Anthropic發布資安模型Claude Mythos！3小時寫出攻擊程式碼，還翻出27年陳年漏洞|數位時代 BusinessNext

蘋果、微軟、Google 全入列，12 家巨頭組資安聯防

Project Glasswing 的合作名單涵蓋科技業核心玩家：Amazon Web Services、蘋果（Apple）、Broadcom、思科（Cisco）、CrowdStrike、Google、摩根大通（JPMorganChase）、Linux Foundation、微軟（Microsoft）、輝達（NVIDIA）、Palo Alto Networks，加上 Anthropic 自身共 12 家。另有超過 40 個維護關鍵軟體基礎建設的組織也獲得模型存取權限。

資金方面，Anthropic 提供 1 億美元（約新台幣 31.9 億元）的模型使用額度給計畫參與者，並分別撥出 250 萬美元（約新台幣 7,975 萬元）給 Linux Foundation 旗下的 Alpha-Omega 與 OpenSSF 專案，以及 150 萬美元（約新台幣 4,785 萬元）給 Apache Software Foundation，強化開源生態的安全能力。

CrowdStrike 技術長 Elia Zaitsev 在公告中指出：「漏洞從被發現到被利用的時間窗口已經崩塌，過去需要數月的事，現在用 AI 只需幾分鐘。」

思科資安副總裁 Anthony Grieco 也表示，AI 能力「已跨越門檻，從根本上改變了保護關鍵基礎建設的緊迫性」。計畫承諾在 90 天內公開報告成果與修復的漏洞。

防禦利器還是潛在武器？專家點出核心矛盾

Anthropic 紅隊的技術報告進一步揭示 Mythos Preview 的進階能力：它能自動建構可運作的漏洞利用程式，包括針對 FreeBSD NFS 一個 17 年漏洞開發出多封包 ROP chain 攻擊，達成未授權 root 存取；也能串連多個 Linux kernel 漏洞完成提權，甚至突破瀏覽器的 JIT 引擎與沙箱防護。

在 Firefox JavaScript 引擎的漏洞利用測試中，Mythos Preview 成功開發 181 個利用程式，Opus 4.6 僅完成 2 個。

但這樣的能力也引發質疑。OWASP 創辦人 Jeff Williams 接受 CSO Online 採訪時警告：「一旦前沿 AI 能大規模獵捕漏洞，付錢讓人做例行發現的邏輯就開始瓦解。」

他更直言：「Anthropic 能否限制這個模型的惡意用途，是高度存疑的。」Williams 認為，這類模型真正威脅的是整個「安全可以當事後補救」的觀念，當 AI 能在一夜之間找到並武器化漏洞，企業必須從根本上重新思考軟體安全的優先順序。

目前 Mythos Preview 已揭露的漏洞中，僅約 1% 已修補到可公開討論的程度，Anthropic 採用 SHA-3 雜湊承諾機制，並設定 90 加 45 天的負責任揭露窗口。

本文初稿為AI編撰，整理．編輯／李先泰

1973 年，良興從台北光華商場一間 50 坪的電子零件行起家，半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過，伴隨規模擴張帶來的不只是成長，還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆，加上跨部門協作頻繁，行政耗損與知識傳承的缺口，成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧，從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營，作為 3C 零售業者，良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能，就是良興第五波轉型的核心命題。」

AI 自動化，從行政細節釋放組織戰力

轉型需要夥伴，而賴志達評估合作夥伴的標準很明確：技術能力是基本，產業知識（Domain Know-how）的深度是關鍵，回饋速度更是最終決定因素。2025 年的未來商務展上，良興選擇攜手 Data-DI，看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的，良興與 Data-DI 合作的第一個專案，就落在最耗費人力、卻最常被忽視的環節：會議記錄。「會議如果沒有產值、沒有效果，對企業很傷！」賴志達說，他每天參加許多會議，但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理，常出現人名誤植、決策遺漏、行動項目無人追蹤，讓會議效果大打折扣。

為了解決會議記錄的痛點，Data-DI 業務副總包威棣指出，在導入工具以前，團隊須先釐清三件事：場景是否具備落地價值、哪些流程節點適合 AI 介入，以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問，都決定 AI 能否精準落地。

確認方向後，良興與 Data-DI 成功導入 AI 會議記錄自動化系統，透過模糊比對技術校正語音辨識誤差，並將生成的雙版本報告直接回存至既有資料庫，不僅將行政人員從重複性作業中釋放，也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享，現在他去外部開會也會用這個工具，運用 AI 把錄音轉文字、再整理成簡報，很快就能完成，更令外部夥伴驚艷。「我認為這是很成功的案子！也提醒想做 AI 的老闆們，與其急著搞大架構，不如先從小工具讓公司嘗試 AI，建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後，良興接著切入更深層的營運核心：知識傳承。過去，頂尖銷售經驗長期鎖在少數資深員工身上，新人培訓耗時三個月，員工離職即帶走知識資本。與此同時，網路資訊發達，消費者進店前早已掌握基本規格，3C 通路門市人員要如何發揮更多價值？「我要門市的人不是死背規格，而是面對客人時，能用客人能理解的方式對話。」賴志達說。

為此，Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡，串接教材生成、審核上架、AI 銷售對練與成績回報，主管僅需在核心節點審核；員工透過手機語音對練，系統依口吻、專業度、回應力等維度自動評分。賴志達表示，目標是將新人培訓期縮短至一個月，讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而，要讓這套系統真正運作，得先解決兩個根本問題：資料從哪裡來？以及訓練如何更準確？

「以前大數據時代，講的是資料要大、全、細、實；現在 AI 要做到的是準（準確）、合（合乎場景）。」包威棣說。良興不同廠商提供的素材品質參差不齊，Data-DI 除了整合內部資料，也補充加入外部市場評測內容以填補空缺，再透過人員審核機制過濾雜訊，搭配 agent 架構的多層步驟與知識限定，確保系統能精準提煉對應品類的訓練素材。

賴志達則看得更遠：「這些教育訓練的內容，也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問，帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中，雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步，賴志達表示，公司各部門很早就建置 Power BI 報表，但數據豐富不等於決策清晰。「數據是土壤，如果沒有梳理，就沒有用了。」因此，他的下一個目標是活化數據資本、推動行銷自動流，以精實的人力持續驅動成長。

包威棣則從顧問視角歸納兩個觀察：AI 導入需要高層認同、由上而下推進，像賴志達這樣持續引領良興走在業界前端的決策者，就是不可或缺的推手；而單點工具的價值，終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構，人員訓練改變了知識傳承的方式。從點狀應用走向企業變革，這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後，對於仍在觀望AI應用的企業，他則建議：「未來 AI 導致的落差只會愈來愈大，人會變成超級工作者，企業會變成超級企業。開始做就對了，先做一個三個月的小任務，降低落差、再急起追上。」從痛點切入、小步快跑，讓組織在實作中累積對 AI 的理解與信任，這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊，請查詢網站：https://www.data-di.com/