AI 正改變漏洞發現方式，但漏洞揭露增加不等於攻擊暴增

Google 威脅情報團隊（GTIG）發現，2026 年 1 月至 8 月，軟體漏洞每月公開揭露數量增加逾一倍；同期觀察到遭攻擊者利用的漏洞數也上升，但幅度較小。GTIG 也指出，可能由 AI 協助發現的漏洞，類型與風險樣貌和其他漏洞有所不同，其中可導致遠端程式碼執行的比例較高。不過，這些資料無法釐清整體增幅有多少是 AI 單獨造成的。317

漏洞揭露增加，不代表攻擊同步暴增

每月公開揭露的漏洞，從 2026 年 1 月的 5,045 件，增至 8 月的 10,740 件。GTIG 統計，2026 年前八個月共有 141 個不同漏洞被觀察到遭利用；2025 全年則為 127 個。若看每月平均數，遭利用的漏洞從 2025 年的 10.5 個，增至 2026 年 1 月至 8 月的 18 個。3

這兩組數字衡量的是不同事情：揭露數代表公開的漏洞數量；遭利用數則是研究人員觀察到攻擊者實際利用的不同漏洞數。它們都不是攻擊事件或受害者的數量。因此，揭露數大幅增加，不表示新公開的漏洞有同等比例遭到攻擊。3

資料顯示漏洞發現與利用都在增加，但無法單獨證明 AI 是任何一項趨勢的成因。GTIG 的分析呈現的是 AI 對漏洞發現的影響，以及部分漏洞風險特徵的變化，而非 AI 對整體增幅的精確貢獻。329

AI 協助發現的漏洞，風險樣貌有何不同？

在 GTIG 歸類為「可能由 AI 發現」的漏洞中，約有一半可導致遠端程式碼執行（RCE）；其他漏洞的比例約為 26%。RCE 代表攻擊者可能在有漏洞的系統上執行程式碼，因此這項差異值得留意。不過，「可能由 AI 發現」是一種歸因判斷，並不表示該組每個漏洞都是 AI 獨立找出的。1723

嚴重程度也要分開看。報導 GTIG 分析的資料指出，可能由 AI 發現的漏洞中，有 58% 被評為中度風險；其他揭露漏洞則為 28%。被評為高風險的比例約為 4%，與非 AI 組別相近。另一方面，依 GTIG 自身的風險評級，高風險漏洞揭露數從 1 月的 131 件增至 8 月的 350 件；這是整體揭露數的變化，不只包括歸因於 AI 的漏洞。232829

零時差漏洞之外，也別忽略已知漏洞

「零時差漏洞」（zero-day）是指在修補程式尚未推出前，就已遭到利用的漏洞。「N-day 漏洞」則是已公開為人所知的漏洞，通常已有修補程式，但未更新的系統仍可能受到攻擊。

GTIG 指出，每月平均遭利用的零時差漏洞，從 2025 年約 8 個，升至 2026 年 1 月至 8 月約 11 個；增幅比整體漏洞利用情況溫和。這也提醒防守方，風險不只來自新的零時差漏洞：公開已久、但仍未修補的漏洞，也可能成為攻擊目標。現有數據並未說明 N-day 漏洞遭利用的情況中，有多少是 AI 協助促成。329

GTIG 另曾發現一名犯罪行為者持有一個零時差漏洞利用工具，並認為該工具可能是以 AI 開發。對方原計畫發起大規模利用行動，但 GTIG 表示，團隊的預先偵測可能阻止了這次行動。這是 AI 參與漏洞利用開發的個案，不足以證明 AI 造成整體漏洞利用數上升。7

AI 軟體本身也要納入防護範圍

GTIG 指出，支援大型語言模型開發與部署的軟體生態系，本身也已成為遭利用的目標。組織應把 AI 元件與服務視為正式生產環境的一部分，納入攻擊面管理；處理個別漏洞時，則應依系統是否暴露於外部，以及是否有遭利用的證據來判斷優先順序。1

目前資料指出了 AI 軟體生態系面臨的整體風險，但沒有提供可據以確認的特定 AI 軟體漏洞名稱或細節；因此不宜把這項趨勢延伸成未經證實的個案。1

防守方與軟體廠商可以怎麼做？

**防守方：**不要只看漏洞揭露量來排定修補順序。應綜合評估受影響系統是否暴露於外部、可能造成的影響，以及是否已有遭利用的證據；盤點對外連線系統與 AI 軟體，並及時安裝可用修補程式。對於尚無修補程式、但已遭利用的漏洞，也應預先準備監控與緩解措施。已公開的漏洞則要盡量縮短評估到修補的時間。389

**軟體廠商：**可在人工審查之外，運用 AI 輔助測試，及早發現並驗證漏洞；同時應以保護正式產品的標準管理 AI 元件，並及時提供修補程式與可採取行動的安全公告，讓客戶能判斷受影響範圍並更新系統。GTIG 的分析提醒，不能只關注發現了多少漏洞，也要留意漏洞可能造成的影響。48