當 AI 成為防禦者的利刃：從 OpenAI Daybreak 計畫看 AI 資安能力的不對稱競賽

同一天的兩則消息，勾勒出 AI 治理的兩難

2026 年 8 月 10 日，OpenAI 發布了兩則看似矛盾、實則一體兩面的消息。

其一，是因 Astra 模型的資安能力已逼近「嚴重」（Critical）等級，OpenAI 選擇主動放緩其發布節奏。其二，是在同一天宣布擴大 Daybreak 計畫，將其拆分為 Blue 與 Red 兩個層級，並推出專為資安任務訓練的 GPT-5.6-Cyber 模型，讓通過審核的防禦者能夠使用更強大的工具。

這兩件事同天宣布，並非巧合。它們共同指向同一個核心命題：當 AI 的能力足以同時服務攻擊與防禦，治理的關鍵不再是「壓制能力」，而是「分配能力」——把對的工具，在對的邊界內，交給對的人。

這正是 AI 治理從靜態合規走向動態控管的關鍵一步。

---

為什麼過去的限制，反而讓防禦者綁手綁腳？

過去幾年，多數大型語言模型都設有系統層的資安攔截機制，會自動擋下任何涉及漏洞利用、惡意程式分析、滲透指令的提示。這套機制的出發點是合理的——避免模型淪為攻擊者產製武器化的工具。

然而，OpenAI 在這次調整中坦承，這些規則「可能同樣阻擋了合理的防禦工作」。實務上，這是一個資安從業者再熟悉不過的場景：當你在進行漏洞分析、惡意樣本逆向、事件回應時，模型頻繁以「無法協助此類請求」拒絕回答。研究者繞路、改寫提示、改用其他工具，安全沒有因此提升，只是讓工作更繁瑣、更碎片化。

問題的本質在於：一刀切的防護機制，把攻擊者與防禦者放進了同一個限制框架，而真正需要被約束的，是「誰能使用」與「如何使用」，而非「能否使用」。

這正是 CSA AI Control Matrix（AICM）所強調的控管邏輯——針對 AI 系統的存取權限、使用情境與操作主體進行分層管控，而非僅在提示層設置通用攔截。Daybreak 計畫的調整，某種程度上正是這套控管哲學的落地實踐。

---

95% 對 1.5%：數字背後的能力鴻溝

Daybreak 計畫最具說服力的，是一組懸殊的數字。

在 OpenAI 內部的進階資安評測中，GPT-5.6-Cyber 的任務完成率達 95%。對比之下，上一代的 GPT-5.5-Cyber 為 57.3%，通用版的 GPT-5.6 Sol 僅有 1.5%，即便是舊版 Daybreak Blue 環境也只有 2%。

這個數字說明瞭一件事：通用模型在資安任務上，幾乎等於無效。 當防禦者只能使用通用模型，他們面對的不是「能力受限」，而是「能力斷層」。

而 OpenAI 已經用實際成果證明這套工具的價值。研究團隊透過 GPT-5.6-Cyber，在 Chrome 的 V8 JavaScript 引擎中找到兩個此前未知的漏洞，Google 已列為 CVE-2026-15903 並完成修補。行動作業系統、資料庫與核心系統也陸續有漏洞被發現。

這意味著，AI 之於資安，早已不是「輔助」的角色，而是「關鍵變數」。當防禦方擁有 95% 的工具，而攻擊方只能依賴開源社群或地下市場取得的零碎能力時，天平就會傾斜。反之，若防禦方被通用模型的 1.5% 困住，而攻擊方透過其他管道取得更強能力，防禦窗口將會以難以追趕的速度縮窄。

---

Blue 與 Red：分層控管的治理設計

Daybreak 計畫的真正亮點，不在於「開放更強模型」，而在於其分層控管的設計邏輯。

Daybreak Blue：大多數防禦者的起點

Blue 層是 OpenAI 建議多數防禦者切入的層級。通過審核後，使用者可取得 GPT-5.6 Sol，且系統層資安攔截規則已移除。支援的場景涵蓋漏洞探索、安全程式碼審查、惡意程式分析、事件回應與修補驗證。

但 Blue 層移除的是「系統層攔截」，而非「所有限制」。帶有明顯攻擊用途的請求，模型仍可能拒絕。這是一個重要的區分——治理不是放棄控制，而是把控制從「提示層的普遍攔截」移到「存取層的資格審核」與「使用層的行為監控」。

Daybreak Red：進階研究的專屬通道

Red 層專為進階研究設計，提供 GPT-5.6-Cyber 的存取管道，是目前唯一能取得這個模型的途徑。其用途明確指向零時差漏洞研究與漏洞利用鏈開發——更貼近真實攻擊面，也意味著更高的濫用風險。

正因如此，Red 層的進入門檻遠高於 Blue。這種「能力越強、控管越嚴」的分層設計，正是負責任 AI（Responsible AI）在實務上的具體體現——不是以能力上限作為治理邊界，而是以使用主體的可信度與使用情境的可控性，作為能力釋放的條件。

---

申請才能入場：身分、監控與硬體金鑰的三重鎖

Daybreak Blue 與 Red 均需主動申請，且要求涵蓋三個面向：

1. 身分驗證：確認申請者的真實身分與所屬組織，建立可追溯的使用者檔案。
2. 使用監控機制：對模型使用行為進行持續監控與日誌記錄，確保用途符合授權範圍。
3. 法律聲明：確認用途為已授權的安全性研究，建立法律層面的責任邊界。

自 9 月 1 日起，使用 Daybreak 還需配備硬體安全金鑰，進一步強化身分認證的不可偽造性。兩個層級均透過 OpenAI 的夥伴計畫處理申請，具體審核標準未對外公開。

這套設計呼應了幾項關鍵的 AI 治理原則：

• 最小權限原則：依使用者的資格與需求，賦予對應等級的能力，而非統一開放。
• 可追溯性：透過身分驗證與使用監控，確保每一次能力調用都可被稽核。
• 縱深防禦：從身分認證、使用監控到硬體金鑰，構建多層次的防護鏈，避免單一控制點失效即全盤失守。
• 情境可控：透過法律聲明與授權範圍界定，確保能力僅用於合規的安全研究情境。

對企業而言，這套分層控管邏輯值得借鏡。許多組織在導入 AI 時，仍停留在「開放」或「禁止」的二元選擇，缺乏針對不同使用情境與使用者角色的分層授權機制。Daybreak 的設計提醒我們：真正成熟的 AI 治理，不是把所有人都擋在門外，而是把對的人放進對的門。

---

防禦窗口正在縮窄：時間是新的攻擊面

資安公司 Check Point 今年稍早的研究指出，AI 讓漏洞武器化速度飆升至歷史新高，修補窗口已縮短到不到一天。OpenAI 官方部落格的標題也直接點出立場：「防禦窗口正在縮窄」（as the Cyber Defense Window Narrows）。

這是一個必須正視的結構性變化。過去，漏洞從公開到被大規模利用，通常有數天到數週的窗口期，讓企業有時間完成修補與應變。但在 AI 加持下，攻擊者可以在數小時內完成漏洞分析、利用程式撰寫與大規模掃描部署，修補窗口被壓縮到以小時計。

當攻擊者的時間優勢被 AI 放大，防禦者唯一的出路，是用同等量級的工具來壓縮防禦週期——更快的漏洞發現、更快的修補驗證、更快的應變決策。這正是 Daybreak 計畫存在的戰略意義：在攻擊者先用到更強 AI 之前，先把更強的 AI 交給防禦者。

大門比過去開了，但不是誰都能進——這句話精準地描繪了負責任 AI 治理的核心精神：開放是手段，可控才是目的。

---

企業 AI 治理的三個反思

這起事件對企業 AI 治理帶來三個值得深究的啟示：

反思一：你的 AI 能力，是否交給了對的人？

許多企業已經在內部導入 AI 工具，但往往以「組織」為單位統一開放，缺乏針對不同角色與使用情境的分層授權。研發、資安、業務、行政等不同職能，對 AI 能力的需求與風險承受度截然不同。企業應參考 Daybreak 的分層邏輯，依使用者的職能、使用情境與資格審核，建立內部的 AI 能力分級授權機制，而非一體適用的開放政策。

反思二：你的 AI 使用，是否具備可稽核的軌跡？

Daybreak 強調身分驗證與使用監控，這正是企業內部 AI 治理最常被忽略的一環。當員工透過各種 AI 工具處理業務，組織是否清楚知道「誰、在何時、用什麼模型、處理了什麼資料」？若缺乏使用監控與日誌記錄，AI 治理將淪為事後補救，而非事前可控。企業應將 AI 使用行為納入既有的資安監控體系，建立可追溯的使用軌跡。

反思三：你的防禦能力，是否跟得上 AI 加速的攻擊節奏？

當修補窗口以小時計，傳統「發現漏洞→評估影響→排程修補」的流程將難以為繼。企業必須重新設計漏洞管理流程，導入 AI 輔助的漏洞優先級評估、自動化修補驗證與事件應變，將防禦週期壓縮到與攻擊節奏匹配的程度。這不只是工具升級，更是治理流程的根本重構。

---

結語：治理的本質，是讓能力流向對的方向

OpenAI 的 Daybreak 計畫，表面是一次產品更新，本質是一次 AI 治理思維的轉向——從「壓制能力」走向「分配能力」，從「提示層攔截」走向「存取層與使用層控管」。

這給了所有正在擁抱 AI 的企業一個重要的提醒：真正的 AI 治理，不是把能力鎖在保險箱裡，而是建立一套可信賴的機制，讓能力流向防禦、流向創新、流向價值創造，而不是流向攻擊與濫用。

當 AI 資安能力的不對稱競賽已經開跑，企業的 AI 治理框架不能只停留在「要不要用 AI」的討論，而必須推進到「如何讓對的人、在對的邊界內、用對的方式使用 AI」的實務層面。這正是 CSA AI Control Matrix、ISO 42001、OWASP AISVS 等國際框架存在的價值，也是博曄顧問以數位信任為核心，協助企業從 AI 模型安全評估、使用治理到安全治理制度建構，全面建立可信任 AI 治理體系的使命所在。

防禦窗口正在縮窄，但治理的窗口永遠敞開。現在，是行動的時刻。

---

作者：蔡一郎｜博曄顧問股份有限公司 創辦人｜The Honeynet Project 台灣分會長