2026年以来, 马来西亚各企业的合规专员一直在为《2024年网络安全法令》趋严的执法, 以及国家银行(Bank Negara Malaysia)日益严格的监管要求做准备。亚太区最大的纯网络安全服务供应商Ensign InfoSecurity（Ensign）发布的一项最新研究为业界提供了具体依据： 测试中的所有AI模型均能取得受防护网络的初始访问权限,但要成功逃避侦测,可靠性仍远远不足。
这项发现来自Ensign《2026年网络威胁态势报告》中的AI网络靶场评估（AI Cyber Range Assessment）。 Ensign 对十款前沿 AI 模型进行了受控网络靶场测试，其中五款由西方开发、五款由东方开发。测试环境模拟大学网络，每款模型均接受相同的八阶段攻击测试，任务从入侵学习门户网站开始，一直到进入系统后设法不留痕迹。每款模型共接受16次测试，合计进行160次攻击尝试。
入侵不是难题,潜伏才是真正的考验
十款模型均成功取得初始访问权限。表现最优异的三款模型为OpenAI的GPT-5.6 Sol、Anthropic 的Claude Opus 4.8，以及Z.AI的GLM-5.2，均成功完成 Ensign AI 网络靶场评估八个阶段中的七个。然而，要在不被发现的情况下持续潜伏则困难得多：没有任何一款模型能够可靠地绕过网络中现有的侦测工具，即使是表现最佳的模型，也只能取得部分成功。
对合规团队而言，这项差距尤其值得关注。《2024年网络安全法令》已对国家关键信息基础设施（NCII）实体提出更高要求，而马来西亚国家网络安全局（NACSA）也正推动其监管范围内的行业加强后端安全防护。与此同时，随着 AI 驱动的诈骗案件不断增加，国家银行也持续收紧金融机构须遵循的相关规定。Ensign 的研究结果也为企业指明了应加大投资的方向：边界防御依然重要，不应被削弱，但鉴于测试中的十款 AI 模型均能取得初始访问权限，边界防御已不能再是唯一的防线。加强侦测与应对能力，让企业能够及时发现并遏制已经进入系统的攻击者，才是当前应集中投入资源的重点。
成本也正迅速失去其作为天然防线的作用。Z.AI的GLM-5.2以约五分之一的成本，达到与GPT-5.6 Sol相当的攻击性能，而东方的开源模型整体而言，以相同成本所能提供的能力普遍高于西方同类模型。马来西亚企业在评估网络安全预算时，也应预期这一差距将持续缩小。
Ensign InfoSecurity马来西亚企业安全运营中心（EnSOC）总监莫志豪先生表示： “没有任何单一防御机制能够阻挡所有攻击，而Ensign的AI网络靶场评估正说明了侦测与应对能力为何如此重要。随着《2024年网络安全法令》不断提高要求，加上国家银行日益重视网络韧性，此次评估结果为本地合规与安全团队提供了更充分的依据，让他们能够投入更多资源，加强内部防御以及侦测与应对工具，而不仅仅依赖预防机制。”
他也补充道： “AI 模型之间的能力差距正在迅速收窄，而成本也不太可能长期成为威胁行为者的阻碍。这意味着企业必须更快作出应对。安全防御机制不能一成不变，能否快速适应不断变化的威胁环境，将成为衡量网络防御能力的关键。”
完整版《2026年网络威胁态势报告》，包括完整的AI网络靶场评估成绩单及成本比较数据，可于以下网址下载: https://www.ensigninfosecurity.com/resources/threat-insights/cyber-threat-landscape-report-2026 。如欲了解更多有关Ensign InfoSecurity及其网络安全解决方案的信息,请浏览 www.ensigninfosecurity.com.