美國政府與軍事承包商 Booz Allen 於 10 月發布實驗室測試報告指出，商用前沿 AI 模型（frontier AI models）能在模擬的營運技術（Operational Technology，OT）環境中，找出設定錯誤的設備、逐層突破網路並採取實體行動。
其中一次攻擊僅歷時 16 分鐘，AI 模型便取得機械手臂的控制權並使其移動。外媒於 10 月 16 日報導此事。
八項測試目標全數達成
報告指出，AI 模型達成全部八項測試目標，內容涵蓋描繪網路環境、找出資安弱點，以及入侵監控與資料擷取系統（SCADA）。
Booz Allen 基礎設施資安副總裁 Kyle Miller 說明，
16 分鐘是指模型從外圍防火牆出發，穿越 IT 網路進入 OT 網路，並讓 OT 環境中一台控制器的輸出通電，造成實體結果所花的時間。
Miller 也提到兩項前提。首先，測試中設有人工核准（human-in-the-loop）環節，若省略此環節，耗時可能減少一半。其次，首輪測試保留了部分未修補漏洞，因此這 16 分鐘並不包含研究與開發零時差（zero-day）漏洞攻擊的時間。
AI 降低 OT 攻擊門檻
Miller 表示，研究人員對 AI 模型成功並不意外，真正的重點是模型找到通往營運端網路路徑的速度。他說：「我整個職涯都在做 OT 資安，不論我們願不願意承認，我們多少是靠隱匿性安全（security through obscurity）在過日子。我們相信攻擊者必須夠精密，才能進入 OT 環境、充分理解並操縱設備，造成實體後果。這次前沿模型測試顯示，AI 拆除了許多這類障礙。」
實戰案例仍少見
報導指出，網路攻擊者與國家級行動者積極試驗 AI，但 AI 輔助的 OT 網路攻擊相對罕見。2026 年初，一個小型駭客團體借助 AI 入侵至少九個墨西哥政府機關，卻未能進入當地一家水務與排水公用事業的 OT 網路。該攻擊者組合了兩種幾乎沒有 OT 專業知識的商用模型，但模型很快將該系統標示為高價值目標，並研究入侵方式。
OT 資安業者 Dragos 通報了該事件。Dragos 副首席對手獵捕員 Jay Deen 表示：「值得注意的不是 AI 帶來新穎或特別精密的技術，而是它大幅降低了執行大規模入侵所需的專業與時間。」他補充，AI 已接近找出並積極開發通往 OT 環境的路徑，但沒有證據顯示攻擊者實際進入控制網路。
防禦須跟上機器速度
報導指出，公用事業與工廠中的多數 OT 設備已部署十年以上，營運業者必須更靈活地部署新的資安防禦。以 AI 對抗 AI 看似理所當然，但 AI 代理偶爾失控或超出預期功能，OT 業者要建立信任需要時間。
Miller 說，OT 環境重視安全與不中斷運轉，任何自動化防禦都可能令人緊張。但若偵測到 OT 環境出現異常的 AI 活動，能否自動在外圍封鎖該流量，將是關鍵，否則一切以人類速度進行，恐怕太慢。
報導整理的防禦方向包括：
- 網路分段，進一步採用微分段（micro-segmentation），可拖慢 AI 攻擊者，讓防守方有時間反應。
- 部署網路異常行為監控。AI 代理進入 OT 網路後，外觀常與其他 OT 設備相似，但調校良好的監控系統能偵測出來。
- 考慮部署誘捕技術，如蜜罐（honeypot）與金絲雀（canary），既能延緩攻擊者，也有助於偵測。Miller 說，可架設模擬典型 OT 環境的誘餌，甚至餵給模型假資料。
本文轉載自 DarkReading。