隨著工業4.0的推進，工業控制系統（ICS）在製造、能源、交通等關鍵基礎設施中扮演著核心角色。然而，隨著數位化程度加深，工控系統面臨的資安威脅日益增加，從勒索軟體到針對SCADA（監控與資料採集系統）或DCS（分散式控制系統）的定向攻擊，均對工業運作構成嚴重風險。人工智能（AI）作為一項強大的技術，正在工控資安領域展現巨大潛力。本文將探討AI與工控資安的關聯，分析其應用場景、優勢、挑戰及未來發展方向。
AI在工控資安中的應用
- 威脅檢測與異常行為識別
AI技術，特別是機器學習（ML）和深度學習（DL），在工控資安中可以廣泛應用於威脅檢測。傳統的資安防護依賴規則或特徵碼匹配，難以應對日益複雜的零日攻擊（Zero-day Attacks）。AI則通過分析網路流量、設備行為和系統日誌，學習正常操作的模式，從而快速識別異常。例如，AI可檢測到未經授權的設備存取、異常的控制指令或潛在的惡意軟體活動。透過即時監測，AI能在攻擊造成損害前發出預警，顯著降低風險。
案例：某大型汽車零件製造商在產線中使用數百台 PLC、機械手臂與感測器，過去曾因資安攻擊蔓延至產線導致停工。目前已部署基於 AI 的異常行為偵測模型（如 autoencoder、深度學習）監控 OT 網路流量與 PLC 操作指令。如果發現未授權命令或異常時間出現的操作行為，會立刻發出預警，提早應變，預防停機。
- 自動化漏洞管理
工控系統常運行於老舊設備，使用多年或無法更新的軟體版本可能存在已知或未知的漏洞。AI可以自動化掃描系統，分析配置檔案、軟體版本與公開漏洞資料庫（如CVE），快速識別潛在的安全弱點，並根據風險等級優先建議修補策略。這種自動化方式不僅節省人力，還能確保及時修補高風險漏洞，特別在複雜的工控環境中尤為重要。
案例：台灣某半導體大廠已導入自動化資安平台，可自動偵測未更新之軟體與元件漏洞。並整合 CVSS 評分與資產重要度，決定修補優先順序。此平台不僅可以減少90%人力進行漏洞評估與報告彙整工作，同時能依據AI建議自動生成修補或隔離流程。
- 事件回應與分析
當安全事件發生時，AI可實時處理大量日誌數據，自動分類、關聯事件，並判斷其嚴重性。例如，AI能區分正常操作與惡意活動，減少誤報並提升回應效率。通過自然語言處理（NLP）技術，AI還能分析事件報告，提取關鍵資訊，協助資安團隊制定應對策略。
案例：日本某電信業者每天產生上億筆來自全球客戶的資安事件，需要執行自動分類、濾除誤報、關聯威脅行為。因此導入AI利用自然語言處理及深度學習，對SIEM資料中的日誌進行解析與分類。不僅可將將攻擊鏈事件關聯成時間序列，更可偵測出早期未被識別的惡意軟體活動。
- 預測性維護與安全
工控系統對穩定性要求極高，設備故障可能導致安全漏洞。AI通過監測設備運行數據（如溫度、壓力、電流），可以預測潛在故障或異常操作模式。例如，設備過載或異常振動、機台啟停次數明顯增加，AI可提前警示可能的硬體問題，從而避免因設備故障引發的安全事件
案例1：美國某大電器公司將其Predix工業物聯網平台應用於發電機、渦輪機、壓縮機的預測性維護。AI使用時間序列模型分析設備的震動、溫度、壓力等資料。當參數偏離預期行為時，AI會預警可能即將出現的異常或故障。
案例2：德國某跨國企業的智慧工廠導入AI模型協助工控系統預測潛在安全威脅。先對OT裝置（如 PLC、HMI）進行操作行為建模。其次將模型應用於偵測「異常變更」、「命令注入」或「設備異常連線」。最後AI與維修歷史結合，預測「設備異常可能是被入侵或被惡意更改設定」。
- 供應鏈與第三方風險管理
供應鏈攻擊是工控資安的重要威脅。AI可分析供應商和合作夥伴的數據交換行為，識別潛在風險，如供應商系統漏洞或不安全的數據傳輸。這有助於保護工控系統免受間接攻擊，提升整體安全防護能力。另外對於供應商的其他風險管控亦可經由AI做出全面分析和預警。
案例：某跨國企業擁有超過13,000個供應商，管理供應商風險極為困難。因此建立Supply Chain Risk Insights 系統，整合AI模型分析供應商的地緣、財務、ESG、資安與災害風險。AI可以自動解析新聞、報告與監管資料（如 GDPR、制裁清單），發現潛在風險。同時遇到災害時可根據供應商位置即時預測影響（如颱風、地震、疫情）。其成果是平均供應鏈中斷應變時間縮短3天，並且曾經及早預警某大國供應商因資安事件可能影響交期，提前做出因應措施。
AI在工控資安中的優勢
所謂AI不是只有大語言模型，更多的是包含各類技術與應用領域的廣泛概念，工控領域的應用遠早於ChatGPT，並且已有許多成功前例。
其優勢有：
- 高效性：AI能快速處理海量數據，遠超人工分析速度，尤其適用於複雜的工控環境。
- 精準性：通過學習歷史數據，AI能精確識別異常行為，降低誤報率。
- 自動化：AI減少對專業人員的依賴，降低運維成本，同時提升回應速度。
- 適應性：AI可持續學習新威脅模式，適應快速變化的攻擊手法。
但是於此同時，雖然AI在工控資安中有顯著優勢，但其應用也面臨許多挑戰：
- AI自身的安全性：AI模型可能成為攻擊目標。例如，攻擊者可能通過數據投毒（Data Poisoning）或模型操縱（Model Evasion）誤導AI的判斷。因此，保護AI模型的訓練數據和演算法完整性至關重要。
- 工控環境的特殊性：工控系統對穩定性和實時性要求極高，AI的部署需避免干擾正常運作。此外，許多工控系統運行於老舊設備，AI解決方案需考慮相容性問題，確保不影響系統性能。
- 隱私與合規性：AI在處理敏感數據時，需遵守相關法規（如GDPR或地方法規），確保數據收集、儲存和處理符合隱私要求。這在跨國企業的工控系統中尤為重要。
- 實施成本與專業知識：AI系統的部署需要高性能硬體和專業知識，這對中小型企業可能構成挑戰。此外，AI模型的訓練和維護需要持續投入資源。
結論
AI為工控資安帶來革命性的改變，從威脅檢測到漏洞管理，再到動態策略調整，其高效性、精準性和自動化能力顯著提升了系統的安全性。然而，AI的應用需克服其自身安全性、工控環境特殊性及合規性等挑戰。隨著技術進步，AI將在工控資安中扮演更重要的角色，協助關鍵基礎設施抵禦日益複雜的網路威脅。企業應積極擁抱AI技術，結合專業知識與實際需求，構建更安全、穩定的工控環境。
本文為投稿文章，不代表社方立場。原文作者為安永諮詢服務股份有限公司 副總經理 魯君禮 。