦的決策迴路： - 感知層：持續監測網路流量、端點行為、異常信號（這層可以自動化） - 決策層：AI 代理在規定框架內自主判斷是否構成威脅、採取何種對策（從隔離到主動反制） - 執行層：自動化工具立即執行決策（無需人工確認） - 監督層：人類事後審計決策邏輯，優化框架（而非即時干預）
這類似於免疫系統的運作——白血球在毫秒級內識別並摧毀病原體，不需要大腦每一秒下達命令。
跨領域類比：為什麼這個原則不只適用於資安
「防守者必須在攻擊方的時間尺度上反應」這個困局不只出現在網路安全。它在任何「攻擊方能改變競爭速度、防守方反應受人類認知限制」的領域都成立：
1. 高頻交易：當機器算法以微秒級交易時，人類交易員的秒級反應根本追不上。交易所最後只能給自動化交易系統「一定框架內自主決策」的權限。
2. 自駕車：當路上的威脅（行人、障礙物）出現在毫秒級，人類駕駛的反應時間（500 毫秒）完全不夠，必須完全倚賴車輛的自主決策。
3. 太空防禦：當衛星之間的衝突發生在毫秒級（光速限制下的物理延遲），地球上的指揮官根本無法干預，衛星必須自主判斷是否規避。
在每個案例中，防守者的選擇都是一樣的：要麼接受被攻擊方主宰時間尺度、被迫放棄防守；要麼把決策權交給機器、接受「無法 100% 人工監督」的現實。
企業決策者面對的真實困局
讀到這裡，很多 CTO 和資安長會問：「但我們怎麼能信任 AI 自主決策？萬一誤判呢？」
這問題的答案很殘酷：比起「被駭客在毫秒級入侵」的風險，「AI 誤判隔離一台伺服器」的風險小得多。這不是信任的問題，而是「在兩個風險間選擇較小的那個」。
就像冷戰時期軍事領導人也問過「自動防禦系統會不會誤按核按鈕」——答案是「有機率，但比被敵人先發制人的機率小」。所以他們接受了自動化。