KeyFrame內部研究專用

Podcast with a REAL HACKER 🖥️ Part 3 | AI Scams, Phone Hacking & Cybersecurity Careers in 2026

Technical Suneja·7月25日週六·63 min英文

三句話摘要

網路安全專家展示如何從手機號碼推導個人隱私,並警示AI時代的身份盜竊、詐騙與監控風險。 在AI可以複製你的臉、聲音、簽名,企業洩露資料無痛罰款的時代,數位信任的最後一道防線不在技術,而在於每個人建立「情境懷疑」的習慣——太好的投資機會、突然的緊急轉帳要求、來自熟人的視訊通話,都應先停頓、驗證、確認意圖。 個人資訊已無處可藏 — 使用者透過Instagram、LinkedIn、銀行KYC、餐飲App等平台自願分享的片段資訊,經過資料外洩後遭彙整,攻擊者可拼湊完整身份檔案用於冒充和詐騙。

重點整理

重點
  • 1

    個人資訊已無處可藏 — 使用者透過Instagram、LinkedIn、銀行KYC、餐飲App等平台自願分享的片段資訊,經過資料外洩後遭彙整,攻擊者可拼湊完整身份檔案用於冒充和詐騙。

  • 2

    生物辨識單獨使用等同虛設 — NIST規範禁止生物辨識作為唯一認證因素,因臉部、聲紋、指紋均已在公開領域可取得,應搭配密碼或裝置擁有權進行多因素認證。

  • 3

    AI具現身份複製威脅 — 只需3-4秒語音樣本和低解析度照片,AI模型即可生成70-80%逼真的聲音和影片,用於視訊通話詐騙(已有案例騙取20億盧比);三指測試可初步辨識。

  • 4

    企業與政府責任缺失 — 資料外洩後72小時內通報規定至2027年才生效,罰款額度(25億盧比)相對洩露規模微不足道,已泄露的8.5億Aadhaar卡資料仍在暗網流通。

實用技巧與重點

乾貨
  • 具體數字:網路犯罪2026年損失5兆美元,2029年達20兆美元;Aadhaar卡8.5億筆洩露;Star Health 3000萬用戶醫療記錄泄露;杜拜CEO詐騙案損失20億盧比
  • 工具與技術名稱:Faraday袋(屏蔽電磁頻率)、ESP32開發板(Wi-Fi信號監控)、Tor瀏覽器(暗網訪問)、BurbSuite(安全漏洞掃描)、MCP(模型連接協議)
  • 法規與期限:DPDP法規2027年生效;資料外洩72小時內必須通報;違反網路安全規範罰款2億至25億盧比
  • 防禦步驟:鎖定Aadhaar生物辨識授權、使用多因素認證、設定家庭暗碼、接電話後透過另一管道回撥、提高對投資詐騙的警覺
  • 認證推薦:CEH認證(Certified Ethical Hacker);學習平台:HackTheBox、BurbSuite學習入口

結論

結論

在AI可以複製你的臉、聲音、簽名,企業洩露資料無痛罰款的時代,數位信任的最後一道防線不在技術,而在於每個人建立「情境懷疑」的習慣——太好的投資機會、突然的緊急轉帳要求、來自熟人的視訊通話,都應先停頓、驗證、確認意圖。

完整解析

詳細

網路安全已從單純防禦技術漏洞,演變成防止整體身份生態系被滲透的終極戰役。

這支播客邀請14年經驗的紅隊安全分析師Rishabh Pandey現場展示:只需使用者一串手機號碼,攻擊者可在數分鐘內將該號碼作為「連接器」,串聯十數個外洩資料庫——銀行KYC、醫療保險記錄、餐飲App GPS位置、社交媒體親屬標籤、招聘網站成績單——拼湊出完整的個人檔案。這些資訊並非單一事件洩露,而是使用者在日常生活中「自願提供」給不同機構,卻在那些機構遭駭後集中流向暗網出售。Rishabh實機演示如何從一張低解析度照片和3秒語音樣本,利用AI生成能進行視訊通話的克隆分身,甚至能說出使用者從未說過的話——這正是杜拜某公司CEO遭詐騙20億盧比的手法。

防禦層面的困境在於:指紋、面部辨識技術本身並無問題,問題在於執行不當——以Aadhaar指紋支付系統為例,攻擊者利用矽膠膜複製指紋即可盜提存款,因為系統將生物辨識作為唯一認證因子。NIST早已規範生物辨識必須配合「你擁有的東西」(裝置)或「你知道的東西」(密碼),但許多企業至今未遵循。更棘手的是法律滯後——資料外洩的罰款規定要到2027年才生效,而8.5億份Aadhaar卡資料已在暗網流通多年。

網路犯罪規模已達2026年5兆美元年損失,預估2029年將達20兆美元——相當於全球第三大經濟體的GDP。這不只是個資料外洩議題,更涉及網路奴隸制——來自70-80個國家共7000人被詐騙至柬埔寨、印尼等國家並監禁,被迫執行詐騙腳本以償還「債務」。

入門網路安全不需過度複雜化:掌握基礎(OSI模型、TCP/IP、程式設計)、透過HackTheBox等平台實作演練、理解人工智慧安全新風險。Rishabh強調應養成的核心習慣只有一個——「換頻道驗證」:接到來電後透過另一管道回撥原號碼,確認身份。簡單卻有效。

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。

更多「AI 安全」的內容

SN 1093: Tokens in the Stream - Why LLMs are inherently insecure and prompt injection will persist
168 min
AI 安全英文PODCAST8月25日

SN 1093: Tokens in the Stream - Why LLMs are inherently insecure and prompt injection will persist

Security Now

  • Token 流的基礎設計:LLM 不具備狀態管理能力,所有輸入都被視為等值的 token 序列。系統無法區分「這是系統指令」和「這是外部資料」,只能依靠訓練期間習得的格式識別能力,這本質上是脆弱的。
  • 格式標籤的虛幻邊界:系統標籤、使用者標籤、工具標籤等都只是特殊 token,模型被訓練成「該尊重系統標籤的命令」,但 token 流裡沒有硬性邊界。移除標籤格式後,攻擊成功率從 61% 跌至 10%,證明安全性完全依賴於格式。
  • 蒸餾與超級模型現象:企業用較成熟模型的輸出訓練新模型(蒸餾),相當於把前一代模型的行為與缺點複製給下一代。即使競爭對手未直接存取,互聯網上充滿 AI 生成內容,導致模型行為自然收斂,難以追蹤蒸餾是否發生。
Unlock Agent Autonomy: The Runtime for AI-Native Systems — Tushar Jain, Docker
22 min
AI 安全中文8月20日

Unlock Agent Autonomy: The Runtime for AI-Native Systems — Tushar Jain, Docker

AI Engineer

  • 1. 代理權限動態擴張的根本問題
  • 當代理被要求調查延遲尖峰時,它會自動擴展訪問需求——先請求日誌訪問,再要求 GitHub 儲存庫權限,最後要求 Slack 訪問。每一步都超越了信任邊界,最終導致代理擁有不受控制的全系統訪問權。傳統軟體可以提前定義權限,但自主代理的需求在運行時動態變化,這是核心難題。
  • 2. 多模型、多平台的統一防控需求
SANS Stormcast Wednesday, August 19th, 2026: Copilot as Whitstleblower; GEEKOM Bad Driver; Medusa Update; Encrypted AI
8 min
AI 安全英文PODCAST8月19日

SANS Stormcast Wednesday, August 19th, 2026: Copilot as Whitstleblower; GEEKOM Bad Driver; Medusa Update; Encrypted AI

SANS Stormcast

  • AI 系統的存取控制難以真正實施,因為一旦資料被 AI 系統存取,攻擊者總能找到繞過安全防護的方式提取資料。伺服器端請求偽造(SSRF)在聊天機器人中常見,攻擊者可騙誘 AI 系統向指定 URL 發送請求並將響應內容洩露給攻擊者。
  • Copilot 漏洞的完整利用鏈包括三個步驟:預填含惡意提示的 URL、誘導使用者點擊、利用 AI 的網頁擷取能力將敏感資料外洩到攻擊者控制的伺服器。Microsoft 的修補方案是限制允許的連結類型,犧牲了與其他系統的整合便利性以換取安全性。