本期焦點涵蓋 AI 應用安全、軟體開發生命週期、安全程式設計、開發者教育，以及可重複使用的資安角色提示詞。隨著 AI 降低軟體建置門檻，安全控制與訓練也需要延伸至傳統開發流程之外。
1. Orca 推出 AI AppGen Security
Orca Security 發表 AI AppGen Security，目標是保護透過 AI 應用產生工具所建置的軟體。這項產品將安全涵蓋範圍延伸至傳統開發管線之外，以因應更多人使用 AI 建置軟體的趨勢。
2. AI Code Security Auditor 強化程式碼檢查
Orca 同時推出 AI Code Security Auditor，將程式碼安全稽核納入其 AI 安全工具組合。兩項產品分別關注 AI 產生應用與程式碼安全，反映軟體可能在不同建置流程中產生，安全治理也必須隨之擴大。
3. SDLC 串連軟體的規劃、上線與維運
軟體開發生命週期（SDLC）涵蓋軟體從規劃、建置到正式運作及後續維護的相關活動。安全需求若能配合各項活動持續執行，較容易融入日常工程流程，而非等到部署前才集中處理。
4. SDLC 階段是活動分類，不等同固定時程
SDLC 的七個階段描述的是開發活動，而不是必須依照日曆切割的固定階段。即使團隊每天部署兩次，仍會執行這些活動，只是各階段被壓縮並更頻繁地循環。
5. 高頻部署仍需完整落實 SDLC
部署速度加快不代表可以省略 SDLC 活動。團隊需要把必要的規劃、驗證、部署與維護工作整合進短週期流程，讓交付頻率與工程治理可以同時維持。
6. AI 應用安全需涵蓋 LLM 呼叫
AI 應用加入大型語言模型（LLM）呼叫後，安全程式設計的考量也會增加。開發者需要將模型互動視為應用程式的一部分，並在設計與實作期間一併納入安全檢查。
7. 模型可呼叫工具時需擴大安全邊界
當 AI 模型能夠呼叫外部工具，相關能力便成為應用安全設計的一環。除了模型本身，團隊也應把工具介面與文件等新增元件納入安全程式設計範圍。
8. 人人都能建置軟體，資安訓練對象隨之改變
生成式 AI 等工具讓更多人具備建置軟體的能力，資安訓練因而不能只面向傳統開發者。訓練內容需要配合新的建置者族群調整，讓不同背景的使用者都能理解與自身工作相關的安全責任。
9. 資安教育需要讓受眾願意投入
資安訓練的成效不只取決於資訊是否完整，也與內容能否吸引受眾持續參與有關。面對影片、動畫及生成式 AI 等不同工具，核心課題仍是如何讓學習者投入，而不是忽略訓練內容。
10. 建立可重複使用的 Claude Code 資安角色庫
將單次資安提示詞練習整理成可重複使用的 Claude Code 資安角色庫，有助於形成實務且可擴充的工具組。該方法涵蓋十五種資安角色，讓不同任務能套用對應角色，並持續擴充既有提示詞資產。