商業評論專題 · 金融科技與資安

當傳統金融的「歷史技術負債」
迎頭撞上 AI 零日風暴

2026 年秋天，三起事件在一週內接連發生：一家加密交易所在 20 分鐘內流失 63.6 億美元，一家台灣銀行的外部供應商設定出現破口，一家法國百年互助銀行證實遭攻擊。三者規模不同，弱點卻是同一個：在數十年堆疊出來的系統之間，各方以為可以信任的那條供應鏈，現在已經斷了。

專題報導｜資料截至 2026 年 11 月 7 日｜圖表與插圖為本刊依公開資料繪製

EXECUTIVE SUMMARY執行摘要

  • 真正的瓶頸不是創新，而是負債。銀行核心帳務仍跑在數十年前的 COBOL／AS400 主機上，外面一層層包著中介軟體、API 閘道與第三方 SDK。每一層都要求在「不破壞穩定」的前提下升級，零信任架構因此很難一次到位。
  • 攻擊端已經「代理人化」。Agentic AI 能自行規劃、調用工具、觀察結果再修正，把過去人工紅隊幾週的偵察壓縮成機器速度的連續行動。非人類身分（API 金鑰、服務帳號）是它最順手的入口。
  • 三起 2026 年事件的共同點都在「信任鏈」。幣安的簽署流程被誘導去授權惡意委派；永豐的破口出在新網銀系統外國供應商的安全設定；阿爾凱亞的贓款據鏈上偵探追蹤，經 OTC 與門羅幣分流。
  • 損失級距跳升。單次事件最大損失從 2007 年 TJX 的 2.5 億美元，升到 2026 年幣安的 63.6 億美元，約 25 倍；距 2025 年 Bybit 的 15 億美元紀錄僅一年，又放大約 4.2 倍。
  • 防守方的 AI 護盾還沒到位。能自主審查並修補程式碼的前沿模型，受算力、對抗性越獄與整合風險牽制，部署節奏落後於攻擊端。這段時間差，就是目前的風險窗口。
63.6 億
美元｜幣安 2026/10/29 流出金額，約 30 億當日凍結
≈20 分
十條鏈同時被提領的時間窗
4,176 萬
新台幣｜永豐 427 筆異常轉出，已全數返還
×25
單次最大損失 2007→2026 的放大倍數

CHAPTER 01看不見的負債：COBOL 主機、中介層與「誰都以為別人驗過了」

在台北或巴黎的銀行機房裡，負責記帳的程式碼有不少比使用它的行員還要年長。這不是笑話，而是全球金融業的日常。COBOL 寫成的核心帳務系統穩定、精確、每秒能處理大量批次交易，所以沒有人敢輕易換掉它。問題在於，它誕生的年代沒有手機、沒有開放 API，也沒有「零信任」這個詞。

為了讓舊主機接上行動網銀、第三方支付與開放銀行，銀行選擇在外面一層層加上「轉接頭」：中介軟體把 JSON 請求翻成主機看得懂的定長電文，API 閘道負責發 token，外部供應商提供網銀前端、身分驗證 SDK 或交易模組。每加一層，業務就能多跑一點；但每加一層，信任也被多「委託」出去一次。

▍科普｜什麼是「技術負債」？
技術負債是一個比喻：為了趕上線而選擇的捷徑，日後要連本帶利償還。舊系統的「利息」，就是每次改動都得花大量成本確認不會弄壞別的地方。調查顯示，美國聯邦機構約 80% 的 IT 預算花在維運既有系統上；Pegasystems 委託 Savanta 的調查則估計，大型企業每年因技術負債造成的損失約 3.7 億美元。對銀行而言，這筆利息最昂貴的部分是時間：零信任改造必須逐層進行，攻擊者卻只需要找到其中一層。

下圖是現代銀行典型的四層信任鏈。關鍵在第三層：當請求經過中介軟體翻譯成主機電文時，「這筆交易是誰發起的」這類身分語意往往被壓縮成一個共用服務帳號。核心主機看到的只是「合法通道送來的合法電文」。這意味著，最外層供應商的一個小小設定錯誤，可能一路被當成合法流量送進核心。

供應鏈信任鏈：最外層的一個設定錯誤，可以一路穿透到核心 每一層只驗證「上一層傳來的請求」，不重新驗證「這筆請求是不是本人的意思」，所以信任會一層傳一層 ① 第三方供應商 外包網銀模組／驗證 SDK 身分驗證 SDK 安全設定（預設值）⚠ 破口 開源相依套件 CI/CD 簽章金鑰 銀行看不到原始碼 只能信任合約與稽核報告 ② API 閘道 開放銀行／跨行 API Token 驗證「格式正確」＝放行 非人類身分 NHI服務帳號、API 金鑰 ③ 中介軟體 ESB／訊息佇列／轉譯層 JSON → 定長電文身分語意在轉譯時遺失 共用服務帳號以一個權限代表所有人 ④ 核心帳務主機 COBOL／AS400，數十年 PROCEDURE DIVISION. MOVE AMT TO WS-AMT PERFORM DEBIT-ACCT PERFORM CREDIT-ACCT *> 無來源驗證 自身合規 ✔ 內部稽核 ✔ 但只看得到「合法電文」 偽造請求帶「合法」簽章 驗證通過 → 放行 轉成正常轉帳電文 對照 2026 年事件：永豐銀行，① 外國供應商的安全設定 → 427 筆異常轉帳； 幣安，① 工程師環境 → 簽署請求被當成合法，HSM 照常簽出；Bybit 2025，① SDK 投毒。
圖一｜供應鏈信任鏈：破口如何一路穿透到核心。紅色虛線為攻擊路徑。第三方供應商的安全設定若沿用預設值，攻擊者取得的憑證會先被 API 閘道視為合法 token，再經中介軟體轉為共用服務帳號的主機電文，核心帳務本身「合規」也擋不住。

國際貨幣基金（IMF）2024 年 4 月的《全球金融穩定報告》指出，自 2017 年以來，金融業極端網路事件的損失規模約翻了四倍，達約 25 億美元。另有整理歐盟《數位營運韌性法》（DORA）通報資料的分析指出，2025 年金融業重大 ICT 事件中約有 29% 源自供應商（此為次級來源）。換句話說，銀行越把功能外包，風險就越集中在自己最難直接審查的地方。

CHAPTER 02攻擊者換上了代理人：從「人找漏洞」到「機器走完整條殺傷鏈」

過去一次成功的金融入侵，通常要靠一支紅隊花上幾週：先偵察，再寫利用程式，然後橫向移動、提權、出金。每一步都需要人來判斷，這也替防守方爭取到偵測的時間。Agentic AI 改變的正是這一點。它不只會「回答問題」，還會自己規劃步驟、呼叫工具、讀取結果，再決定下一步。

Fig 2攻擊型 AI 代理如何運作
大型語言模型（推理核心） 目標：「取得任一帳戶的轉帳權限」 1 感知Sense 它做什麼 盤點可碰觸的介面：API、MCP 伺服器、憑證 銀行情境 找到網銀供應商遺留的測試用登入端點 2 規劃Plan 它做什麼 把零散弱點串成一條多步攻擊鏈 銀行情境 試身分證字號 → 登入→ 約定轉帳 → 出金 3 行動Act・碰真錢 它做什麼 呼叫工具、真正送出請求，可同時開上千個 銀行情境 平行送出每筆約 10 萬元的小額轉帳指令 4 觀察Observe 它做什麼 讀錯誤碼、回應時間、哪一筆被擋下 銀行情境 發現單筆超過門檻就觸發簡訊驗證 5 學習Learn 它做什麼 把結果寫進持久記憶，下一輪換路徑 銀行情境 改把金額壓在門檻下，再回到第 1 步 回到第 1 步：每一輪以秒計，不需人類批准 防守方的切入點： 第 3 步「行動」是唯一會留下交易紀錄的步驟。把非人類身分的權限、頻率和金額門檻收緊在這一層，最能有效打斷整個迴圈。
架構依 sense–plan–act–observe–learn 代理迴圈（TechRxiv 2025）簡化；「銀行情境」列以永豐案公開資訊（P 字頭身分證字號試誤、每筆約 10 萬元、427 筆）為藍本推演，屬示意。
同一條五階段攻擊鏈，兩種執行者需要多久？ 上下兩列共用同一條時間軸（示意值）。人工紅隊以「天」計，AI 代理壓縮到一條細線。 第 0 天2468101214 天 人工紅隊 3–5 人・需逐步判斷 偵察 3 天 寫利用程式 4 天 投遞 橫向移動 4 天 出金 2 天 每一格之間都有「人在思考」的空檔＝防守方的偵測窗口 AI 代理 上千實例・不需批准 五階段在數十分鐘內跑完，在這條時間軸上只剩一條細線 放大 AI 代理那一條線（分鐘） 偵察 串接漏洞 投遞 橫向移動／提權 出金：幣安案約 20 分鐘流出 63.6 億美元 結論： 以「天」為單位設計的人工審核與告警流程，面對以「分鐘」完成的攻擊鏈，來不及在出金前介入。
人工紅隊各階段天數為業界常見量級的示意，並非實測；「約 20 分鐘」是幣安案資金流出的時間（Wikipedia：2026 Binance hack），不代表整條攻擊鏈的耗時，也沒有證據顯示該案使用了 AI 代理。
圖二｜攻擊型 AI 代理如何運作（可切換兩個分頁）。分頁①把代理一輪拆成感知、規劃、行動、觀察、學習五步，每步附一個銀行情境；分頁②用同一條時間軸比較人工紅隊與 AI 代理走完攻擊鏈的時間。重點在第 3 步「行動」：這是唯一會碰到真錢、留下紀錄的環節，也是防守方最該設閘的位置。
▍科普｜三個新名詞
Agentic AI（代理型 AI）：具備自主推理、多步規劃、工具調用與持久記憶的 AI 系統。學界常以 sense–plan–act–observe–learn 迴圈描述其架構。
Agentic Technical Debt（代理技術負債）：arXiv 2608.01001 與 2605.29129 兩篇研究提出的概念，指代理系統因自主、協作、適應的特性而累積並放大的負債。範圍不只是程式碼，還包括代理行為、工具權限與執行環境之間的互動。它和早期機器學習的「隱性負債」相似，但爆炸半徑更大，因為模型能直接觸發真實動作。
非人類身分（NHI, Non-Human Identity）：API 金鑰、服務帳號、代理 token 等機器身分，數量遠多於人類帳號，卻很少經過多因素驗證。代理一旦取得這些憑證，就能以機器速度鏈式呼叫內部 API。

原文引述資安報告指出，2026 年 9 至 11 月間，自主 AI 代理已成為新興攻擊向量，能自動串接工具、繞過身分驗證，並在真實軟體中挖出「77% 的深層缺陷」原文所述・待證。本刊未能找到該數字的原始報告，但方向與多份產業研究一致：攻擊面已從「模型會說什麼」，擴大到「模型能做什麼」。MCP（Model Context Protocol）伺服器、跨行 API、CI/CD 金鑰，這些原本為了自動化而開的門，同樣可以讓攻擊代理通過。

防守方為何慢了一拍？

理論上，同樣的技術也能拿來防守：讓模型全天候審查第三方程式碼、自動產生修補並驗證。但金融機構部署這類能力，必須先回答三個問題：算力夠不夠、模型會不會被提示注入（Prompt Injection）或越獄，以及「讓 AI 改核心系統」這件事本身是否會成為新的供應鏈風險。原文提到，Anthropic 原訂推進的次世代模型「Claude Fable 5」因上述因素推遲或限縮開放原文所述・未獲證實。不論個別模型的時程如何，結構性事實很清楚：攻擊方只需要一個能用的代理，防守方卻需要一個可被稽核、可被監理、不會出錯的代理。這種不對稱，就是本文所稱的「零日風暴窗口」。

攻擊端

不受合規約束；可容忍 99% 失敗率；開源模型加上越獄即可上線；單位成本隨算力下降。

防守端

需監理核准；任何誤修補都可能造成停機；須證明模型本身不被注入；變更管理週期以季計。

結果

時間差落在攻擊方。最危險的地方，是舊核心與新代理之間那層無人負責的中介層。

CHAPTER 03・CASE 1金絲雀折翼：幣安的 20 分鐘

ETH
3,800 M
BTC
1,500 M
TRON
628 M
XRP
296 M
SOL
96 M

多方報導將攻擊歸因於北韓背景的 TraderTraitor（Lazarus 旗下子團體），北韓方面否認。攻擊者先以新型魚叉式釣魚滲透工程師的開發環境，再利用熱錢包的 EIP-7702 委派機制下手。最值得金融業警惕的細節是：硬體安全模組（HSM）也沒擋住。HSM 保護的是私鑰不外洩，但如果簽署請求本身被上游系統當成合法請求送進來，HSM 就會盡職地替攻擊者簽名。

EIP-7702：一次「合法」簽署，就把熱錢包的程式碼換掉 Pectra 升級（2025）讓一般帳戶（EOA）可以把自己的執行邏輯委派給一份合約。原意是批次交易與代付 gas。 正常狀態 交易所熱錢包（EOA） 私鑰在 HSM 內 code = 空 delegation 審核過的錢包合約 批次付款、額度上限 多簽門檻 遭劫持後 同一個熱錢包 地址不變、私鑰仍安全 但 code 已指向別處 新 delegation 攻擊者的 sweeper 合約 任何呼叫 → 全數轉出 繞過額度與多簽邏輯 約 12,000 個錢包分散、跨十條鏈 為什麼 HSM 擋不住？ 1. 攻擊者先以釣魚滲透工程師環境 2. 向簽署系統送出「授權新委派」請求 3. 請求格式、來源、權限都正確 4. HSM 只保證私鑰不外流， 不判斷這筆簽署「該不該簽」 → 金鑰沒外洩，權限卻已經被拿走 幣安對策：改委派到零地址清除 資料：Wikipedia「2026 Binance hack」、Binance Blog；原理依 EIP-7702 規格簡化示意。
圖三｜EIP-7702 委派劫持原理。左側為正常委派：EOA 把執行權暫時委派給受信任的批次交易合約。右側為劫持：上游簽署流程被誘導授權給攻擊者的 sweeper 合約，此後每筆入金都會被自動掃走。私鑰全程沒有外洩，因此 HSM 不會告警。
▍科普｜EIP-7702 是什麼？
EIP-7702 是以太坊 2025 年 Pectra 升級引入的提案。它讓一般帳戶（EOA，也就是由私鑰直接控制的地址）可以設定一筆 delegation，暫時「借用」某份智慧合約的程式碼。好處是能批次交易、由他人代付 gas，使用體驗更接近銀行帳戶。代價是帳戶的行為從此取決於「被委派的那份合約」。只要授權對象被換成惡意合約，帳戶就等於換了主人，而私鑰本身完全沒有外洩。

為什麼稱幣安為「金絲雀」？因為它擁有傳統銀行難以企及的條件：每筆資金在鏈上都可追溯，能與穩定幣發行商即時協作凍結，事後也有足夠資本承擔全額損失。即使如此，它仍在 20 分鐘內失守。傳統銀行若遇到同樣手法，資金經 SWIFT 或代理行層層轉出，追溯速度只會更慢。

CHAPTER 04・CASE 2永豐銀行：一個外國供應商的安全設定

如果說幣安顯示了「規模」，永豐銀行事件顯示的則是「機制」。2026 年 11 月 3 日，永豐銀行發現 427 筆、每筆約新台幣 10 萬元的異常轉帳，合計 4,176 萬元（約 130 萬美元），影響 419 名客戶。根據銀行說明與 iThome 報導，起因是外部駭客利用新網銀交易系統之外國供應商的安全設定漏洞。

427
筆異常交易
419
名受影響客戶
~10 萬
新台幣／筆，低於常見大額告警門檻
100%
款項當日全數返還

幾個細節值得注意。第一，受害者的身分證字號都以 P 開頭，顯示攻擊者並不是取得外洩名單，而是按規則隨機試誤，這正是自動化工具擅長的事。第二，每筆約 10 萬元，金額小而平均，較不易觸發大額告警。第三，贓款集中流向他行一個無辜個人的帳戶，使阻斷與追回得以迅速完成。永豐表示將向外國供應商求償，並透過金融資安資訊分享與分析中心（F-ISAC）分享情資。

銀行自己的核心或許完全合規，但第三方軟體裡一個預設沒關掉的設定，就足以讓攻擊者繞過整條身分驗證鏈。

這起事件在金額上很小，在結構上卻是三案中最具警示性的。它說明傳統銀行的攻擊面，早已不等於它自己寫的程式碼。核心帳務、內控、稽核都可能無懈可擊，真正的破口卻出在銀行沒有原始碼、只能靠合約約束的外部系統。這也是圖一中第①層到第②層那段紅色虛線的現實版本。

CHAPTER 05・CASE 3阿爾凱亞：當「銀行出金」接上「鏈上洗錢」

2026 年 11 月 4 日，法國互助信貸集團旗下的 Crédit Mutuel Arkéa 證實遭遇網路攻擊，並出現詐欺性交易。原文指出，鏈上獨立調查員 ZachXBT 追蹤到疑似經場外交易（OTC）與門羅幣（Monero）等管道外流的資產，逾 1.33 億美元鏈上估算・待官方證實。據原文描述，攻擊路徑涉及內部 API 憑證遭冒用。

本刊截稿前未能取得 Arkéa 官方或監理機關對金額的確認，因此這個數字應視為上限估算。但這起事件揭示的趨勢不受金額影響：犯罪集團已經把「從傳統銀行出金」和「在加密網路洗錢」串成一條自動化流水線。一旦法幣被換成穩定幣，再經跨鏈橋與隱私幣分流，傳統銀行引以為傲的 KYC 與交易監控就失去了可追蹤的對象。

▍界線正在消失
傳統金融與加密金融過去被視為兩個監理世界。阿爾凱亞案顯示，對攻擊者而言它們早已是同一條供應鏈：上游是銀行的 API 與憑證，下游是 OTC 櫃台與混幣服務。防守方若仍按兩個體系分別監理，等於讓攻擊者在縫隙裡完成換手。

CHAPTER 0626 年損失曲線：從偷卡號到搬金庫

Fig 4 單次遭駭損失・依年份累加 同一年的事件疊在同一根柱上：2026 年一年 ≈ 前 10 個年份加總的 1.4 倍 傳統金融（TradFi） 加密／DeFi（實際損失） 加密：事後凍結 傳統：金額待證 0 1,000 2,000 3,000 4,000 5,000 6,000 7,000 百萬美元（名目值，線性刻度） 2007 2007 TJX：250 百萬美元 TJX 250 Σ 250 2008 2008 Heartland：140 百萬美元 Heartland 140 Σ 140 2014 2014 Mt. Gox：460 百萬美元 Mt. Gox 460 Σ 460 2016 2016 孟加拉央行：81 百萬美元 孟加拉央行 81 Σ 81 2018 2018 Coincheck：530 百萬美元 Coincheck 530 Σ 530 2021 2021 Poly Network：610 百萬美元 Poly Network 610 Σ 610 2022 2022 Ronin：620 百萬美元 Ronin 620 Σ 620 2023 2023 Mixin：200 百萬美元 Mixin 200 Σ 200 2024 2024 DMM Bitcoin：305 百萬美元 DMM Bitcoin 305 Σ 305 2025 2025 Bybit：1,500 百萬美元 Bybit 1,500 Σ 1,500 2026 2026 幣安・實損：3,360 百萬美元 幣安・實損 3,360 2026 幣安・已凍結：3,000 百萬美元 幣安・已凍結 3,000 2026 Arkéa：133 百萬美元 2026 永豐：1.3 百萬美元 ＋Arkéa 133（待證） ＋永豐 1.3 Σ 6,494.3 年度合計 13 起合計 11,190 傳統 5.4% ｜ 加密 94.6%
圖四｜2007–2026 年重大金融與加密系統遭駭損失，依年份累加（百萬美元，名目值，線性刻度）。同一年的事件疊在同一根長條上；藍色是傳統金融，橘色是加密／去中心化金融，斜線部分是幣安事後凍結的約 30 億美元，以及金額待證的 Arkéa。2026 年單年合計約 64.9 億美元，約為此前十個年份加總（47.0 億美元）的 1.4 倍。13 起事件中，傳統金融只佔損失總額的 5.4%，但永豐與 Arkéa 都在 2026 年出現，代表法幣體系開始承受同一類供應鏈攻擊。
年份受害機構／平台屬性主要攻擊向量估計金額 (USD)
2007TJX Companies傳統・支付WEP 無線網路破解、封包嗅探竊取卡號2.5 億
2008Heartland Payment Systems傳統・收單SQL 注入、惡意程式竊取交易資料1.4 億
2014Mt. Gox加密・CEX錢包私鑰外洩、長期未授權交易4.6 億
2016孟加拉央行傳統・央行SWIFT 憑證遭竊、木馬竄改交易日誌8,100 萬
2018Coincheck加密・CEX員工遭釣魚、熱錢包 NEM 私鑰外洩5.3 億
2021Poly Network加密・跨鏈跨鏈合約權限驗證邏輯漏洞（多數資金事後歸還）6.1 億
2022Ronin Network加密・側鏈驗證節點私鑰外洩（Lazarus）6.2 億
2023Mixin Network加密・轉帳網絡雲端資料庫服務商遭滲透2.0 億
2024DMM Bitcoin加密・CEX私鑰外洩與未授權批次轉帳3.05 億
2025Bybit加密・CEX供應鏈投毒、多簽流程繞過15.0 億
2026幣安 Binance（10 月）加密・CEX魚叉釣魚、EIP-7702 委派劫持、熱錢包63.6 億
約 30 億凍結
2026永豐銀行（11 月）傳統・商銀新網銀系統外國供應商安全設定缺失≈130 萬
4,176 萬元，全數返還
2026Crédit Mutuel Arkéa（11 月）傳統・互助內部 API 憑證冒用、OTC／門羅幣分流≈1.33 億
待證

三個趨勢讀法

一、級距暴增。2007 年最大單一案件為 2.5 億美元，2026 年為 63.6 億美元，放大約 25 倍；從 Bybit 到幣安，一年內又放大約 4.2 倍。加密資產「資產即程式碼」，流動性高且可在幾分鐘內跨鏈轉移，使單次事件的名目損失遠超過傳統物理金庫可能的規模。

二、向量上移。2000 年代的攻擊打的是網路層與資料庫（WEP、SQL 注入）；2016 年之後轉向憑證（SWIFT、私鑰）；2025 年之後則集中在供應鏈與授權流程（SDK 投毒、供應商設定、委派授權）。攻擊者不再撬鎖，而是讓系統自己開門。

三、傳統金融的金額小，不代表風險小。永豐 130 萬美元是表中最小的數字，但它的攻擊路徑和幣安、Bybit 屬於同一類。差別在於銀行的轉帳限額與人工覆核把損失卡在了低位。一旦這些機制被自動化流程取代，又沒有同步升級，這道天然屏障就會消失。

CHAPTER 07情境重建：零日早晨

情境重建・虛構推演

以下場景為本刊根據上述三案手法綜合推演，用來說明風險如何傳導。人物、機構與時間均為虛構，不代表任何已發生的事件。

T−72h｜某跨國供應商 CI/CD 流水線

一個攻擊代理從公開的程式碼倉庫裡，找到一份三年前離職工程師遺留的測試設定檔。它沒有馬上行動，而是花了 40 分鐘比對這家供應商服務的 37 家銀行，各自用的是哪個版本的身分驗證 SDK。

T−6h｜區域銀行「海港商銀」API 閘道

深夜的流量曲線看起來一切正常。每分鐘有數千筆查詢，全部帶著合法 token，全部來自供應商的白名單 IP。代理正在用自動產生的身分證字號逐一試探，每次失敗都會修正下一輪的參數。它不著急，因為它不會疲倦。

T−0｜06:58，核心帳務批次開始

中介軟體把一批「供應商代發」的轉帳請求翻譯成定長電文，送進那台 1989 年上線的主機。主機檢查格式、餘額與服務帳號權限，全部通過。每筆 9.8 萬元，剛好低於人工覆核門檻。

T+19min｜07:17，資安維運中心

值班工程師看到告警時，第一批款項已經在另一家銀行換成穩定幣，進入跨鏈橋。他打電話給供應商，供應商的值班窗口在另一個時區，正在睡覺。

T+4h｜董事會緊急會議

「我們的核心系統有被入侵嗎？」董事長問。資訊長沉默了幾秒才回答：「嚴格來說，沒有。所有交易都是合法通道送來的合法指令。」

這句話，正是本文的結論：在 AI 代理時代，「沒有被入侵」和「錢沒有了」可以同時成立。

CHAPTER 08董事會該問的五個問題

  1. 我們有完整的第三方軟體物料清單（SBOM）嗎？每個網銀模組、身分驗證 SDK、開源套件的版本與「安全設定基準」都應該列冊，並且能由銀行自行驗證，而不是只靠供應商聲明。永豐案的破口就在這一層。
  2. 非人類身分有沒有被當成「員工」來管理？API 金鑰與服務帳號應有擁有者、有效期、最小權限與行為基線。中介層的共用服務帳號應逐步拆成能追溯到原始發起者的身分。
  3. 簽署與授權是否「看內容」而不只「看來源」？幣安案顯示，HSM 只保證金鑰安全，不保證請求正當。高風險授權（例如委派變更、白名單異動）應有獨立的意圖驗證與時間鎖。
  4. 交易監控跟得上機器速度嗎？427 筆每筆 10 萬元的交易、20 分鐘內流出 63.6 億美元，都屬於人工值班很難即時反應的模式。監控規則必須針對「低額、高頻、規則化」的代理行為重新設計，並與加密通路的凍結機制建立直通管道。
  5. 導入防禦型 AI 的路徑圖在哪裡？不必等最強的模型。可以先在隔離環境讓 AI 審查第三方程式碼與設定差異，所有修補都經人工核准，同時建立防提示注入的評測。目標是在攻擊端與防守端之間的時間差擴大之前，先建立可稽核的自動化能力。

最後，監理面也必須跟上。歐盟 DORA 已將關鍵第三方 ICT 供應商納入直接監管；台灣 F-ISAC 的情資分享機制在永豐案中發揮了作用。下一步，是讓「供應商安全設定」像資本適足率一樣，成為可以量化、可以申報、可以被追究的指標。

技術負債的利息，過去用維運預算支付；在 AI 零日風暴下，它改用存戶的錢支付。

CHAPTER 09查證說明與參考來源

▍查證狀態
已查證：幣安事件時間、金額（US$6.36B，即 63.6 億美元）、資產分布、凍結金額、EIP-7702 清除措施；永豐銀行筆數、金額、受影響人數與返還情形；EIP-7702 技術內容；IMF 與技術負債相關統計。
未獲獨立證實，依原文引述：① Crédit Mutuel Arkéa 外流逾 1.33 億美元（ZachXBT 鏈上估算）；② Anthropic「Claude Fable 5」推遲或限縮開放；③「AI 代理挖出 77% 深層缺陷」的資安報告數字。
2007–2025 歷史數據沿用原文表格（名目值），各案金額依計算口徑不同可能有出入。
第七章為情境重建，屬虛構推演。
  1. Wikipedia, “2026 Binance hack” — https://en.wikipedia.org/wiki/2026_Binance_hack
  2. Binance Blog 事件說明 — https://www.binance.com/en/blog/community/3229153443759566763
  3. iThome〈永豐銀行異常轉帳事件〉— https://www.ithome.com.tw/news/180233
  4. 壹蘋新聞網 2026-11-05 — https://news.nextapple.com/finance/20261105/5E28383BF607024E9B0C0954347F5D4D
  5. 鏈新聞 ABMedia〈永豐銀行 419 名客戶遭盜轉〉— https://abmedia.io/sinopac-bank-unauthorized-transfers-419
  6. arXiv 2608.01001, “From AI Technical Debt to Agentic Technical Debt” — https://arxiv.org/abs/2608.01001
  7. arXiv 2605.29129, “Governing Technical Debt in Agentic AI Systems” — https://arxiv.org/pdf/2605.29129
  8. TechRxiv, “Agentic AI: A Review of Architecture, Governance…” — https://www.techrxiv.org/doi/10.36227/techrxiv.176703982.24212722
  9. Microsoft Learn, “Reduce autonomous agentic AI risk” — https://learn.microsoft.com/en-us/security/zero-trust/sfi/manage-agentic-risk
  10. McKinsey, “Rethinking enterprise architecture for the agentic era” — https://www.mckinsey.com/capabilities/mckinsey-technology/our-insights/rethinking-enterprise-architecture-for-the-agentic-era
  11. WSO2, “Connecting Legacy Systems to AI Agents” — https://wso2.com/library/blogs/connecting-legacy-systems-ai-agents-integration-architecture-strategies/
  12. IMF 2024 GFSR 相關報導 — https://cybersecuritynews.com/financial-sectors-lost-20-billion-over-the-past-20-years/
  13. Axis Intelligence, Financial Services Cybersecurity Statistics 2026（DORA 供應商比例，次級來源）— https://axis-intelligence.com/financial-services-cybersecurity-statistics/
  14. Legacyleap, Legacy System Statistics 2026 — https://www.legacyleap.ai/blog/state-of-enterprise-legacy-systems-2026/
  15. ITPro, Pegasystems/Savanta 技術負債調查 — https://www.itpro.com/business/digital-transformation/it-leaders-are-throwing-money-away-with-legacy-systems-enterprises-report-usd370-million-in-losses-each-year-due-to-outdated-tech