一人紫隊：AI Agent 企業 Cyber Range 紅藍隊自動化對抗實戰課程
三句話摘要
恆毅教育訓練中心推出「一人紫隊」課程，教你用 AI Agent 同時自動化執行紅隊攻擊與藍隊防禦，讓一個人具備完整攻防能力。 --- AI Agent 讓一個人就能以分鐘為單位執行完整的紅藍隊對抗，企業資安的競爭門檻已從「人多不多」轉變為「你的 Agent 夠不夠聰明」。 1. 攻守不對稱已成現實
重點整理
重點- 1
1. 攻守不對稱已成現實
- 2
攻擊方以 AI 全自動化、無時區限制持續運作，防禦方卻受限於人力、下班時間與繁瑣流程，靠補人根本無法縮小差距，AI Agent 是結構性解法。
- 3
2. AI 安全有五個維度，這門課聚焦兩個
- 4
講師將 AI 安全拆為：AI Security（攻 AI 系統）、AI Safety（AI 傷害他人）、AI Augmented（AI 強化技能）、AI Governance（治理框架）、Autonomous AI（自主 AI）。本課程專注「Autonomous AI」與「AI Augmented」，不教打 AI 系統，也不談治理。
- 5
3. 一句話就能讓 AI 完成完整攻擊鏈
- 6
Demo 展示 Gemini 只憑一句 Targeting 指令，自動完成掃描 → 路徑爆破 → 發現 WordPress → WPScan → 找漏洞 → 撰寫 Exploit → 發動攻擊，全程無需人工介入，速度遠超傳統手動操作的 40 分鐘。
- 7
4. 紫隊整合才是最終價值
- 8
紅隊攻完、藍隊守完之後，透過 D3FEND 框架交叉比對兩份結果，AI 自動產出結構化報告，量化企業防禦覆蓋率，這是傳統演練礙於人力根本做不到的持續驗證機制。
- 9
--
實用技巧與重點
乾貨- 具體數字與成本
- 傳統人工手動攻擊流程：約 40 分鐘（不卡關最快）
- 傳統人工 Log 分析：老鳥約 1 小時（若卡關則超過）
- AI Agent 執行攻擊 Demo：全程未快轉，數分鐘內完成
- AI Agent 分析 Log Demo：約 2 分半鐘，輸出結構化表格
- 外部紅隊演練市場行情：單場 300–500 萬新台幣
- 課程時數：5 天、35 小時
- Cyber Range 課後使用期：2 個月
- AI Agent 訂閱費用：不含在課程費用內，學員自理
- 工具與平台
- AI Agent 示範模型：Gemini
- 攻擊掃描工具：Nmap、WPScan（由 AI 自行調用）
- 日誌分析平台：ELK（Elasticsearch / Kibana）
- 實戰環境：OffSec Enterprise Cyber Range
- 攻擊框架：MITRE ATT&CK
- 防禦/驗收框架：D3FEND（Detect Framework）
- AI 治理框架（提及但非課程範圍）：AIMS 42001
- Agent 間通訊協定：MCP（Model Context Protocol）
- 課程涵蓋技術模組
- 從零建構 AI Agent 環境
- Skill 封裝（將固定任務包成可重複呼叫的 Skill）
- SubAgent 拆分（主 Agent 指揮多個子 Agent 平行執行）
- MCP 串接（Agent 與外部系統如 SIEM 的連接方式）
- 紅隊 Agent：偵查 → 入侵 → 橫移 → 洩露
- 藍隊 Agent：告警分析 → 偵測 → 應變
- 紫隊整合：D3FEND 框架驗收 + AI 自動報告生成
- 適合對象
- 現職資安工程師、滲透測試人員
- 想把 AI Agent 導入工作流程者
- 具備基本 IT/系統管理背景（零基礎不建議）
- 不適合對象
- 完全無 IT 背景者
- 只想了解 AI 概念而非動手實作者
- --
結論
結論“AI Agent 讓一個人就能以分鐘為單位執行完整的紅藍隊對抗，企業資安的競爭門檻已從「人多不多」轉變為「你的 Agent 夠不夠聰明」。”
完整解析
詳細企業資安長期面臨兩個無解困境：人才嚴重不足，且這個問題在可見的未來不會消失；加上即便有人力，日常的演練結果也難以量化、追蹤與持續驗證。更棘手的是攻守兩端的不對稱性——攻擊方已全面 AI 化，以分鐘為單位、24 小時不間斷地自動發動攻擊，不需要休息，不需要下班，更沒有任何法規限制；而防禦方卻仍深陷人工作業的泥淖，分析師五點要去接小孩，周末不在線，傳統工作流程一個告警從發現到回應就要耗費大量時間。恆毅的這門新課正是直接面對這個結構性困境而設計。
課程的核心概念是「一人紫隊」。講師 Vincent 首先釐清了 AI 安全的五個維度：攻擊 AI 系統（AI Security）、AI 系統的安全性（AI Safety）、以 AI 強化人類技能（AI Augmented）、AI 治理（Governance），以及自主式 AI（Autonomous AI / AI Agent）。這門課聚焦在後兩者——讓一個人透過操控三套 AI Agent（紅隊 Agent、藍隊 Agent、紫隊整合），同時具備攻擊與防禦能力。紫色這個名稱本身就來自於紅加藍的概念，象徵攻守整合、雙向驗證的精神。
課程中 Demo 的效果相當直觀。在紅隊端，傳統手動攻擊流程——掃描、路徑爆破、發現 WordPress、用 WPScan 驗證、找漏洞、撰寫 Exploit、發動攻擊——熟手需要約 40 分鐘。而交給 Gemini AI Agent 之後，Vincent 只輸入一句指令鎖定目標，AI 便自行完成整條攻擊鏈，速度遠快於人工，且不需要任何中途介入。在藍隊端，面對 ELK 裡數千筆的 Log，資深分析師至少要花一個小時才能順利梳理出結論；AI Agent 在約兩分半鐘內不僅完成分析，還能在收到「我看不懂，列成表格」的要求後，立刻重新以結構化表格呈現結果。兩個 Demo 都刻意未加速播放，就是為了讓觀眾真實感受 AI 帶來的速度差距。
在技術架構上，課程涵蓋從零建構 AI Agent 環境、將重複性任務封裝成 Skill、透過 SubAgent 機制讓主 Agent 指揮多個子 Agent 平行作業，以及使用 MCP 協定將 AI 串接至 SIEM 等外部系統。攻擊端採用 MITRE ATT&CK 框架作為標準，防禦與驗收端採用 D3FEND（Detect 框架）——後者在台灣金融業也頗為常用。演練結束後，紅藍兩套 Agent 的結果會透過 AI 自動彙整成完整報告，量化企業的防禦覆蓋率，解決過去演練完就結束、缺乏持續追蹤的問題。環境方面，課程建構於 OffSec Enterprise Cyber Range 之上，提供完整情境而非單台模擬機器，且課後可繼續使用兩個月，讓學員有充分時間熟悉 Agent 的行為邊界再考慮導入正式環境。
---
關鍵時刻
Pipeline v2帶時間戳的重點，會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。
事實查核
Pipeline v2說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。
