開發生態
Acronis 揭露 AI 自動化攻擊架構 BossAI:12 個代理、MCP 串接滲透工具,鎖定台灣緊急服務系統與全球 11 國數百組織
iThome單一來源
核實資料不足
目前依單一來源整理,這是來源數量描述,不是對消息真假的判定。
本次未取得足夠原文證據

資安業者 Acronis 威脅研究單位(TRU)揭露,臺灣緊急服務系統遭名為 BossAI 的 AI 攻擊架構鎖定,攻擊目標另涵蓋全球 11 個國家的數百個組織。研究人員據信攻擊者位於臺灣花蓮市,該架構整合 12 個 AI 代理,透過模型上下文協定(MCP)串接滲透測試工具,並使用移除安全限制的本機 AI 模型執行攻擊。
研究人員是從一處疑似設定不當的開發環境展開調查,取得超過 9 萬個檔案、約 9GB 的資料,內容包括 AI 代理對話紀錄、攻擊指令、系統設定、漏洞利用工具及受害者資料。分析顯示,12 個代理中調查期間實際運作的只有 9 個,且代理之間沒有直接通訊機制,而是由攻擊者手動傳遞工作成果。以臺灣緊急服務系統為例,攻擊者先用 HalberdStrike 掃描網站取得弱點報告,再交由 Hermes 分析攻擊路徑,最後交給 Cursor 要求利用漏洞。
攻擊者以 Skills 保存攻擊流程與經驗,每個 Skill 以 SKILL.md 記錄操作指示,並搭配腳本與參考資料。其中針對臺灣政府消防派遣及緊急管理 API 的 gov-api-penetration 使用最頻繁,累計使用 51 次、修改 57 次。Skills 會隨執行結果更新,保留先前的偵察資料,使代理在不同工作階段,甚至更換底層模型後仍能沿用成果。
HalberdStrike 以 PenTestGPT 為基礎開發,使用 3 個模型分別負責推理、指令產生與結果解析,並由執行元件 Runner 執行操作。工具原本設有 Validator 檢查操作安全性與測試範圍,但攻擊者停用了範圍限制,並將所有風險等級設為自動核准。另一方面,攻擊者以 Acunetix Web Vulnerability Scanner(AWVS)掃描,並建立 awvs-llm-analyzer Skill,讓本機 AI 模型判斷掃描結果是否為真正漏洞、評估嚴重程度,最後產生 JSON 與 HTML 報告。
為減少人工介入,攻擊者在 Hermes 的系統提示詞中加入不得拒絕雙重用途技術工作、無須再次詢問使用者等指示,並設定 HERMES_YOLO_MODE=1 自動核准代理操作,以及 HERMES_ACCEPT_HOOKS=1 讓事件 Hook 腳本無須人工核准即可執行。研究人員發現,Hermes 在約 95 個工作階段中產生 18,311 則訊息,其中 83.5% 為工具呼叫及執行結果。
然而,AI 代理的弱點判斷並不可靠。HalberdStrike 曾把連線失敗誤判為 RCE 漏洞,也曾把測試失敗的結果列為高風險弱點;其回報的高風險及重大弱點中,超過半數實際上是誤報或錯誤分類。攻擊者甚至在活動期間修改解析模組提示詞,加入避免捏造漏洞的規則。Acronis 指出,AI 代理能快速執行大量偵察與攻擊任務,但也會產生大量錯誤資訊,增加攻擊者的分析負擔,自動化程度提高並不代表入侵就能順利完成。
Acronis 強調,AI 代理讓攻擊者能以較低成本同時鎖定多國大量目標,但並不代表能突破所有防護。在本次調查中,當目標系統具備有效的身分驗證、工作階段存取控制及網路端點過濾時,AI 代理仍無法順利入侵。研究人員認為,受害系統暴露的是既有的資安弱點,真正值得關注的是 AI 代理能以更快速度、更系統化地發現並取得這些弱點的資料。
讀原始報導背景
模型上下文協定(MCP)是一項開源標準,用來讓AI應用程式連接外部系統,例如本地檔案、資料庫與搜尋引擎等工具。Anthropic形容它是一套通用標準,能以單一協定取代零散的各自整合方式,讓AI系統更簡單可靠地取得所需資料。