PHP 漏洞為何引發全球警戒?了解 AI 如何改變資安攻防戰

2026 年 10 月 21 日,日本首相高市早苗在 X 發文,提醒網站管理者準備更新 PHP。一次 PHP 安全更新,為什麼需要由首相出面呼籲?同一時間,荷蘭國家資安中心 NCSC 與部分政府機關也預防性關閉網站,在完成修補前先暫停對外服務。

本篇 Aiworks 將解釋這次 PHP 漏洞的影響、為什麼兩年前就發現的問題遲遲未修好,再看 AI 是如何改變現今的資安攻防戰。

PHP 漏洞會造成哪些後果?

當你打開一篇 WordPress 文章,或在購物網站查詢訂單時,你看見的網頁可能就是伺服器執行 PHP 程式後產生的。

這次漏洞讓使用 PHP 的不同網站都有機會受到影響。攻擊者在特定條件下,能讀取資料庫連線密碼、API 金鑰等敏感資料。即使網站表面上仍正常運作,背後的資料也可能正在外洩。

影響範圍有多大?

依 Censys 在 2026 年 10 月 23 日更新的全球觀測,其掃描辨識出約 6,760 萬個使用 PHP 的網站服務。而根據 W3Techs 的統計,在能辨識伺服器端程式語言的網站中,約七成使用 PHP。這次漏洞出在廣泛共用的底層軟體,讓不同網站的營運者都需要留意更新。

對來不及完成修補的機構或是企業而言,預防性關閉網站成了不得已的選擇。

2024 年就發現問題,為什麼沒有及早修好?

兩年前,PHP 開發者在一次修正工作中,就已經發現記憶體不足時發生的異常行為,也推測可能衍生安全風險。但當時還沒有人找出具體攻擊方法,其他影響明確的問題因而占據較高的處理優先順序。

事實上,安全團隊也曾著手修補。依 PHP Foundation 的事件回顧,團隊提出了幾種修補方式,卻遲遲無法在相容性、安全風險與第三方擴充的配合成本之間選定方案。

另外,熟悉引擎的開發者人力也有限,所以修補在數月間反覆啟動又停滯。

問題被發現後,修補仍需要可行方案、明確決策與持續投入的人力。 (圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)
問題被發現後,修補仍需要可行方案、明確決策與持續投入的人力。
(圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)

直到 2026 年 8 月,研究者通報了能讓攻擊者遠端執行程式碼的具體攻擊方法,才讓這個 PHP 問題的危害變得明確。修補這個問題因此成為基金會安全團隊的最高優先事項,並在 10 月 21 日發布修正版本。

AI 協助串接困難步驟,並降低多情境攻擊的成本

Wiz 指出,將多個弱點串成可運作的攻擊,複雜程度接近人類研究者實務上能處理的極限,而 AI 能協助完成這些步驟。

同時,AI 也降低了把攻擊調整到不同環境的成本。版本、設定與應用程式不同,原本成功的路徑就可能失效;但透過 AI,這些差異分析、重新測試,都變得更加容易且快速,導致攻擊更容易擴展到其他情境。

研究者提出方向,AI 協助分析與反覆測試,降低完成攻擊及調整到不同環境所需的投入。 (圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)
研究者提出方向,AI 協助分析與反覆測試,降低完成攻擊及調整到不同環境所需的投入。
(圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)

面對這類資安問題,現有的資安防護體系如何運作?

以 PHP 為例,參與防護的包括安全團隊與核心開發者、資助維護工作的 PHP Foundation,以及協助研究、提供主機服務與防護措施的外部公司。這些角色需要共同投入,才能將漏洞發現、程式修補與使用者端的更新銜接起來。

除此之外,面對新漏洞,這些團隊也會先私下協作,準備修補方案、更新套件與指引,再約定對外公布的時間。這種安排稱為「協調公布」:讓相關供應商能提前做好防護,也讓公眾得知漏洞時,同步取得防護資訊。

私下通報後,維護團隊與相關供應商需要共同準備修補、更新與防護措施。 (圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)
私下通報後,維護團隊與相關供應商需要共同準備修補、更新與防護措施。
(圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)

找漏洞的成本降低了,企業修補能力跟得上嗎?

AI 輔助找漏洞,已經有多種專門工具。OpenAI 的 Codex Security 提供程式碼安全分析與問題驗證;Anthropic 的 Claude Security 協助掃描與驗證發現;Google 的 CodeMender 也將尋找、驗證與修補漏洞納入工具功能。

漏洞發現後,接著是一連串耗時的流程:設計可靠的修補方式、測試正常功能,再由網站營運者盤點受影響的系統、安排更新時程。

Verizon 2026 DBIR彙整了超過 1.3 萬個組織的資料。相較前一份報告,組織面對的 KEV 漏洞數中位數從 11 個增加到 16 個;完整修補時間指標的中位數從 32 天延長至 43 天;完整修補比例則從 38% 降至 26%。這組年度比較顯示,企業原本沉重的修補負擔正進一步加重。

企業需要處理更多遭到利用的漏洞,完整修補卻花更久時間,完成比例也下降。 (圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)
企業需要處理更多遭到利用的漏洞,完整修補卻花更久時間,完成比例也下降。
(圖片來源:使用 OpenAI ImageGen 生成,Aiworks 製作)

Aiworks 觀點:AI 提升了漏洞發現的能力,修補與防護資源也要跟上

面對 AI 帶來的資安風險,我們可以保持警覺,不必過度恐慌。發現漏洞與完成穩定攻擊之間,仍需要專業判斷與反覆測試。以 Calif 的 PHP 研究為例,研究者憑藉對系統與過往漏洞的理解,才能逐步找出可行的攻擊方法。

另外,防守方的研究機構、AI 公司與維護團隊,也在同一時間利用同樣的能力尋找問題與修補漏洞。不過,前述 DBIR 數據顯示,企業原本的修補負擔已經在加重。

AI 能更快找出漏洞,企業也需要確保足夠的人力與資源,完成後續的修補與驗證。當這些後續工作能跟上,才有機會讓組織變得更加安全。


📩 想為你的組織打造 AI 協作能力?

Aiworks 提供企業內訓、客製化培訓與實作工作坊,協助各產業團隊規劃生成式 AI 的導入與應用策略。

▼ 聯絡我們|規劃你的 AI 實戰課程,讓轉型真正落地 ▼

(若表單未正常顯示,請點擊此連結進入表單填寫頁面)


推薦延伸閱讀

▶ AI 資安攻防戰升級:從 OpenAI Daybreak 與 Anthropic Project Glasswing 看企業防禦應對策略

參考來源