商傳媒｜責任編輯／綜合外電報導
一份最新研究報告近日在科學新聞平台 Bioengineer.org 上刊出，該報告提出一套人工智慧（AI）輔助網路安全治理的整合理論模型，旨在闡明 AI 如何有效提升組織在面對網路威脅時的韌性。
該研究將「AI 輔助的網路安全治理」定義為一種正式的組織安排，透過此安排，由 AI 生成的異質證據能夠制度化地轉化為網路安全的方向、監督、優先排序、協調、報告、問責與學習。論文指出，這一定義區分了真正的治理層面整合與單純使用 AI 工具的差異。例如，若一個組織僅部署 AI 偵測模型，但未將其輸出結果納入決策或問責結構中，則不符合此治理框架。
AI 系統具備大規模處理串流與異質數據、整合來自不同來源的資訊、偵測非線性與跨系統模式、生成機率性預測、快速更新估計，並針對不同受眾綜合複雜證據的能力。然而，這些 AI 功能並不會自動產生「組織韌性」（Organizational Resilience，指組織在面對挑戰時能有效預期、應對與適應的能力）。報告強調，其轉化需透過五種治理機制實現。
這五種機制包含增強可見性 ，即 AI 持續整合大量來自日誌、身份、端點、漏洞及第三方數據，更早地發現跨系統模式。其次是改善優先排序 ，透過機率預測和動態風險評分，整合技術嚴重性與資產關鍵性，而非依賴靜態排名。強化協調 則將相同的底層訊號轉化為技術、法律與高階主管等不同職能的專屬視圖。更明智的監督 延伸了董事會的職責，使其能持續比較觀察到的狀況與風險閾值。最後，結構化組織學習 發生於 AI 挖掘事件數據以發現重複漏洞，並將這些洞見編碼為政策與問責機制。
該理論模型也點出 AI 導入網路安全治理的潛在風險。其中，「自動化偏見」（Automation Bias，指治理人員過度信任自動化系統的建議而忽略矛盾證據）與「模型不透明性」（Model Opacity，指難以解釋 AI 模型的內部運作或決策邏輯）是主要挑戰。此外，當數據不完整時可能導致錯誤優先排序，以及責任分散於多方時造成的問責缺口。該研究也指出，AI 層本身可能成為數據毒害、規避攻擊和警報洪泛的攻擊面。為緩解這些風險，報告建議根據模型類型、自主性和來源對系統進行分類，並制定特定的驗證與覆蓋要求，同時在溝通時傳達不確定性，並保留可追溯的決策記錄。
該研究基於「動態能力理論」（Theory of Dynamic Capabilities，說明組織如何在不確定環境下感知、抓住並重組資源的能力），為 AI 輔助的網路安全治理提供了一個全面的框架，並提出了一個可供後續研究驗證的議程。這將有助於學術界比較 AI 輔助與傳統治理模式的有效性，進而釐清人工智慧何時何地能真正強化人類機構。