CrowdStrike ostrzega: AI jest teraz centralnym elementem cyberataków

CrowdStrike ujął liczbą konflikt, który coraz wyraźniej pojawia się w Google News: ataki przeprowadzane przez przeciwników wykorzystujących AI wzrosły o 89% w 2025 roku. Firma twierdzi, że sztuczna inteligencja przyspiesza dziś ataki, jednocześnie tworząc wartościowe nowe systemy, które przestępcy mogą obrać za cel.

To połączenie znaczy więcej niż kolejne ostrzeżenie przed przekonującymi wiadomościami phishingowymi. AI coraz głębiej przenika rozpoznanie, tworzenie złośliwego oprogramowania, wykorzystywanie podatności, kradzież poświadczeń i działania po uzyskaniu dostępu. Atakujący obierają też za cel modele, konektory, narzędzia programistyczne i usługi chmurowe, którym przedsiębiorstwa obecnie ufają.

Główna rywalizacja nie toczy się więc między atakującymi wyposażonymi w AI a tradycyjnym oprogramowaniem antywirusowym. Jest to starcie wspomaganej maszynowo ofensywy z operacjami bezpieczeństwa, które wciąż ograniczają ludzka weryfikacja, fragmentaryczna widoczność i powolne łańcuchy zatwierdzania. Badania Google, Microsoft i Anthropic potwierdzają ten kierunek, choć ich dowody ujawniają również istotne ograniczenia ujęcia CrowdStrike.

Raport CrowdStrike przekształca AI z eksperymentu w warstwę operacyjną

Najważniejsze twierdzenie CrowdStrike głosi, że AI przeszła od odizolowanych eksperymentów do rutynowego mechanizmu operacji cybernetycznych.

Firma opublikowała 3 sierpnia raport 2026 Threat Hunting Report, oparty na incydentach badanych w 2025 roku i pierwszej połowie 2026 roku. Jego ustalenia opisują atakujących wykorzystujących AI jako narzędzie, cel i wzmacniacz siły działania.

Raport ukazał się po lutowym Global Threat Report CrowdStrike, który odnotował 89-procentowy wzrost rok do roku operacji prowadzonych przez przeciwników wykorzystujących AI. We wcześniejszym raporcie średni czas eCrime breakout time wyniósł również 29 minut.

Breakout time mierzy odstęp między początkowym uzyskaniem dostępu przez atakującego a ruchem bocznym do innego systemu. CrowdStrike podaje, że średnia z 2025 roku oznaczała 65-procentowy wzrost szybkości względem poprzedniego roku. Najszybsze zaobserwowane przejście zajęło zaledwie 27 sekund.

Nowsze ustalenia z polowań na zagrożenia zawierają kilka konkretnych przykładów. CrowdStrike twierdzi, że przeciwnicy powiązani z Chinami wykorzystywali krytyczne podatności w ciągu 24 godzin od opublikowania publicznego kodu proof-of-concept. Firma przypisuje też zatrucie 131 pakietów frameworków AI podmiotom powiązanym z Koreą Północną.

W innej kampanii atakujący wygenerowali niemal 200 000 nieautoryzowanych żądań API dużych modeli językowych w ciągu dwóch minut. Ta praktyka, często nazywana LLMjacking, polega na kradzieży dostępu do usługi modelu i przeniesieniu wynikających z tego kosztów na jej prawowitego klienta.

CrowdStrike odnotował również podwojenie liczby włamań poprzez phishing głosowy w pierwszej połowie 2026 roku w porównaniu z drugą połową 2025 roku. Phishing głosowy, czyli vishing, wykorzystuje rozmowy telefoniczne i podszywanie się pod inne osoby, aby manipulować pracownikami i nakłaniać ich do udzielenia dostępu lub ujawnienia poświadczeń.

Liczby te nie oznaczają, że AI samodzielnie planowała każdy incydent. Pokazują, że atakujący mogą włączać modele do znanych procesów roboczych i prowadzić je z większą szybkością lub na większą skalę.

Podstawowe cele ataków pozostają rozpoznawalne. Grupy przestępcze nadal chcą zdobywać poświadczenia, kryptowaluty, wrażliwe dane lub płatności wymuszone szantażem. Operatorzy wspierani przez państwa nadal dążą do szpiegostwa, utrzymania dostępu i strategicznego dostępu.

AI zmienia ekonomię wokół tych celów. Zmniejsza wysiłek potrzebny do badania celów, tworzenia dopasowanych materiałów, modyfikowania kodu, przetwarzania wykradzionych informacji i powtarzania ataku wobec większej liczby ofiar.

Raport zmienia też to, co uznaje się za wystawioną na ryzyko infrastrukturę. Model przedsiębiorstwa nie jest już jedynie aplikacją zwiększającą produktywność. Jego poświadczenia API, konektory danych, oprogramowanie orkiestracyjne i zależności programistyczne mogą stać się ścieżkami ataku.

Ta podwójna rola tworzy główne napięcie artykułu. Firmy wdrażają AI, aby zmniejszyć tarcia operacyjne, podczas gdy atakujący przeszukują to samo środowisko w poszukiwaniu uprzywilejowanego dostępu i słabo zarządzanej automatyzacji.

Dlaczego nagłówek z Google News ma znaczenie dla zespołów bezpieczeństwa

Ujęcie Google News ma znaczenie, ponieważ CrowdStrike opisuje problem operacyjnego czasu reakcji, a nie jedynie kolejną kategorię złośliwego oprogramowania.

Zespoły bezpieczeństwa od dawna budują obronę wokół sekwencji działań. Narzędzie wykrywa nietypową aktywność, analityk weryfikuje sygnał, a następnie ktoś decyduje, czy odizolować użytkownika lub system. Każde przekazanie sprawy zajmuje czas.

Średni czas breakout wynoszący 29 minut kompresuje tę sekwencję. Przypadek odstający, trwający 27 sekund, praktycznie eliminuje możliwość ręcznej weryfikacji, zanim atakujący dotrze do kolejnego zasobu.

Presja ta najmocniej dotyka organizacje, których dane bezpieczeństwa pozostają podzielone między endpointy, platformy tożsamości, konta chmurowe, usługi programowe i systemy deweloperskie. Alert z jednej domeny może wyglądać niegroźnie bez kontekstu z pozostałych.

Atakujący korzystają z tych granic. Prawidłowe konto logujące się do usługi chmurowej może przypominać normalną pracę. Narzędzie deweloperskie pobierające pakiet może wyglądać rutynowo. Asystent AI wywołujący zatwierdzony konektor również może przejść przez konwencjonalne kontrole.

CrowdStrike podał, że 82% jego detekcji w 2025 roku obejmowało aktywność bez złośliwego oprogramowania. Ataki bez malware opierają się na prawidłowych poświadczeniach, zaufanych narzędziach lub wbudowanych funkcjach systemowych, zamiast na umieszczaniu rozpoznawalnego złośliwego pliku.

AI uzupełnia to podejście, ponieważ modele mogą pomagać atakującym interpretować środowiska i dostosowywać polecenia. Wynikające z tego zachowanie może przypominać zwykłą pracę administracyjną, dopóki nie zostanie połączonych wiele sygnałów.

Microsoft opisuje podobną zmianę w analizie aktywności zagrożeń związanych z AI. Firma twierdzi, że aktorzy zagrożeń wdrażają AI na wszystkich etapach planowania, rozpoznania, tworzenia malware, phishingu i operacji po uzyskaniu dostępu.

Microsoft dodaje jednak istotne zastrzeżenie. Ludzie nadal kierują większością zaobserwowanych kampanii, nawet gdy AI zmniejsza tarcia w całym cyklu życia ataku.

To rozróżnienie wpływa na priorytety obronne. Organizacje nie powinny przygotowywać się wyłącznie na fikcyjnego autonomicznego hakera działającego bez nadzoru. Muszą reagować na kampanie prowadzone przez ludzi, które stają się tańsze, szybsze i łatwiejsze do skalowania.

Wymuszona odpowiedź ma charakter operacyjny, a nie kosmetyczny. Zespoły bezpieczeństwa potrzebują kontroli, które mogą korelować aktywność między tożsamościami, endpointami, obciążeniami chmurowymi, usługami programowymi i aplikacjami AI.

Potrzebują też uprawnień do szybkiego powstrzymywania zagrożeń o wysokiej wiarygodności. Zautomatyzowane wykrywanie ma ograniczoną wartość, jeśli izolacja nadal czeka w długiej kolejce zatwierdzeń.

Presja wykracza poza działy bezpieczeństwa. Deweloperzy wybierają frameworki modeli i pakiety. Zespoły zakupowe zatwierdzają dostawców AI. Pracownicy łączą asystentów z dokumentami, kalendarzami, kodem źródłowym i systemami klientów.

Każde połączenie może przenosić użyteczny kontekst biznesowy. Może też rozszerzać konsekwencje przejętego konta, zatrutej zależności lub zmanipulowanego promptu.

Najbliższym wyzwaniem jest zatem zarządzanie w tempie operacyjnym. Przedsiębiorstwa muszą wiedzieć, które modele działają, do jakich danych mają dostęp, jakie działania mogą wykonywać i jak można cofnąć dostęp.

W dłuższej perspektywie organizacje będą musiały przeprojektować reagowanie na incydenty wokół dochodzeń prowadzonych z szybkością maszyn. Analityk powinien zachować odpowiedzialność, lecz nie może ręcznie odtwarzać każdego zdarzenia między domenami przed rozpoczęciem powstrzymywania.

Atakujący wykorzystujący AI mierzą się z obrońcami wspieranymi przez AI

Główna rywalizacja dotyczy szybkości i koordynacji: atakujący automatyzują kroki całej kampanii, podczas gdy obrońcy próbują automatyzować gromadzenie dowodów i powstrzymywanie zagrożeń.

CrowdStrike przedstawia AI jako wzmacniacz siły działania przeciwników. Ten opis jest wiarygodny, ponieważ atakujący nie potrzebuje modelu do wynalezienia nowej klasy exploita. Usprawnienie kilku zwykłych zadań może przynieść znaczącą skumulowaną przewagę.

Model może podsumowywać publiczne informacje o celu, tłumaczyć wiadomości, tworzyć warianty przynęty, wyjaśniać nieznany kod i organizować wykradzione dane. Może także pomóc mniej doświadczonym operatorom wykonywać zadania, które wcześniej wymagały specjalistów.

Anthropic przeanalizował 832 konta zablokowane za złośliwą aktywność cybernetyczną między marcem 2025 a marcem 2026 roku. W jego analizie kont zaobserwowane zachowania przypisano do frameworka MITRE ATT&CK, powszechnie używanego katalogu taktyk i technik atakujących.

Spośród tych kont 560 wykorzystywało AI w działaniach związanych z przygotowywaniem malware. Stanowiło to 67,3% badanej grupy. Kolejne 54 konta, czyli 6,5%, wykorzystywały AI do wspomagania ruchu bocznego wewnątrz przejętych środowisk.

Anthropic ustalił również, że wykorzystanie AI przenika coraz głębiej do ataków. Wzrosło wykrywanie kont wewnątrz przejętych systemów, podczas gdy udział aktywności związanej z phishingiem wspieranym przez AI zmalał.

Próbka firmy nie jest miarą wszystkich cyberataków. Obejmuje jedynie konta, które Anthropic zidentyfikował, zablokował i mógł przeanalizować wystarczająco szczegółowo. Mimo to przesunięcie w stronę działań po uzyskaniu dostępu potwierdza szerszy kierunek wskazywany przez CrowdStrike.

Atakujący zyskują dodatkową przewagę, gdy modele mogą łączyć zadania w łańcuchy. Zamiast prosić o pojedynczy skrypt, operator może zbudować system, który wybiera narzędzia, ocenia wyniki i decyduje o kolejnym kroku.

Ta orkiestracja jest ważniejsza niż jakikolwiek pojedynczy prompt. Przekształca model AI w jeden z komponentów powtarzalnego procesu ataku.

Obrońcy dysponują porównywalnymi przewagami. Mogą wykorzystywać AI do badania alertów, podsumowywania powiązanych zdarzeń, priorytetyzowania podatności, generowania zapytań i proponowania działań powstrzymujących. Kontrolują też środowisko przedsiębiorstwa, w którym te mechanizmy obronne działają.

Obrońca może widzieć historyczne zachowania związane z tożsamością, zatwierdzone urządzenia, uprawnienia chmurowe i oczekiwane relacje między aplikacjami. Zewnętrzny atakujący rzadko zaczyna z tak pełnym kontekstem.

Zespół Mandiant firmy Google opisał, jak ustrukturyzowana analiza AI może pomóc obrońcom analizować kod i znajdować ścieżki wykorzystania podatności. Jego badania kodu źródłowego wskazały 12 przypisanych podatności odkrytych w procesie przeglądu agentowego.

Wdrożenie mechanizmów obronnych wiąże się jednak z poważnym kompromisem. Agent bezpieczeństwa potrzebuje szerokiego dostępu, aby badać incydenty i podejmować działania. Uprawnienia te sprawiają, że agent, jego instrukcje i konektory stają się atrakcyjnymi celami.

Organizacje nie mogą po prostu podłączyć modelu do każdego systemu bezpieczeństwa i uznać, że problem czasu reakcji został rozwiązany. Muszą ograniczać uprawnienia, rejestrować działania, weryfikować wyniki i zachowywać niezawodne sposoby zatrzymania automatyzacji.

Przewagę uzyska strona, która lepiej koordynuje działania. Atakujący koordynują rozpoznanie, dostęp, wykorzystanie podatności i kradzież danych. Obrońcy muszą koordynować telemetrię, kontrole tożsamości, zarządzanie podatnościami i reakcję.

Ta rywalizacja nie gwarantuje zwycięstwa ofensywy. Oznacza jednak, że fragmentaryczne procesy obronne stają się droższe, gdy procesy przeciwników łatwiej automatyzować.

AI staje się również powierzchnią ataku

Najostrzejszy zwrot w ostrzeżeniu CrowdStrike polega na tym, że technologia wdrażana w celu przyspieszenia pracy może otworzyć nowe ścieżki do przedsiębiorstwa.

Firmy często omawiają ryzyko AI przez pryzmat wyników modeli. Rozważają, czy asystent może udzielić nieprawidłowej odpowiedzi, ujawnić poufne informacje lub wygenerować zakazane treści.

Badania CrowdStrike wskazują na szerszą powierzchnię techniczną. Modele działają wewnątrz systemów zawierających klucze API, wektorowe bazy danych, wtyczki, sesje przeglądarki, narzędzia deweloperskie i konektory innych firm.

Te komponenty zapewniają asystentowi użyteczny kontekst i możliwość działania. Tworzą jednak również okazje do kradzieży poświadczeń, kompromitacji łańcucha dostaw, prompt injection i nadużywania płatnych zasobów obliczeniowych.

Prompt injection polega na umieszczaniu wrogich instrukcji w treściach przetwarzanych przez system AI. Jeśli system zastosuje się do tych instrukcji, może ujawnić informacje lub uruchomić działania wykraczające poza intencje użytkownika.

CrowdStrike twierdzi, że atakujący wstrzyknęli złośliwe prompty do legalnych narzędzi generatywnej AI w ponad 90 organizacjach. Prompty miały rzekomo wygenerować polecenia wykorzystywane do kradzieży poświadczeń i kryptowalut.

Firma zaobserwowała również, że atakujący wykorzystywali platformy programistyczne AI do uzyskania trwałego dostępu i wdrażania ransomware. W innych przypadkach złośliwe serwery podszywały się pod zaufane usługi AI, aby przechwytywać wrażliwe informacje.

Google Threat Intelligence Group doszła do podobnego wniosku w swoim AI threat tracker. Google twierdzi, że atakujący coraz częściej celują w warstwy orkiestracji, biblioteki wrapperów, konektory API i pliki konfiguracji umiejętności.

Jego badacze nie zgłosili, by atakujący rutynowo przełamywali podstawową logikę bezpieczeństwa czołowych modeli. Zamiast tego aktorzy zagrożeń wykorzystywali znane techniki dotyczące łańcucha dostaw i poświadczeń przeciwko otaczającemu oprogramowaniu.

To ustalenie nie pozwala, by analiza odpłynęła w stronę science fiction. Bezpośrednim zagrożeniem zwykle nie jest tajemnicze przejęcie modelu. To zwykłe niepowodzenie zabezpieczeń pojawiające się w nowym i silnie połączonym stosie technologicznym.

Deweloper może zainstalować skompromitowany pakiet. Ujawniony token może umożliwić nieautoryzowane wywołania modelu. Konektor może przyznać szerszy dostęp do dokumentów, niż pracownik sobie uświadamia.

Atakujący może też wykorzystać zaufanie między komponentami. Jeśli przepływ pracy AI traktuje pobrane treści internetowe jako instrukcje, zmanipulowana treść może wpłynąć na późniejsze działania.

131 zatrutych pakietów zidentyfikowanych przez CrowdStrike ilustruje problem skali. Deweloperzy polegają na publicznych frameworkach, ponieważ odtworzenie każdej funkcji wewnętrznie jest nierealistyczne. Atakujący mogą wykorzystać tę zależność, naśladując użyteczne pakiety lub kompromitując opiekunów projektów.

Systemy AI tworzą również skoncentrowany dostęp. Jeden asystent może przeszukiwać pliki wewnętrzne, podsumowywać spotkania, wyszukiwać dane klientów i współdziałać ze środowiskami programistycznymi.

Taka koncentracja zwiększa produktywność. Może też sprawić, że jedna skompromitowana tożsamość lub przepływ pracy przekroczy granice, które wcześniej wymagały kilku odrębnych kont.

Architektura bezpieczeństwa musi więc traktować modele jako niezaufanych interpreterów, a nie niekwestionowanych decydentów. Model może rekomendować działanie, nie otrzymując stałego uprawnienia do wykonywania każdego działania.

Zasada najmniejszych uprawnień pozostaje kluczowa. Każde narzędzie powinno otrzymywać wyłącznie dane i uprawnienia potrzebne do bezpośredniego zadania. Działania o dużym wpływie powinny wymagać niezależnej walidacji.

Organizacje potrzebują również inwentaryzacji modeli, konektorów, agentów i poświadczeń. Zespół bezpieczeństwa nie może monitorować infrastruktury AI wdrożonej przez jednostki biznesowe bez rejestracji lub przypisanej odpowiedzialności.

Ostrzeżenie CrowdStrike staje się najbardziej użyteczne na tym poziomie. Kieruje uwagę z dala od sensacyjnych twierdzeń o inteligentnym malware, ku rzeczywistym interfejsom, w których firmowa AI styka się z cennymi systemami.

Czego nie dowodzą liczby CrowdStrike

CrowdStrike przedstawia mocne dowody na to, że AI jest osadzona w atakach, lecz jego statystyki nie dowodzą, że AI spowodowała każdy wzrost szybkości lub skali.

Wskaźnik wzrostu o 89% mierzy aktywność, którą CrowdStrike sklasyfikował jako obejmującą przeciwników wykorzystujących AI. Nie przedstawia odsetka wszystkich ataków używających AI ani nie mierzy szkód przypisywanych wyłącznie modelom.

Zmiany w wykrywaniu mogą także wpływać na porównania rok do roku. Badacze ulepszają metody, organizacje wdrażają więcej telemetrii, a aktorzy zagrożeń pozostawiają nowe sygnały. Każda z tych zmian może zwiększyć obserwowaną aktywność.

Średni czas breakout wynoszący 29 minut wymaga podobnej ostrożności. Szybszy ruch może wynikać ze skradzionych poświadczeń, ulepszonych narzędzi zdalnych, słabych kontroli tożsamości lub doświadczonych operatorów. AI może przyspieszać te działania, nie będąc ich jedyną przyczyną.

CrowdStrike sprzedaje produkty bezpieczeństwa zaprojektowane do wykrywania i zatrzymywania ataków działających z prędkością maszynową. Jego telemetria zapewnia cenną widoczność, lecz jej interpretacja wspiera również komercyjną pozycję firmy.

Ten konflikt nie unieważnia danych. Sprawia jednak, że niezależne potwierdzenie jest niezbędne.

Google twierdzi, że zaobserwował przejście ku przemysłowemu wykorzystaniu generatywnej AI w przepływach pracy przeciwników. Poinformował również o tym, co uważa za pierwszy zaobserwowany exploit zero-day opracowany przy pomocy AI.

Microsoft dostrzega AI osadzoną w całej aktywności zagrożeń, ale podkreśla utrzymującą się rolę człowieka w kierowaniu działaniami. Anthropic stwierdził, że modele są wykorzystywane na późniejszych etapach łańcuchów ataków, zaznaczając przy tym, że jego próba 832 kont była selektywna.

Łącznie te źródła wspierają węższy i łatwiejszy do obrony wniosek. AI zmniejsza tarcie w ugruntowanych technikach ataków, a niektórzy aktorzy zaczynają koordynować bardziej złożone operacje.

Nie dowodzą one, że autonomiczne systemy obecnie dominują cyberprzestępczość. Nie pokazują też, że każdy atakujący odnosi taką samą korzyść.

Modele nadal popełniają błędy. Wygenerowany kod może nie działać, zmyślone szczegóły techniczne mogą marnować czas, a zabezpieczenia mogą blokować żądania. Wykwalifikowani operatorzy nadal są lepiej przygotowani do rozpoznawania i korygowania tych błędów.

Nawet autonomia potrzebuje infrastruktury. Atakujący musi zapewnić narzędzia, dostęp, pamięć, cele i reguły decyzyjne. Każdy dodatkowy komponent stwarza możliwości wykrycia i zakłócenia działań.

Defensywna AI również komplikuje prognozy dotyczące przewagi atakujących. Ta sama analiza podatności, która pomaga przeciwnikowi, może pomóc dostawcy załatać oprogramowanie przed wykorzystaniem luki.

Dane Mandiant dotyczące incydentów z 2026 roku stanowią kolejne zastrzeżenie. Jego frontline findings określiły globalną medianę czasu obecności atakującego na 14 dni, wobec 11 dni w 2024 roku.

Czas obecności mierzy, jak długo atakujący pozostaje w środowisku przed wykryciem lub usunięciem. Różni się od czasu breakout, więc te dwie metryki nie są sprzeczne.

Pokazują natomiast, że szybkość ataków ma kilka wymiarów. Niektórzy intruzi przemieszczają się bocznie niemal natychmiast, podczas gdy zaawansowane grupy mogą pozostawać ukryte przez miesiące.

Program bezpieczeństwa zoptymalizowany wyłącznie pod kątem szybkiego ransomware może przeoczyć cierpliwą kampanię szpiegowską. Program zoptymalizowany jedynie pod kątem długich dochodzeń może zawieść wobec szybkiego wymuszenia opartego na tożsamości.

Praktyczną odpowiedzią nie jest paniczny zakup. Jest nią testowanie, czy kontrole potrafią wykrywać zarówno nagły ruch, jak i cichą trwałą obecność w systemach, z których organizacja faktycznie korzysta.

Przedsiębiorstwa powinny również wymagać od dostawców przejrzystych pomiarów. Użyteczne raportowanie powinno definiować obserwowaną populację, wyjaśniać metody klasyfikacji i oddzielać udział AI od przyczynowości AI.

Nagłówek CrowdStrike jest wartościowy, ponieważ wskazuje zmianę kierunku. Jego liczby powinny ukierunkowywać dochodzenie, a nie zastępować własne dowody każdej organizacji.

Trzy sygnały pokażą, czy AI na trwałe zmieniła cyberataki

Kolejnym testem będzie to, czy obserwowane użycie AI stanie się powtarzalne na etapach ataków, w łańcuchach dostaw i w rzeczywistych incydentach przedsiębiorstw.

Pierwszym sygnałem są dowody na trwałą automatyzację po kompromitacji. Badacze powinni obserwować, czy atakujący wielokrotnie wykorzystują modele do eskalacji uprawnień, wykrywania kont, ruchu bocznego i zbierania danych.

Sama skala phishingu wzmocniłaby jedynie najsłabszą wersję argumentu CrowdStrike. Udokumentowana orkiestracja po uzyskaniu dostępu potwierdzałaby twierdzenie, że AI stała się warstwą operacyjną.

Badania Anthropic już wskazują w tym kierunku. Mocniejsze dowody pojawią się, gdy wielu dostawców zaobserwuje ten sam rozwój w niezwiązanych ze sobą kampaniach.

Jeśli wykorzystanie po kompromitacji pozostanie rzadkie, twierdzenie CrowdStrike o centralnej roli AI będzie wyglądać na przedwczesne. AI nadal będzie istotna, lecz głównie jako narzędzie zwiększające produktywność znanych ataków.

Drugim sygnałem jest częstotliwość i wpływ kompromitacji łańcucha dostaw AI. 131 zatrutych pakietów zidentyfikowanych przez CrowdStrike stanowi punkt odniesienia, a nie ustalony trend.

Zespoły bezpieczeństwa powinny monitorować publiczne rejestry pakietów, huby modeli, marketplace’y konektorów i repozytoria konfiguracji agentów. Powinny także śledzić, jak często skompromitowane komponenty AI zapewniają dostęp do szerszych systemów biznesowych.

Więcej incydentów obejmujących zaufane pakiety wzmocniłoby argument, że AI jest zarówno narzędziem ataku, jak i cennym celem. Ograniczony wpływ na dalsze systemy osłabiłby najbardziej alarmującą interpretację.

Trzecim sygnałem jest to, czy obrońcy skracają czas reakcji bez tworzenia nowych błędów. Dostawcy będą nadal dodawać funkcje AI do dochodzeń i powstrzymywania ataków, ale samo wdrożenie niewiele dowodzi.

Organizacje potrzebują dowodów, że systemy te korelują aktywność między domenami, skracają zwalidowany czas powstrzymania i unikają szkodliwych zautomatyzowanych działań. Muszą również wykazać, że atakujący nie mogą manipulować tymi samymi agentami za pomocą zatrutych danych wejściowych.

Pomiar ten powinien obejmować czas od pierwszego sygnału do powstrzymania ataku, a nie tylko czas od alertu do analizy przez analityka. Powinien rozróżniać działania w pełni zautomatyzowane od odpowiedzi zatwierdzanych przez człowieka.

Spadający czas powstrzymania wskazywałby, że obrońcy zyskują tę samą przewagę szybkości, co atakujący. Utrzymujące się opóźnienia pokazywałyby, że procesy organizacyjne nadal pozostają czynnikiem ograniczającym.

Dla czytelników trafiających tu przez Google News trwały przekaz jest prosty. CrowdStrike udokumentował znaczący wzrost aktywności przeciwników związanej z AI, ale technologia nie zastąpiła podstaw cyberbezpieczeństwa.

Poświadczenia nadal wymagają ochrony. Zależności programistyczne nadal wymagają weryfikacji. Tożsamości, usługi chmurowe, endpointy i konektory AI nadal potrzebują skoordynowanego monitorowania.

Różnica polega na czasie. Atakujący mogą teraz szybciej badać, dostosowywać się i powtarzać część swojej pracy. Przedsiębiorstwa łączą też AI z systemami zapewniającymi wyjątkowo szeroki dostęp.

Liderzy bezpieczeństwa powinni zadać jedno pilne pytanie: czy ich organizacja potrafi zidentyfikować i powstrzymać pozornie zaufane włamanie, zanim przedostanie się ono do innej domeny? Odpowiedź ujawni więcej niż jakikolwiek nagłówek o wyścigu zbrojeń AI.