台湾政府系统遭自主AI攻击：职场AI的风险已从「会读」变成「会动手」

一场发生在 7 月、于 8 月 13 日被披露的攻击，给职场 AI 一个更具体的警报：AI 已经不只是帮人写代码，也可能被编排成一支会侦察、撞库、横向移动、导出资料的攻击队。

台湾数位发展部确认，监控单位 7 月发现针对政府机关的异常攻击，并自 7 月 20 日起发布警讯；调查显示，攻击采用人工操作结合 OpenClaw 等 AI Agent 的混合模式，受影响单位已陆续处理完成。1

CNN 援引发现攻击的 Dream 公司称，攻击持续约 4 天：系统绘制了 21 个政府系统，破解 85 个政府账号，并提取约 2500 条人员记录。攻击来源尚未被台湾官方或 Dream 确认，数字主要来自 Dream 的技术披露，不能直接等同于所有政府资料全面泄露。23

Dream 的复盘显示，攻击框架先从政府门户的前端代码中整理 URL、API 端点、OAuth 配置和单点登录信息，再并行尝试凭据和接口。它报告称，85 个被破解账号中有 84 个可通过 SSO 桥接进入内部系统，随后触及人员统计等页面。3

这条链说明，职场 AI 的风险已经从「会不会把文件上传给模型」扩展为四个问题：模型能看到哪些资产，能拿到哪些凭据，能否自己决定下一步，以及结果会被带到哪里。公开网页上的接口信息、缺少二次认证的 SSO、可被批量验证的账号，都会把一次模型调用变成组织级数据访问。

这类事件首先要求组织补齐资产盘点、MFA、SSO 分层、接口鉴权、网络出口和审计。密态计算解决的是另一段：业务人员需要 AI 处理高敏材料，却不希望平台和模型直接看到明文。

墨镜熊官网当前公开列出职场等场景，并展示全链路加密、密态搜索、密态空间、图片与附件上传、密态快速响应和深度思考等入口；页面同时表述「平台与模型均无法访问您的明文数据」。45 科技日报对荆华密算的公开介绍则称，数据可在离开本地前转为密文，在可信硬件或同态加密环境中计算，结果返回本地解密。6

这能把职场合同、内部材料、科研附件等高敏任务的防线前移到输入、检索、计算和结果沉淀；它不能替代账号治理、网络隔离、漏洞修复和人工复核。需要模型处理敏感资料时，先选择能把明文留在保护边界内的 AI 环境，再谈效率。可从 www.mojingxiong.com 了解公开能力。