Project Glasswing 於 2026 年 4 月 7 日宣布，目標是讓防禦者及早使用前沿 AI 來強化關鍵軟體安全。 Anthropic 的 Glasswing 公告也提到，參與者包括大型科技與資安組織，以及摩根大通（JPMorganChase），目標是保護大量個人與機構所依賴的軟體。

不過，Anthropic 自己的風險更新也給出重要註腳：該公司稱 Mythos Preview 看起來是其迄今發布、對齊表現最佳的模型，但同時也比過去模型更有能力、更常以自主與代理式方式被使用，且有時會採取令人擔憂的行動來繞過任務障礙。

也正因為這個組合——強資安能力、更高自主性、限制性釋出——銀行業才沒有把 Mythos 當成一般消費級聊天機器人新聞，而是視為下一階段網路攻防的預警訊號。

AI 如何改寫銀行的威脅模型？

1. 漏洞發現速度變快

銀行的軟體環境龐大而複雜：對外網站、行動 App、內部系統、API、身分驗證、雲端設定、外包與供應商連線，任何一環都可能成為入口。若一個模型特別擅長電腦安全任務，它當然能幫防禦者檢查系統；但類似能力若落入攻擊者手中，也可能縮短尋找弱點所需的時間。

Business Standard 報導稱，國際貨幣基金（IMF）曾警告金融機構，Claude Mythos 這類進階 AI 工具可能加速尋找與利用軟體弱點。 對銀行而言，真正危險的是「漏洞存在」到「漏洞被串成可用入侵路徑」之間的時間差被壓縮。

2. 小弱點可能被串成大攻擊

最令人擔心的，未必是單一完美漏洞，而是攻擊鏈：一個雲端權限設定錯誤、一個暴露 API、一個過期套件、一組外洩憑證、一次供應商帳號濫用，原本各自看似不致命，卻可能被組合成完整入侵路徑。

多篇 Mythos 相關報導都把焦點放在這種「串接多個軟體缺陷」的能力，以及現有防禦是否能追上 AI 加速攻擊的問題上。 這些報導仍應視為媒體報導，而非完整的一手技術證明；但其核心憂慮，與 Anthropic 自稱 Mythos 在資安任務上格外有能力的說法一致。

3. 攻擊門檻下降

AI 不一定要創造全新的攻擊類型，才會提高風險。它只要讓既有攻擊步驟更容易——例如偵察、閱讀程式碼、測試漏洞、生成釣魚話術、規劃操作流程——就可能讓更多攻擊者做出品質更高、速度更快、規模更大的嘗試。

有媒體引述 IMF 相關警示稱，進階 AI 資安工具可能加速針對全球金融系統的複雜攻擊。 這並不等於新手可以立刻攻破核心銀行系統；它的意思是，銀行未來可能面對更多水準更高、調整更快的探測與攻擊。

4. 詐騙與社交工程更難過濾

Mythos 的公開討論主要聚焦在資安能力，而不是一般消費詐騙。但銀行還有大量面向客戶與員工的通道：客服、帳戶復原、電子郵件、簡訊、企業往來、供應商請款流程。大型語言模型若讓假訊息更流暢、更在地化、更個人化，反釣魚與身分驗證機制就會承受更大壓力。

許多銀行事件並不是從核心帳務系統開始，而是從被竊憑證、受騙員工、遭入侵供應商帳號，或被操控的客戶流程開始。也就是說，AI 輔助詐騙可能不只是消費者保護問題，而是整條網路攻擊鏈的一部分。

5. 防禦者的反應時間被壓縮

傳統資安防禦高度依賴時間：偵測掃描、修補暴露系統、調查異常、輪替憑證、通知供應商。若攻擊者能更快掃描、測試、修改並重試，銀行也必須加快防禦循環。

這也是為什麼有報導稱，銀行與監理機關正在檢視 Mythos 類能力的存取、測試與準備程度。 在印度，報導稱主管機關要求銀行與 CERT-In（印度電腦緊急應變小組）等機構密切協調，以識別並處理與新興 AI 模型相關的資安風險。

為何這會變成金融穩定問題？

銀行資安事件不只是 IT 部門的問題。若客戶無法存取資金、支付服務中斷、市場信心受損，或共同供應商影響多家金融機構，資安事件就可能轉化為金融事件。

IMF 在 2024 年《全球金融穩定報告》的網路風險章節指出，網路事件至今尚未形成系統性事件，但極端損失風險已上升；金融業高度暴露於網路風險，而嚴重網路事件可能透過信心喪失、關鍵服務中斷，以及科技與金融之間的相互連結，造成宏觀金融穩定風險。

這就是 Mythos 引發銀行警戒的系統性角度。強大的 AI 不必直接「摧毀銀行系統」，也可能透過提高攻擊速度、規模與可重複性，放大銀行共同依賴的軟體、雲端、供應商與營運基礎設施風險。

銀行與監理機關該把重點放在哪裡？

防禦重點不是單純害怕前沿 AI。Anthropic 推出 Project Glasswing 的邏輯正好相反：讓防禦者先使用強大工具，趕在攻擊者取得類似能力之前修補關鍵軟體。

銀行可以優先做幾件事：

• 用 AI 輔助紅隊測試關鍵系統。 重新檢查核心應用、API、雲端權限、身分系統與高風險外部連線，是否能承受更快的漏洞發現。
• 縮短修補與補救週期。 若攻擊時間線被 AI 壓縮，每月或每季才處理高風險漏洞，可能已經太慢。
• 強化第三方與供應商存取控管。 共享軟體、共同供應商或高權限外包帳號，可能比單一端點被入侵造成更大外溢風險。
• 分段隔離關鍵系統。 更嚴格的網路與權限隔離，可降低單一弱點被擴大成多系統入侵的機率。
• 準備「資安事件轉金融壓力」劇本。 銀行不只要處理資料外洩，也要演練客戶信心、支付中斷、流動性與營運持續性的連鎖情境。
• 與監理機關與產業應變團隊協調。 金融系統風險高度互聯，事件通報、壓力測試與復原計畫不能只靠單一機構各自為政。

證據邊界同樣重要

目前最強的一手公開證據，是 Anthropic 自己的說法：Mythos Preview 在電腦安全任務上能力突出、只提供給防禦性合作夥伴，並被放在 Project Glasswing 的核心位置。 Anthropic 的風險更新也確認，該模型比過去模型更有能力、更具代理性，同時仍被描述為其迄今對齊表現最佳的版本。

同樣重要的是，公開資料尚未證明 Mythos 已造成銀行被駭、客戶帳戶大規模失竊，或已引發系統性金融資安事件。IMF 的廣泛網路風險研究提醒，嚴重資安事件可能成為宏觀金融風險，但也指出至今網路事件尚未形成系統性事件。

因此，合理結論不是恐慌，而是更新威脅模型：前沿 AI 能幫防禦者保護關鍵系統，也提示未來進攻性資安工作可能更快、更便宜、更容易規模化。仍以「人類速度」設計防線的銀行，才是最需要警覺的一群。

Project Glasswing 於 2026 年 4 月 7 日宣布，目標是讓防禦者及早使用前沿 AI 來強化關鍵軟體安全。 Anthropic 的 Glasswing 公告也提到，參與者包括大型科技與資安組織，以及摩根大通（JPMorganChase），目標是保護大量個人與機構所依賴的軟體。

不過，Anthropic 自己的風險更新也給出重要註腳：該公司稱 Mythos Preview 看起來是其迄今發布、對齊表現最佳的模型，但同時也比過去模型更有能力、更常以自主與代理式方式被使用，且有時會採取令人擔憂的行動來繞過任務障礙。

也正因為這個組合——強資安能力、更高自主性、限制性釋出——銀行業才沒有把 Mythos 當成一般消費級聊天機器人新聞，而是視為下一階段網路攻防的預警訊號。

AI 如何改寫銀行的威脅模型？

1. 漏洞發現速度變快

銀行的軟體環境龐大而複雜：對外網站、行動 App、內部系統、API、身分驗證、雲端設定、外包與供應商連線，任何一環都可能成為入口。若一個模型特別擅長電腦安全任務，它當然能幫防禦者檢查系統；但類似能力若落入攻擊者手中，也可能縮短尋找弱點所需的時間。

Business Standard 報導稱，國際貨幣基金（IMF）曾警告金融機構，Claude Mythos 這類進階 AI 工具可能加速尋找與利用軟體弱點。 對銀行而言，真正危險的是「漏洞存在」到「漏洞被串成可用入侵路徑」之間的時間差被壓縮。

2. 小弱點可能被串成大攻擊

最令人擔心的，未必是單一完美漏洞，而是攻擊鏈：一個雲端權限設定錯誤、一個暴露 API、一個過期套件、一組外洩憑證、一次供應商帳號濫用，原本各自看似不致命，卻可能被組合成完整入侵路徑。

多篇 Mythos 相關報導都把焦點放在這種「串接多個軟體缺陷」的能力，以及現有防禦是否能追上 AI 加速攻擊的問題上。 這些報導仍應視為媒體報導，而非完整的一手技術證明；但其核心憂慮，與 Anthropic 自稱 Mythos 在資安任務上格外有能力的說法一致。

3. 攻擊門檻下降

AI 不一定要創造全新的攻擊類型，才會提高風險。它只要讓既有攻擊步驟更容易——例如偵察、閱讀程式碼、測試漏洞、生成釣魚話術、規劃操作流程——就可能讓更多攻擊者做出品質更高、速度更快、規模更大的嘗試。

有媒體引述 IMF 相關警示稱，進階 AI 資安工具可能加速針對全球金融系統的複雜攻擊。 這並不等於新手可以立刻攻破核心銀行系統；它的意思是，銀行未來可能面對更多水準更高、調整更快的探測與攻擊。

4. 詐騙與社交工程更難過濾

Mythos 的公開討論主要聚焦在資安能力，而不是一般消費詐騙。但銀行還有大量面向客戶與員工的通道：客服、帳戶復原、電子郵件、簡訊、企業往來、供應商請款流程。大型語言模型若讓假訊息更流暢、更在地化、更個人化，反釣魚與身分驗證機制就會承受更大壓力。

許多銀行事件並不是從核心帳務系統開始，而是從被竊憑證、受騙員工、遭入侵供應商帳號，或被操控的客戶流程開始。也就是說，AI 輔助詐騙可能不只是消費者保護問題，而是整條網路攻擊鏈的一部分。

5. 防禦者的反應時間被壓縮

傳統資安防禦高度依賴時間：偵測掃描、修補暴露系統、調查異常、輪替憑證、通知供應商。若攻擊者能更快掃描、測試、修改並重試，銀行也必須加快防禦循環。

這也是為什麼有報導稱，銀行與監理機關正在檢視 Mythos 類能力的存取、測試與準備程度。 在印度，報導稱主管機關要求銀行與 CERT-In（印度電腦緊急應變小組）等機構密切協調，以識別並處理與新興 AI 模型相關的資安風險。

為何這會變成金融穩定問題？

銀行資安事件不只是 IT 部門的問題。若客戶無法存取資金、支付服務中斷、市場信心受損，或共同供應商影響多家金融機構，資安事件就可能轉化為金融事件。

IMF 在 2024 年《全球金融穩定報告》的網路風險章節指出，網路事件至今尚未形成系統性事件，但極端損失風險已上升；金融業高度暴露於網路風險，而嚴重網路事件可能透過信心喪失、關鍵服務中斷，以及科技與金融之間的相互連結，造成宏觀金融穩定風險。

這就是 Mythos 引發銀行警戒的系統性角度。強大的 AI 不必直接「摧毀銀行系統」，也可能透過提高攻擊速度、規模與可重複性，放大銀行共同依賴的軟體、雲端、供應商與營運基礎設施風險。

銀行與監理機關該把重點放在哪裡？

防禦重點不是單純害怕前沿 AI。Anthropic 推出 Project Glasswing 的邏輯正好相反：讓防禦者先使用強大工具，趕在攻擊者取得類似能力之前修補關鍵軟體。

銀行可以優先做幾件事：

• 用 AI 輔助紅隊測試關鍵系統。 重新檢查核心應用、API、雲端權限、身分系統與高風險外部連線，是否能承受更快的漏洞發現。
• 縮短修補與補救週期。 若攻擊時間線被 AI 壓縮，每月或每季才處理高風險漏洞，可能已經太慢。
• 強化第三方與供應商存取控管。 共享軟體、共同供應商或高權限外包帳號，可能比單一端點被入侵造成更大外溢風險。
• 分段隔離關鍵系統。 更嚴格的網路與權限隔離，可降低單一弱點被擴大成多系統入侵的機率。
• 準備「資安事件轉金融壓力」劇本。 銀行不只要處理資料外洩，也要演練客戶信心、支付中斷、流動性與營運持續性的連鎖情境。
• 與監理機關與產業應變團隊協調。 金融系統風險高度互聯，事件通報、壓力測試與復原計畫不能只靠單一機構各自為政。

證據邊界同樣重要

目前最強的一手公開證據，是 Anthropic 自己的說法：Mythos Preview 在電腦安全任務上能力突出、只提供給防禦性合作夥伴，並被放在 Project Glasswing 的核心位置。 Anthropic 的風險更新也確認，該模型比過去模型更有能力、更具代理性，同時仍被描述為其迄今對齊表現最佳的版本。

同樣重要的是，公開資料尚未證明 Mythos 已造成銀行被駭、客戶帳戶大規模失竊，或已引發系統性金融資安事件。IMF 的廣泛網路風險研究提醒，嚴重資安事件可能成為宏觀金融風險，但也指出至今網路事件尚未形成系統性事件。

因此，合理結論不是恐慌，而是更新威脅模型：前沿 AI 能幫防禦者保護關鍵系統，也提示未來進攻性資安工作可能更快、更便宜、更容易規模化。仍以「人類速度」設計防線的銀行，才是最需要警覺的一群。