美國創業家暨投資人馬克・庫班（Mark Cuban）10月23日在田納西州納許維爾舉行的 Total Health 活動中，接受路透社錄影專訪時表示，人工智慧可能讓更多攻擊代理同時進行暴力破解，進而擴大資安事件的規模。他強調，這不是全新的駭客手法，而是既有攻擊能力在自動化與平行化後的放大；一旦大批代理持續嘗試不同密碼、權限與入口，傳統上仰賴人工監控的防禦可能難以即時攔阻。
庫班以蟑螂群比喻大規模代理嘗試找出系統弱點的可能性，但也指出防守方同樣可運用 AI 偵測異常、加速回應，因此自己並非「末日論者」。真正的風險不在單一演算法多厲害，而在攻擊成本下降、嘗試次數激增及防守資源有限所共同形成的規模失衡。
相關報導未指向特定資安事件、產品或測試結果，也未量化 AI 對攻擊頻率與成功率的實際影響，因此庫班的觀點主要反映產業風險判斷，尚非已被驗證的預測。
這項事件的核心並非攻防雙方刻意炒作新技術，而是演算法自動化帶來典型的能力不對稱擴大：攻擊方能以低成本部署大量代理，反覆嘗試帳號憑證、弱密碼與已知弱點；防守方雖也能導入 AI，卻仍須面對資料品質、誤報辨識、反應時間與既有系統整合等限制。
暴力破解並非 AI 催生的全新攻擊類型，其歷史可追溯至早期密碼系統；過去受限於運算成本、網路頻寬與逐筆人工嘗試，實際上有效範圍有限。生成式 AI 與代理式 AI 的改變，在於能自動產生大量變體、調整策略並平行操作既有工具。駭客不必更聰明，只要能以更多代理、更長時間與更細密節奏持續嘗試，系統便可能由可防守狀態滑向機率性失守。
攻防雙方共享相同技術並不代表風險自動對稱。攻擊者可先在無監督環境測試，再將成熟流程推向目標；防守方則必須在真實環境中避免漏判，且受到預算、隱私規範與供應鏈資安管制牽制。因此，短期內較可能出現的是攻擊吞吐量先上升、防禦工具後補上的時間差。
從歷史觀察，運算成本下降往往先擴大滥用能力，再迫使產業建立新的控制機制。個人電腦由人工試密轉向高速字典攻擊，企業網路由防火牆規則轉向端點偵測，皆顯示威脅升級後，防禦才逐步制度化。AI 代理很可能延續這條路徑，但改變速度會取決於模型成本、工具整合與法規介入。
未來 12 至 24 個月，AI 代理會優先用於既有帳號的密碼變體嘗試、弱點掃描與社交工程。資安團隊也會導入 AI 協助異常排序與事件摘要，使整體攻擊量上升，但成功率和重大事故密度未必同步增加。AI 更可能成為攻與防的通用工作流，而非單方面顛覆資安。
若多代理系統能彼此協調，並自動尋找 API 權限、雲端憑證與第三方整合中的弱點，攻擊者可能把單次入侵擴張為供應鏈事件。金融、醫療及公共基礎設施將承受更大壓力，企業可能被迫全面推行 MFA、密碼管理與即時交易監控，資安保費與合規支出也會上揚。
若產業能建立代理行為標準、可驗證的身分框架與跨平台威脅情報，防守方就能以機器速度辨識大量嘗試，進而讓 AI 自動化先成為常態防線。屆時，庫班所稱的「規模放大」仍會存在，但風險會由模型能力差距轉向治理能力差距。
關鍵觀察指標不是單一模型的破解紀錄，而是代理每秒嘗試量、被封鎖流量比例、MFA 啟用率、重大資安事件偵測時間，以及資安產品能否在不增加分析人力下降低誤報。
01 起因觸發：庫班以AI代理可能放大暴力破解規模的警告，引發產業對攻防成本重新失衡的關注。
02 一階傳導：企業、金融機構與雲端服務商加快盤點帳號入口，導入MFA、速率限制及行為式偵測。
03 二階擴散：資安產品商、威脅情報業者與保險市場重新評估AI防禦效能、責任歸屬及保費需求。
04 宏觀終局：若代理攻擊制度化，數位身分將成為核心防線，產業競爭也將由模型參數轉向可信驗證與治理能力。
領域延伸情報推薦 相關延伸研讀
依主題領域自動關聯之高參考價值外電情報
