你的信用卡只要卡號被別人知道，駭客能在六秒鐘內破解你的信用卡到期日以及檢查碼|數位時代 BusinessNext

你的信用卡只要卡號被別人知道，駭客能在六秒鐘內破解你的信用卡到期日以及檢查碼

英國研究人員發現一種作法，可以破解VISA信用卡的到期月年，以及檢查碼的方式，還可以不受到輸入次數的限制，進而在線上「幫你」刷卡，這份研究發表在IEEE Security & Privacy 期刊上。

我們大多數人都用信用卡線上刷卡過，線上刷卡除了要輸入卡號之外，還要輸入到期日的月年，以及信用卡背後的一組檢查碼，才能成功支付。而為了不讓別人利用多次嘗試來猜到你的輸入資訊，因此通常猜測幾次錯誤後，就會不讓你繼續輸入。

不過，最近英國的研究人員發現了一種作法，可以破解VISA信用卡的到期月年，以及檢查碼的方式，並且還可以不受到輸入次數的限制，進而在線上「幫你」刷卡，這份研究發表在IEEE Security & Privacy 期刊上。

英國新堡大學（Newcastle University）的測試方式稱為「分散式猜測攻擊（Distributed Guessing Attack）」，原理與一般分散式運算的原理差不多，就是將信用卡的所需輸入資訊，丟到不同的網站去猜測處理。每個網站的猜測次數都保持在安全範圍內，那麼就不會被鎖住。

詳細地說，一般信用卡的有效期限大約為五年，因此猜測的次數為六十次（5年x12個月）。至於三位數的檢查碼，最多則要猜測1000次。

研究人員測試了389 個人們常用到的線上電商網站，然後利用多工輸入的方式來進行猜測信用卡資訊，發現了兩個目前信用卡會有的弱點：

第一，目前的VISA支付系統不會偵測同一張信用卡在不同網站多重輸入錯誤的情況，這也暗示了目前信用卡無法有效防止駭客利用多個網站進行分散式猜測攻擊。

第二，雖然電商網站提供的輸入資料欄位各不相同，但是這個攻擊依然奏效。

在這個研究測試的389 個電商網站中，其中僅有 47 個網站成功阻擋了分散式攻擊，而有 291 個網站只會驗證到期日和檢查碼，其中 238 個網站還可以讓使用者輸入錯誤六次以上，其中還有 26 個網站只驗證到期日，不做檢查碼的驗證。而依照現在電腦的運算能力，估計利用這種分散式攻擊大約不到六秒鐘的時間就可以得到結果。

值得一提的是，同樣的問題在MASTERCARD上不會發生，因為他們會檢查多重輸入的問題。

不過VISA對於這個研究結果不覺得很嚴重，他們表示學術研究歸學術研究，這個研究並沒有將現存的電子支付系統中，多重防護詐騙的方式考慮進去。研究者必須將這些因素都考慮進去，才能夠符合現實世界中的實際交易狀況。

此外，VISA也強調，他們也有更安全的機制，電商可以使用 3D Secure技術 (就像是 Visa 或 MasterCard 的安全碼)來防止這些攻擊。

資料來源：techspot、fossbytes

本文授權轉載自：T客邦

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。