CAREER TRANSITION · OFFENSIVE SECURITY → AI SECURITY

從 OSCP 到 OSAI：攻擊性資安人員如何轉戰 AI 安全領域

如果你已經是 OSCP 持有者，你可能會好奇，我擁有這身攻擊本領，能不能轉換到 AI 紅隊演練上？答案是可以，而且用到的地方比你想像的還多。這篇文章會拆解哪些傳統紅隊能力可以直接沿用、哪些是AI的全新領域，並帶你了解如何有效率地補齊從 OSCP 到 OSAI 的落差。

AI 正在改寫網路安全攻防兩端的遊戲規則，但大多數資安團隊卻還學習應付舊時代攻擊面的技能。ISC2《2025 年網路安全人才研究》發現，59% 的資安專業人士坦言團隊存在明顯的技能缺口。

對 OSCP 持有者而言最重要的是：你並不是從零開始。你在 PEN-200 訓練中所養成的攻擊者思維、偵察習慣和漏洞攻擊手法，正是 AI 紅隊演練的根基。從 OSCP 走到 OSAI，是把既有能力延伸到新戰場，如機率性系統、LLM 攻擊面以及多代理架構等。

為什麼 AI 安全現在急需攻擊性資安人才

AI 攻擊面的擴張速度，早已超過企業能夠守住的範圍。在 OWASP《2025 年 LLM 應用十大風險》中，提示注入（prompt injection）高居榜首，供應鏈漏洞則排名第三。IBM《2025 年資料外洩成本報告》指出，在發生過 AI 資安事件的受害企業中，97% 缺乏完善的 AI 存取控制，另有 63% 根本沒有任何 AI 治理政策可言。

人才面的狀況也好不到哪去。根據 Fortinet《2025 年全球網路安全技能缺口報告》，97% 的企業正在使用或計劃導入 AI 驅動的資安解決方案，但有 48% 的 IT 決策者表示員工缺乏足夠的 AI 專業知識去有效運用這些工具。換句話說，企業正在急速部署 AI，卻對其中的安全隱患幾乎無法控制，能對這些系統進行對抗性測試的人才卻少之又少。

目前多數 AI 安全職位的人選，都是機器學習工程師或資料科學家出身，他們懂得模型怎麼運作，卻不懂攻擊者怎麼思考。這中間存在巨大的落差，也是搞錯了問題的切入點。

這個產業需要的，是能像攻擊者一樣思考、能實際探測系統、串聯漏洞、並在壓力下證明攻擊確實有效的人。這正是 OSCP 持證者的優勢所在。

你早就知道怎麼面對一個沒有任何文件說明的黑盒系統，並找出突破口；也早就知道在耗上好幾個小時、時間壓力步步逼近、卻怎麼試都不成功時，該如何保持冷靜。

攻擊者思維不會因為攻擊面換了就失效，它會跟著調整、繼續發揮作用。而現在，AI 安全正是最需要這種調適能力的領域。

// TRANSFERABLE SKILLS

能直接沿用的能力：OSCP 技能如何讓你搶先一步

如果你已經拿到 OSCP+，你其實早就具備了 AI 紅隊演練所需要的思考架構。攻擊目標雖然變了，但整套方法論的可轉移程度，可能比你想像的還要高。

01

偵察變成了 AI 系統的枚舉

以前你繪製的是網路拓撲圖和服務版本，現在則要枚舉模型架構、資料管道、API 端點以及 AI 元件之間的信任邊界。但先徹底枚舉再談攻擊的這套邏輯完全沒變。

02

漏洞利用演變成了對抗性輸入的設計

傳統的 SQL 注入、命令注入、LDAP 注入這類手法，其實跟提示詞注入、越獄在概念上是一脈相承的，你都是在操縱輸入，讓系統做出非預期的行為。差別在於 AI 系統具有機率性，同樣的輸入不見得每次都得到相同的輸出，這就需要另一種形式的堅持。

03

後滲透與橫向移動，變成了多代理鏈式攻擊

在網路攻防中，你是從一台被攻陷的主機跳到下一台。在 AI 環境裡，則是串聯被攻陷的代理，透過汙染 RAG 檢索管道取得橫向存取權，再藉由相互連結的 AI 元件逐步提權。權限提升與橫向移動的邏輯依然成立，只是拓撲結構不一樣了。

04

撰寫報告，變成了 AI 風險溝通

跟傳統紅隊相比，AI 紅隊演練需要多一層挑戰：你得在系統行為本質上就充滿不確定性、失效模式對利害關係人來說又不那麼直覺的情況下，把風險說清楚。

你透過 OSCP 培養出的攻擊者思維，不只是對 AI 安全有幫助而已，它其實是這個領域大多數新人都欠缺的必備條件。

// KNOWLEDGE GAPS

真正全新的部分：AI 特有的知識缺口

單靠 OSCP並不足以讓你應付 AI 紅隊演練的所有要求，有些領域的知識確實是全新的。

了解 LLM 的運作原理，程度要足以找出弱點

你不需要會打造一個模型，但要對 tokenization、注意力機制（attention mechanism）和嵌入（embedding）有足夠的理解，才能判斷哪裡可以下手施加影響。這就像要攻擊網路服務，你得懂 TCP/IP 一樣，需要概念基礎。

機率性系統 vs. 確定性系統

這是最大的思維轉換。傳統滲透測試中，執行一個漏洞攻擊，結果不是成功就是失敗；但在 AI 系統裡，同樣的輸入連續跑好幾次也可能得到不同的結果。這會直接影響你驗證發現、重現問題以及在報告中表達可信度的方式。

RAG 架構的攻擊面

檢索增強生成（RAG）已成為企業導入 AI 的主流架構，把 LLM 串接到內部知識庫、文件庫和即時資料來源。這種架構造就了幾年前根本不存在的龐大攻擊面。攻擊者需要了解如何對檢索資料庫下毒、如何操縱檢索排名讓惡意內容浮上檯面、如何利用上下文視窗，以及被汙染的檢索結果如何一路連鎖影響到模型的異常行為。透過汙染 RAG 取得橫向存取權，也就是把內容注入檢索來源，藉此改變模型後端行為，是目前 AI 紅隊工具箱裡最具殺傷力的新招式之一。

多代理系統攻擊

現在企業致力發展彼此能協作的 AI 代理，它們透過共享上下文、委派任務、自主決策來運作，這也會讓攻擊面倍增。串聯被攻陷的代理來進行橫向移動，是一種在傳統網路滲透測試中找不到直接對應手法的新興攻擊技術。當一個代理可以指揮另一個代理採取行動或擷取資料時，只要攻陷第一個，就可能連帶波及整個代理生態系。搞懂代理之間的信任關係，相當於 AI 時代版本的 Active Directory。

AI 供應鏈安全

模型來源、依賴風險、訓練資料完整性，都是關鍵的攻擊途徑。OWASP LLM 十大風險把供應鏈漏洞列在第三名其來有自，很多企業導入第三方模型時，根本沒有充分驗證裡頭到底藏了什麼。

框架與分類法

OWASP LLM 十大風險、MITRE ATLAS，以及 NIST AI 風險管理框架，為 AI 安全工作提供了共通語言，就像 MITRE ATT&CK 之於傳統攻擊行動一樣。熟悉這些框架，無論是實際執行還是對外溝通都不可或缺。

若想更深入了解這些正在演變中的技能需求，可以搭配 OffSec 針對 2026 年攻擊性 AI 安全技能所做的分析一起參考。

// WHY HANDS-ON CERTIFICATION MATTERS

為什麼在 AI 安全領域，實作型認證更為重要

其他認證可能著重廣泛涵蓋 AI 治理、政策和防禦架構，但 OSAI 的設計初衷是驗證你能不能在真實條件下，實際找出並利用 AI 系統中的漏洞。這場 24 小時的考試測驗你在面對全新的 AI 攻擊面時能不能撐得住，且在事情不如預期時懂得隨機應變，並把發現的問題寫成能真正推動防禦行動的報告。

這與為什麼 OSCP 在業界這麼備受認可的原因是相同的，OSAI同樣重視方法論、重視動手實作、重視監考實測。

在AI 領域更需要這樣的精神，因為 AI 的攻擊面文件記載更少、更難預測，變化速度更是快到任何訓練教材都追不上。

「Try Harder」這套方法論，特別適合用來應付 AI 那種難以預測的攻擊面。在傳統滲透測試中，通常存在一條已知的攻擊路徑，你的工作就是把它找出來；但在 AI 紅隊演練裡，攻擊面的文件本來就少，系統行為又充滿不確定性，你常常得在指引有限的情況下，靠自己摸索出解法。而這正是 OSCP 訓練所要鍛鍊的思維，OSAI 只是把它延伸到了 AI 這個新戰場。

對於正在評估如何建立 AI 資安能力的團隊來說，OSAI 提供了一個可信、且經過實測驗證的指標，證明持證者在這個領域是能親自上場操作的，而不只是紙上談兵。

FAQ

OSAI 需要機器學習經驗嗎？

OSAI 不要求學員具備任何機器學習背景。課程是從攻擊性資安的角度切入 AI 概念，重點放在培養對抗性攻擊的熟練度，而不是模型工程。如果對 LLM 有基本認識，並接觸過一些 LLM 滲透測試的方法，會更容易吸收課程內容。

OSCP 是取得 OSAI 認證的必要條件嗎？

不是，但 OSAI 屬於高階課程（AI-300），是為具備紮實攻擊基礎的資深資安人員所設計。OSCP+ 持證者相對佔優勢，因為他們的偵察習慣、漏洞利用方法，以及考試耐力戰的形式，都能直接派上用場。

OSAI 的考試形式是什麼？

OSAI 考試是 24 小時的監考測驗。考生要在 AI 驅動的目標環境中執行偵察、漏洞利用與後滲透。考試採open book，但不得使用 AI 聊天機器人，考生最後還需要繳交一份專業報告，記錄整個測試發現。

OSAI 認證能勝任什麼工作？

AI 紅隊成員、AI 滲透測試員、以攻擊為導向的 AI 安全工程師，以及資深資安顧問等。

AI 會取代滲透測試人員嗎？

AI 改變的是滲透測試人員需要具備的知識，而不是要淘汰這個職位。自動化工具確實能處理重複性的掃描工作，但對抗性思考終究是一種人類特有的能力。

隨著各企業加速導入 AI，具備攻擊性 AI 安全技能的滲透測試人員只會變得越來越搶手。

查詢開課時間索取課程資訊