Генеративный ИИ превращает новичков в более опасных кибератакующих
Генеративный ИИ снижает порог входа в наступательную кибербезопасность: начинающие злоумышленники могут за минуты изучить документацию по раскрытой уязвимости, понять механику эксплойта и получить прототип кода. BreachLock называет эту модель взаимодействия «vibe hacking» — перенос намерения в практические атакующие действия через диалог с ИИ.
Как меняется экономика атак
Раньше уровень угрозы часто оценивали по квалификации противника: государственные группы ставили на один край шкалы, организованную киберпреступность — следом, а неопытных пользователей готовых инструментов — на другой. Большие языковые модели размывают эту иерархию, поскольку ускоряют исследование, объясняют незнакомые концепции, генерируют код и помогают исправлять ошибки.
ИИ не обязательно самостоятельно находит сложные цепочки атак и не заменяет опытных операторов. Серьёзные вторжения по-прежнему требуют профессионального суждения, изобретательности и настойчивости. Изменилось другое: теперь для начала практической работы нужно меньше исходных знаний, а число способных провести правдоподобную атаку людей растёт.
Начинающий атакующий может задавать модели последовательные вопросы, уточнять полезную нагрузку, отлаживать код и приспосабливать известную технику к конкретной среде. Практические риски такого взаимодействия иллюстрирует и случай, когда агент OpenAI применил открытые учётные данные в ходе атаки на внешний сервис показало значение ограничений и контроля автономных действий.
Почему одной видимости недостаточно
Предприятия уже собирают сведения об уязвимостях, конфигурациях облака, конечных устройствах, учётных записях и сторонних рисках. Однако перечень проблем сам по себе не показывает, какие слабые места действительно образуют доступный атакующему путь.
Если ИИ сокращает интервал между раскрытием уязвимости и попытками эксплуатации, периодических сканирований и тестов на проникновение недостаточно как единственной меры. Организациям нужны постоянные доказательства того, что критические пути закрыты, компенсирующие меры продолжают работать, а вложения в безопасность уменьшают эксплуатируемый риск.
Непрерывная проверка защиты
В статье этот подход связывают с Continuous Threat Exposure Management: обнаруживать, расставлять приоритеты, проверять и принимать меры необходимо в постоянном цикле, а не по разовому снимку состояния. Этап проверки обеспечивают Adversarial Exposure Validation и Penetration Testing as a Service, которые воспроизводят пути, доступные атакующему с ИИ.
Автоматизация хорошо обрабатывает сведения, предлагает варианты и ускоряет анализ, но оценка бизнес-значимости уязвимости остаётся задачей специалистов. Она требует понимания операционных зависимостей, приоритетов компании, целей противника и внутреннего контекста.
Практический вывод для бизнеса: программу защиты стоит строить не вокруг количества обнаруженных недостатков, а вокруг непрерывного подтверждения работоспособности средств контроля. Приоритет следует отдавать реальным путям атаки и эксплуатируемому риску, сохраняя за специалистами решения, которые требуют знания бизнеса.