西班牙資料保護局（AEPD）表示，已收到首宗據稱由 AI 代理人執行的個人資料外洩通報。要留意，這並非監管機構已作出的最終裁定：事件資料由受影響機構提交，現時仍在分析。不過，AEPD 視之為一個重要警號——可自主行動的系統，或已開始直接參與針對處理個人資料系統的網絡攻擊。171

據報攻擊過程做過乜？

按 AEPD 公布的通報內容，一名未具名第三方使用了一個連接「知名大型語言模型」（LLM）的 AI 代理人，攻擊過程據報如下：

1. 代理人先在通用檔案中搜尋漏洞；
2. 成功登入該機構系統；
3. 進入系統後，自主在應用程式內繼續尋找其他弱點；
4. 據稱利用發現的漏洞，改動個人資料並存取發票。17

焦點不在於 AI 代理人創造了全新黑客手法，而是它據報以較少人手介入，串連起偵察、認證登入、尋找漏洞，以及讀取或修改資料等本來已存在的入侵步驟。117

AEPD 講咗乜，又冇講乜？

AEPD 並無點名涉及哪一個 LLM，亦特別澄清：有人聲稱利用某個模型的代理人發動攻擊，不代表該模型本身或供應商的基建遭入侵；亦不代表相關技術原意是用作惡意用途。指控所指的是第三方把 AI 代理人當作攻擊工具使用。17

這項分別十分關鍵。現時是一次通報，不是已獨立驗證每項技術細節的調查結論。AEPD 的說法以受影響機構提供的資料為基礎，仍在評估中。178

單一個案亦不足以證明已出現廣泛趨勢。不過，其實務意義在於展示了一種可能：AI 驅動的自動化，可能令攻擊者更快、亦更靈活地走完整條既有攻擊鏈。117

點解對私隱與 AI 管治重要？

AEPD 對「代理式 AI」的理解，並不止於回答問題的聊天工具，而是可自主互動、以達成目標的系統。該局的資料保護指引將 AI 代理人界定為利用語言模型去完成目標的人工智能系統。2819

這會改變處理個人資料機構的風險盤算。問題不只是機構有否自行部署 AI：攻擊者也可用代理人針對對外暴露的服務、薄弱憑證、未修補的應用程式，或權限過闊的帳戶。到了這一步，資料保護與網絡保安已不可分割——一次保安失誤，很快就可演變成個人資料外洩。

機構而家應點準備？

AEPD 的實際警告是：AI 可提升既有惡意手法的速度、規模及適應力，令機構識別、遏止及評估事故的時間更少。17

資料控制者、資料處理者及資料保護主任，應將 AI 輔助攻擊明確納入保安與私隱風險評估。這不代表要另起爐灶建立一套完全不同的保安計劃；而是要測試原有控制措施，在攻擊者可自動探索、多路嘗試並在初次入侵後持續探測的情況下，是否仍然有效。

優先範圍包括：

• 漏洞管理： 及早找出並修補暴露弱點，尤其是連接個人資料環境的應用程式。
• 身分及存取控制： 減少依賴薄弱驗證方式、收窄權限，並檢視可被用作橫向移動的存取路徑。
• 事故應變： 演練偵察和利用漏洞速度遠超傳統假設的情境。
• AI 代理人管治： 為機構內部使用代理人訂立清晰控制，並評估第三方工具如何接觸內部系統及敏感資料。
• 威脅建模： 納入代理式系統帶來的資料外洩及披露風險；AEPD 建議採用 LIINE4DU 框架識別私隱威脅。19

係警號，唔係「AI 攻擊潮」的證明

AEPD 的通報不應被解讀為：LLM 已可自行製造一種全新攻擊類別，或未具名模型供應商遭攻破。事件事實仍屬指稱，並在審核中。17

但它確實是監管層面的一個具體訊號：機構不能再假設傳統控制措施只會面對「人手速度」的測試。對私隱及保安團隊而言，眼前要做的是驗證基本功——修補漏洞、強化驗證、最小權限、持續監察，以及經演練的資料外洩應變——能否抵禦可將更多攻擊流程自動化的對手。1719

西班牙資料保護局（AEPD）表示，已收到首宗據稱由 AI 代理人執行的個人資料外洩通報。要留意，這並非監管機構已作出的最終裁定：事件資料由受影響機構提交，現時仍在分析。不過，AEPD 視之為一個重要警號——可自主行動的系統，或已開始直接參與針對處理個人資料系統的網絡攻擊。171

據報攻擊過程做過乜？

按 AEPD 公布的通報內容，一名未具名第三方使用了一個連接「知名大型語言模型」（LLM）的 AI 代理人，攻擊過程據報如下：

1. 代理人先在通用檔案中搜尋漏洞；
2. 成功登入該機構系統；
3. 進入系統後，自主在應用程式內繼續尋找其他弱點；
4. 據稱利用發現的漏洞，改動個人資料並存取發票。17

焦點不在於 AI 代理人創造了全新黑客手法，而是它據報以較少人手介入，串連起偵察、認證登入、尋找漏洞，以及讀取或修改資料等本來已存在的入侵步驟。117

AEPD 講咗乜，又冇講乜？

AEPD 並無點名涉及哪一個 LLM，亦特別澄清：有人聲稱利用某個模型的代理人發動攻擊，不代表該模型本身或供應商的基建遭入侵；亦不代表相關技術原意是用作惡意用途。指控所指的是第三方把 AI 代理人當作攻擊工具使用。17

這項分別十分關鍵。現時是一次通報，不是已獨立驗證每項技術細節的調查結論。AEPD 的說法以受影響機構提供的資料為基礎，仍在評估中。178

單一個案亦不足以證明已出現廣泛趨勢。不過，其實務意義在於展示了一種可能：AI 驅動的自動化，可能令攻擊者更快、亦更靈活地走完整條既有攻擊鏈。117

點解對私隱與 AI 管治重要？

AEPD 對「代理式 AI」的理解，並不止於回答問題的聊天工具，而是可自主互動、以達成目標的系統。該局的資料保護指引將 AI 代理人界定為利用語言模型去完成目標的人工智能系統。2819

這會改變處理個人資料機構的風險盤算。問題不只是機構有否自行部署 AI：攻擊者也可用代理人針對對外暴露的服務、薄弱憑證、未修補的應用程式，或權限過闊的帳戶。到了這一步，資料保護與網絡保安已不可分割——一次保安失誤，很快就可演變成個人資料外洩。

機構而家應點準備？

AEPD 的實際警告是：AI 可提升既有惡意手法的速度、規模及適應力，令機構識別、遏止及評估事故的時間更少。17

資料控制者、資料處理者及資料保護主任，應將 AI 輔助攻擊明確納入保安與私隱風險評估。這不代表要另起爐灶建立一套完全不同的保安計劃；而是要測試原有控制措施，在攻擊者可自動探索、多路嘗試並在初次入侵後持續探測的情況下，是否仍然有效。

優先範圍包括：

• 漏洞管理： 及早找出並修補暴露弱點，尤其是連接個人資料環境的應用程式。
• 身分及存取控制： 減少依賴薄弱驗證方式、收窄權限，並檢視可被用作橫向移動的存取路徑。
• 事故應變： 演練偵察和利用漏洞速度遠超傳統假設的情境。
• AI 代理人管治： 為機構內部使用代理人訂立清晰控制，並評估第三方工具如何接觸內部系統及敏感資料。
• 威脅建模： 納入代理式系統帶來的資料外洩及披露風險；AEPD 建議採用 LIINE4DU 框架識別私隱威脅。19

係警號，唔係「AI 攻擊潮」的證明

AEPD 的通報不應被解讀為：LLM 已可自行製造一種全新攻擊類別，或未具名模型供應商遭攻破。事件事實仍屬指稱，並在審核中。17

但它確實是監管層面的一個具體訊號：機構不能再假設傳統控制措施只會面對「人手速度」的測試。對私隱及保安團隊而言，眼前要做的是驗證基本功——修補漏洞、強化驗證、最小權限、持續監察，以及經演練的資料外洩應變——能否抵禦可將更多攻擊流程自動化的對手。1719