在 Venak Security 舉辦的 2026Sandbox ，MetaDefender Adaptive Sandbox 95% 的人工智慧生成惡意軟體樣本

涵蓋四家供應商及五個類別的八十項評估，總體通過率為 68.8%。Venak SecurityOPSWAT Adaptive Sandbox Malwation THREAT.ZONE「在偵測樣本方面表現極佳」，而 CrowdStrike FalconSandbox ANY.RUN 則分別僅偵測到三個和一個樣本。

OPSWAT Adaptive Sandbox」的各類別檢測結果顯示，在勒索軟體、資訊竊取程式及混淆惡意軟體這三個類別中，其檢測效能均表現出穩定的優勢，唯獨在「DLL 旁載漏洞利用」類別中出現差異。

在「零日勒索軟體」類別中OPSWAT Adaptive Sandbox Malwation THREAT.ZONE 均通過了六個樣本中的六個測試。CrowdStrike FalconSandbox 六個樣本中的三個，而 ANY.RUN 則通過了六個樣本中的一個。

我們的專家已針對透過 ClickFix 攻擊發起的 Interlock 和 Qilin等勒索軟體攻擊活動進行分析與記錄，在這些攻擊中，指令級模擬技術在有效載荷抵達終端裝置之前，便已偵測到反虛擬機檢測機制與休眠計時器。同樣的風險在 OT 環境中亦有所顯現，我們追蹤到以 ICS 和 OT 網路為目標的活躍勒索軟體團體數量，已從 2024 年的 80 個增至 2025 年的 119 個。

在醫療保健領域，我們曾撰文探討：為何僅靠終端防護不足以抵禦可能導致勒索軟體的零日漏洞攻擊，以及為何基於模擬技術的沙箱分析能偵測到那些需要更深入行為分析的威脅。

在「資訊竊取型惡意軟體」類別中OPSWAT Adaptive Sandbox CrowdStrike FalconSandbox 通過了四個樣本中的四個測試。Malwation THREAT.ZONE 通過了四個樣本中的三個，而 ANY.RUN 則在四個樣本中均未通過。資訊竊取型惡意軟體仍是現實世界中常見的載荷。我們已記錄多起案例，其中透過網路釣魚傳播的後門程式會安裝 .NET 資訊竊取型惡意軟體，藉此從瀏覽器和應用程式中竊取憑證。

我們在ClickFix 的攻擊活動中也觀察到相同的技術，這些活動散佈了包括 Lumma、StealC、Vidar、AMOS 及 Odyssey 在內的資訊竊取程式。

在「DLL 側載漏洞利用」類別中，Malwation THREAT.ZONE 是唯一一家通過單一樣本測試的廠商。DLL 側載是當前野外活躍的攻擊技術；我們的專家追蹤到一項真實世界中的攻擊活動，其中威脅行為者劫持了一個經過合法簽名的 Canon 實用程式，藉此側載惡意 DLL 並部署 PlugX 後門——這條攻擊鏈僅有我們的Adaptive Sandbox Adaptive Sandbox 執行時Sandbox 。

在「混淆惡意軟體」類別中Adaptive Sandbox CrowdStrike FalconSandbox 成功通過了四個樣本中的四個。Malwation THREAT.ZONE 與 ANY.RUN 則各自在四個樣本中均未通過任何一個。Venak Security 指出，這兩款產品「在這兩項測試中表現極為出色」。

這是我們密切追蹤的一種模式：經過壓縮、加密且具有多態性的惡意軟體，迫使指令級模擬技術必須進行解密，進而揭露靜態分析工具所未能偵測到的有效載荷。我們曾在航空航天與國防領域的一場「Lazarus Comebacker」攻擊行動中觀察到相同的作法，其中透過模擬技術，揭露了自訂的 XOR 與位元交換混淆技術、ChaCha20 載入器階段，以及僅在記憶體中執行的機制。

在「Sandbox 測」類別中Adaptive Sandbox、CrowdStrike FalconSandbox 以及 Malwation THREAT.ZONE 均通過了全部五個樣本的測試；ANY.RUN 則通過了其中四個樣本。

OPSWAT Adaptive Sandbox 本次測試中速度最快的沙箱，平均每份樣本僅需約 10 秒。Venak Security 稱其為「本次評估中表現最佳的解決方案」，而 CrowdStrike FalconSandbox 四家廠商中速度最慢的，平均每份樣本需耗時 2 至 3 分鐘。

速度直接影響 SOC 的處理量。一個能在數秒內（而非數分鐘）給出判定結果的沙箱，在處理量高峰時能處理遠多於其他系統的檔案，同時不會造成分析佇列，也不會延遲 SIEM 和 SOAR 工作流程中的下游自動化作業。

Venak Security 於 2024 年 9 月推出其AI 惡意軟體模擬器（AMTSO），此後便透過私下及公開測試對網路安全產品進行評估。今年 2026 年第二季的評估，是 Venak 首度基於 AMTSOSandbox 框架 v1.0 進行的公開沙箱測試，此舉延續了我們先前文章中提及的私下評估。

OPSWAT的Adaptive Sandbox 測試結果

這兩項測試採用了不同的方法，因此無法直接以絕對百分比變化來比較結果。檢測結果有所改善，而分析速度則維持在相同範圍內。

對於 SOC 和威脅獵捕團隊而言，兩個獨立測試週期間的一致性，比任何單一結果都更為重要。一款在各類別（包括勒索軟體、資訊竊取程式及混淆惡意軟體）中均表現優異的沙箱，能減少攻擊者透過變更技術手段所可能利用的盲點。加上平均約 10 秒的判定時間，這意味著漏檢情況減少，邊界處的待處理佇列也隨之減少，從而確保自動化 SIEM 和 SOAR 回應機制得以持續運作，無需人工干預。

MetaDefender 是OPSWAT統一零日漏洞偵測解決方案，其將Adaptive Sandbox 單一偵測管道中的五個層級之一進行運作。 檔案會先經過第 1 層——威脅聲譽分析，以及第 2 層——預測性 Alin AI，以提供執行前的機器學習判定結果；接著經過第 3 層——動態分析（由Adaptive Sandbox 基於模擬技術的引爆功能驅動）、第 4 層——ML 威脅評分，以及第 5 層——AI 威脅獵捕，最終產生可採取行動的判定結果。

每個層級都會逐步篩選需要深入檢查的對象，再將其升級至下一層級。預測性 Alin AI 能在毫秒內標記高風險檔案，且無需執行模擬攻擊，從而減少進入「Sandbox」動態分析階段的檔案數量。通過動態分析的檔案將進入威脅評分階段，最後進入基於相似度的威脅獵捕階段，該階段會將分析結果與已知的惡意軟體家族及攻擊活動進行關聯比對。

Venak Security 的測試結果反映了「Sandbox」的偵測能力。在MetaDefender 系統中，這項偵測能力與另外四層防護機制協同運作，讓安全營運中心（SOC）和威脅獵捕團隊針對每個檔案都能獲得單一、整合的判定結果，而非需要手動進行關聯分析的分散式輸出。

Adaptive Sandbox 在 Venak Security 獨立測試中的表現，正體現了MetaDefender （OPSWAT統一零日漏洞偵測解決方案）核心所採用的相同偵測引擎。立即與專家線上諮詢，了解MetaDefender 五層處理流程如何融入您的資安架構。