🚨 GitLab 出現最高 10 分重大漏洞、OVHcloud 在 GitHub 上的軟體發布檔遭掉包，連替網站身分背書的憑證私鑰，竟然都弱到只是數字「4」。 上週我才拍了一支影片，提醒大家：當 AI 開始突破長年未解的數學問題，我們就應該認真思考，它會如何改變密碼學、資安，以及金融系統的安全。 這幾天接連出現的事件，讓這個問題變得更迫切。 💻 先看 GitLab 和 GitHub 相關事件。 GitLab 在 10 月 21 日修補一個 CVSS 10.0 分的重大漏洞。在特定條件下，攻擊者不需要登入，就可能在受影響的 GitLab 伺服器上執行任意程式碼。http://GitLab.com 已修補，但自行架設的企業需要更新。 這是已確認的重大漏洞，不能直接說成「GitLab 全平台被駭」。(http://docs.gitlab.com) GitHub 這邊，OVHcloud 已確認：一名開發者的 GitHub 帳號遭入侵，攻擊者在 10 月 19 日把部分 CLI 軟體發布檔替換成惡意版本，企圖竊取使用者電腦中的機密資料。 這次被攻破的是開發者帳號與發布檔的信任鏈，並非已證實 GitHub 平台本身遭入侵。(http://github.com) 想像一下：你只是去熟悉的專案下載工具，下載回來的東西卻已經被換掉。 OVHcloud 事件公告： https://github.com/ovh/ovhcloud-cli/security/advisories/GHSA-862f-55f5-vmvw 同一波消息裡，Railway 也公告客戶環境變數可能遭未授權存取，部分內容可能已被解密，涉及 API 金鑰、資料庫帳密等機密；Oracle Java 則發布了 9.1 分的安全警報。(http://blog.railway.com, http://oracle.com) 這些事件碰到的，都是企業每天依賴的基礎設施。 🔐 但最讓我傻眼的，還是 eMudhra。 它是一家數位憑證機構。簡單說，這類機構負責替網站身分背書，讓你的瀏覽器或應用程式判斷：「現在連到的，真的是我要找的那個網站。」 這次有 8 張中繼憑證的私鑰弱到可以快速還原。資安研究員實際驗證，其中一把私鑰竟然就是「4」。 不是四百位數，不是以 4 開頭。 就是 4。(http://scotthelme.co.uk) 這跟金融安全有什麼關係？ 當你登入網銀、連接支付服務，或讓企業系統交換敏感資料時，除了傳輸內容受到保護，還有一個基本前提： 你必須能確認，對面真的就是你以為的那個對象。 如果替網站身分背書的私鑰落入他人手上，在尚未撤銷相關信任的系統中，攻擊者就可能偽造憑證，再配合流量攔截等條件，冒充合法服務。 Cloudflare 已經針對這次事件部署防護，也明確說明，問題出在憑證身分驗證，而不是 TLS 加密演算法本身。(http://blog.cloudflare.com) 這不代表銀行帳戶已經全面失守，但它揭露了一個很現實的問題： 再複雜的金融系統，也可能被一個極其低級的底層錯誤拖累。 事件說明： https://blog.cloudflare.com/emudhra-certificate-compromise/ 🧠 而 AI 與重大漏洞之間，已經有直接的連結。 這次 PHP 公布的兩個重大漏洞，嚴重程度都是 9.2 分，可能造成未經驗證的遠端程式碼執行。 Google 官方表示，Wiz 使用多個模型協助研究，其中 Gemini 4 Argon 參與了漏洞發現、利用方式開發、攻擊偵測與修補驗證。 這是防禦研究，但它清楚顯示：AI 已經能參與發現與分析重大軟體漏洞。(http://cloud.google.com) 當這種能力變得更強、更便宜、更容易取得，攻防雙方能做到的事情都會改變。 📐 再回頭看九月、十月的數學進展。 OpenAI 在 9 月公布了其內部系統對 Navier–Stokes 千年難題的解答與形式化證明；10 月又公開一大批 AI 產生的數學研究成果。 其中不同成果仍處於不同驗證階段，但這些公開研究，已經足以讓我們重新評估 AI 能處理問題的深度。(http://openai.com, http://openai.com, http://github.com) 研究資料： https://github.com/openai/math 所以我真正想問的是： 當 AI 能深入研究這些數學問題，我們有沒有同樣認真地評估，它在密碼分析、金鑰管理、憑證驗證與軟體漏洞上的能力？ 公開看到的成果，和內部正在測試的能力，又有多大差距？ 我認為涉及重大安全風險的發現，可能不會像一般研究成果一樣立即完整公開。但沒有公開，不能直接推論成「一定已經破解」。 值得警覺的事情，已經不需要靠這個推論才能成立。 🤖 至於最近把 Fable 5.5 與 swarm 攻擊連在一起的說法，目前還沒有足夠的一手證據可以確認。 但多個 AI agent 分工研究、持續測試、交換結果，確實是一個值得嚴肅看待的攻擊情境。 如果攻擊者能讓這些 agent 全天候運作，而企業修補漏洞仍要開會、排程、等外包廠商，攻防速度的落差會有多大？ 對金融機構來說，風險也不限於自己寫的程式。 憑證機構、雲端平台、開發工具、軟體套件、外包系統，只要其中一環出問題，都可能成為需要處理的入口。 尤其當老舊系統更新困難、供應商權限不清楚、機密金鑰又散落各處，AI 帶來的攻擊效率提升，可能讓原本被忽略的問題更快被利用。 ⚠️ 我上週提醒的，就是這種風險。 這幾天的事件還不能證明「AI 正在攻破全球金融系統」，也沒有證據顯示它們全由同一波 AI 攻擊造成。