Powiadomienia o naruszeniach danych przewyższają ubiegłoroczny wynik, a AI działa w obie strony

Google News wskazało na wyraźny zwrot w raportowaniu naruszeń: w pierwszej połowie 2026 roku wysłano 471,2 mln powiadomień do ofiar, co już przewyższyło cały wynik z 2025 roku. Identity Theft Resource Center odnotowało zaledwie 297,5 mln powiadomień za cały poprzedni rok. Liczby te nie dowodzą jednak, że AI spowodowała każde naruszenie — ani nawet większość z nich.

Ujawniają coś bardziej złożonego. Sztuczna inteligencja pomaga atakującym znajdować luki, tworzyć przekonujące podszycia się i automatyzować elementy kampanii. Jednocześnie daje obrońcom narzędzia do szybszego wykrywania, triage'u i ograniczania skutków incydentów. Główny konflikt nie rozgrywa się już między ludźmi a maszynami. To automatyzacja po stronie atakujących kontra automatyzacja obrony — w systemach, które często wciąż są słabo zinwentaryzowane.

Łączną liczbę powiadomień należy też interpretować ostrożnie. Powiadomienie dla ofiary oznacza wysłaną informację, a niekoniecznie jedną unikalną osobę. Ta sama osoba może otrzymać kilka powiadomień po różnych incydentach. Duże zdarzenia w łańcuchu dostaw mogą skutkować powiadomieniami od wielu dotkniętych organizacji, zwielokrotniając skutki jednego pierwotnego kompromitowania.

To zastrzeżenie nie sprawia, że wzrost przestaje być istotny. Pokazuje, dlaczego surowe sumy trzeba łączyć ze ścieżkami ataków, dotkniętymi podmiotami i jakością ujawnień. Niestety większość powiadomień nadal pomija szczegóły techniczne potrzebne do ustalenia tego związku.

Rezultatem jest niepokojąca luka informacyjna. Organizacje wysyłają więcej ostrzeżeń, ale wyjaśniają mniej na temat sposobu, w jaki intruzi uzyskali dostęp. Tymczasem naruszenia danych związane z AI coraz trudniej odróżnić od zwykłych naruszeń przyspieszanych przez rekonesans wspomagany AI, socjotechnikę lub złośliwe oprogramowanie.

Google News mogło dostarczyć nagłówka, lecz podstawowe dane wskazują na coś więcej niż jedną alarmującą liczbę. Firmy mierzą się z szybszym wykorzystywaniem luk, szerszą ekspozycją na ryzyko związane z podmiotami trzecimi oraz dodatkowymi systemami AI wymagającymi ochrony. Konsumenci otrzymują więcej ostrzeżeń, nie zyskując jasnego obrazu tego, które zagrożenia są najistotniejsze.

Google News wskazało rekordową liczbę powiadomień, a nie 471 mln unikalnych ofiar

Rekord z pierwszej połowy roku mierzy liczbę powiadomień, podczas gdy głębsze ostrzeżenie dotyczy koncentracji i nieprzejrzystości stojących za tymi komunikatami.

ITRC śledziło 1 803 kompromitacje danych w pierwszych sześciu miesiącach 2026 roku. Drugi kwartał przyniósł 1 029 kompromitacji — drugi najwyższy kwartalny wynik w historii. Jeśli takie tempo się utrzyma, roczna suma zbliży się do 3 600 zdarzeń.

Przewyższyłoby to 3 321 kompromitacji odnotowanych w 2025 roku. Prognozowany wzrost ma znaczenie, lecz jest znacznie mniejszy niż różnica między sumami powiadomień dla ofiar w obu latach. Kontrast ten pokazuje, jak kilka wyjątkowo dużych incydentów może zdominować publiczny obraz sytuacji.

Według analizy naruszeń ITRC do czerwca wydano 471,2 mln powiadomień. Wynik za cały 2025 rok wyniósł 297,5 mln. Suma za pierwszą połowę roku przewyższyła więc poprzedni rok o 173,7 mln powiadomień.

Powiadomienie może trafić do osoby, klienta, pracownika lub posiadacza konta, którego informacje zostały ujawnione. Nie potwierdza, że odbiorca padł ofiarą kradzieży tożsamości. Nie mówi też badaczom, czy jedna osoba pojawia się wielokrotnie na kilku listach powiadomień.

Równie ważny jest mianownik. Stany Zjednoczone nie liczą 471,2 mln mieszkańców, więc suma nie może oznaczać 471,2 mln różnych Amerykanów. Zduplikowane powiadomienia, ekspozycja międzynarodowa i nakładające się rekordy pomagają wyjaśnić, dlaczego liczba może przekraczać populację.

To rozróżnienie zapobiega przesadnej interpretacji, nie umniejszając ryzyka. Osoba otrzymująca kilka powiadomień nadal ma do czynienia z kilkoma możliwymi ścieżkami ujawnienia danych. Ponownie wykorzystywane hasła, dawne adresy, dokumentacja medyczna, numery Social Security i informacje o zatrudnieniu mogą kumulować się między incydentami.

Koncentracja czyni tę sumę jeszcze bardziej wymowną. Spółki giełdowe stanowiły 10,3% skompromitowanych podmiotów, ale wygenerowały 83,4% wszystkich powiadomień dla ofiar. Duże firmy przechowują więcej danych, zależą od większej liczby dostawców i łączą więcej usług za pośrednictwem wspólnej infrastruktury.

Incydenty w łańcuchu dostaw stworzyły jeszcze wyraźniejszy mnożnik. Zaledwie 38 pierwotnych kompromitacji wygenerowało 280,6 mln powiadomień i ostatecznie dotknęło 206 organizacji. W takich atakach jeden naruszony dostawca staje się drogą do licznych klientów lub ujawnia przechowywane dla nich dane.

Wzrost liczby powiadomień nie opisuje więc milionów odizolowanych ataków. Odzwierciedla połączoną gospodarkę, w której stosunkowo niewielka liczba kompromitacji może rozprzestrzenić się na wiele firm. Dostawcy, dostawcy tożsamości, usługi chmurowe i platformy oprogramowania koncentrują ryzyko operacyjne.

Taka struktura wywiera również presję na nabywców korporacyjnych. Ocena bezpieczeństwa skupiona wyłącznie na własnej sieci firmy nie obejmuje już pełnej ekspozycji. Decyzje zakupowe, integracje usług, tokeny dostępu i procedury dostawców dotyczące incydentów wpływają dziś na konsekwencje naruszeń.

Dla konsumentów ta sama struktura utrudnia ocenę indywidualnych powiadomień. List może wskazywać firmę, która go wysyła, nie wyjaśniając jasno, który pierwotnie skompromitowany dostawca był źródłem problemu. Odbiorca widzi wtedy skutek, a nie łańcuch systemów, który go wywołał.

Nagłówek jest więc trafny, ale niepełny. W ciągu sześciu miesięcy liczba powiadomień przekroczyła całoroczny wynik z poprzedniego roku. Istotniejszą zmianą jest to, jak szybko kilka powiązanych naruszeń może wywołać ogólnokrajowe fale powiadomień.

AI przyspiesza istniejące ścieżki ataków

AI zmienia tempo i ekonomikę cyberataków, lecz znane słabości nadal zapewniają tym atakom miejsce do lądowania.

ITRC powiązało część wzrostu w 2026 roku z narzędziami sztucznej inteligencji, które pomagają szybciej odkrywać luki w oprogramowaniu. W pierwszej połowie roku odnotowało 14 ataków typu zero-day. Atak zero-day wykorzystuje podatność, zanim skuteczna poprawka stanie się szeroko dostępna.

Porównywalny wynik za cały 2025 rok wyniósł 17. Osiągnięcie niemal tej liczby w ciągu sześciu miesięcy sugeruje większą presję na badanie luk, wdrażanie poprawek i monitorowanie obronne. Nie dowodzi, że każdy zero-day został odkryty lub wykorzystany za pomocą AI.

Ta granica ma znaczenie, ponieważ udział AI może opisywać kilka różnych działań. Atakujący może użyć modelu do pisania wiadomości phishingowych, tłumaczenia kampanii podszywania się, analizy wyciekłego kodu lub modyfikowania złośliwego oprogramowania. Inny podmiot może zaatakować bezpośrednio aplikację AI.

Przypadki te tworzą różne rodzaje ryzyka. Phishing wspomagany AI zwiększa skalę i dopracowanie ugruntowanej techniki. Atak na model, wtyczkę lub interfejs programowania aplikacji tworzy nowszą kategorię narażonej infrastruktury.

Badanie IBM dotyczące naruszeń z 2026 roku dostarcza dowodów na oba wzorce. Badacze ustalili, że jedno na cztery złośliwe naruszenia było wspomagane AI, co oznacza wzrost o 56% względem poprzedniego roku. Zgłoszony średni koszt tych incydentów wyniósł 6 mln USD.

Było to o około 1 mln USD więcej niż globalna średnia kosztów naruszenia według IBM, wynosząca 4,99 mln USD. Badanie objęło naruszenia, których doświadczyły 602 organizacje między marcem 2025 a lutym 2026 roku. Badanie przeprowadził Ponemon Institute, a IBM je sponsorował i analizował.

To samo badanie naruszeń związanych z AI wykazało, że ponad 20% organizacji zgłosiło atak wymierzony w model lub aplikację AI. Skompromitowane interfejsy, aplikacje lub wtyczki spowodowały 27% takich przypadków. Błędne konfiguracje chmurowe odpowiadały za kolejne 27%.

Wyniki te pokazują, dlaczego ryzyk cyberbezpieczeństwa związanych z AI nie można sprowadzać do złośliwych promptów. Otaczające systemy tożsamości, uprawnienia chmurowe, magazyny danych, interfejsy i wtyczki często pozostają najsłabszymi ogniwami. Atakujący mogą ominąć zabezpieczenia modelu, kompromitując infrastrukturę wokół niego.

Podszywanie się przy użyciu deepfake'ów tworzy inny problem. Atakujący mogą imitować kadrę kierowniczą, dostawców lub pracowników wsparcia bez wykorzystywania luk w oprogramowaniu. Głos, wideo i spersonalizowany tekst mogą wzmacniać prośby o dane uwierzytelniające, płatności lub dostęp.

Podstawowa taktyka pozostaje socjotechniką. AI obniża koszty produkcji, poprawia jakość językową i pozwala atakującym tworzyć więcej wariantów. Może też ułatwiać dostosowanie kampanii po odrzuceniu pierwszego podejścia przez cele.

Dochodzenie Verizon z 2026 roku wykazało, że skuteczna socjotechnika mobilna wzrosła o 40%. Firma podała również, że wykorzystywanie luk w oprogramowaniu stało się głównym początkowym punktem wejścia, pojawiając się w 31% naruszeń. Skradzione dane uwierzytelniające nie zajmowały już pierwszej pozycji.

Ustalenia te łączą wsparcie AI z długoletnią słabością operacyjną. Organizacje często potrzebują czasu, aby zidentyfikować podatne zasoby, przetestować poprawki i wdrożyć rozwiązania. Zautomatyzowany rekonesans może skrócić pracę atakującego, podczas gdy obrońcy nadal przechodzą przez wolniejsze procesy zatwierdzania.

IBM wykrył podobną nierównowagę w zespołach bezpieczeństwa. Ponad połowa badanych organizacji używała agentów do wykrywania zagrożeń i ograniczania ich skutków. Tylko 18% stosowało agentów do zarządzania podatnościami, pozostawiając usuwanie problemów w tyle za szybszą warstwą wykrywania.

Naruszenia danych związane z AI powstają więc wskutek nierównej automatyzacji. Atakujący mogą automatyzować wykrywanie i działania kontaktowe, nie musząc zarządzać złożoną infrastrukturą celu. Obrońcy muszą zinwentaryzować zasoby, testować zmiany, utrzymać dostępność i koordynować wiele zespołów, zanim zamkną słabość.

To niedopasowanie — a nie pojedynczy złośliwy model — wyjaśnia, dlaczego sztuczna inteligencja staje się coraz większą częścią raportowania naruszeń.

Większym mnożnikiem wciąż pozostaje łańcuch dostaw

AI zwiększa tempo ataków, podczas gdy wzajemnie powiązani dostawcy decydują, jak daleko może dotrzeć jedna skuteczna kompromitacja.

Ekspozycja w łańcuchu dostaw wygenerowała większość powiadomień dla ofiar w danych ITRC za pierwszą połowę roku. Przypisane tym atakom 280,6 mln powiadomień stanowiło niemal 60% łącznej liczby 471,2 mln.

Liczba pierwotnych zdarzeń wyniosła zaledwie 38. Po uwzględnieniu dalszych skutków incydenty te dotknęły 206 organizacji. Jedno skuteczne włamanie mogło więc zmusić kilka firm do przeprowadzenia dochodzenia, powiadomienia klientów i przeglądu współdzielonego dostępu.

AI może przyspieszać rekonesans w tych połączeniach. Może pomagać analizować dokumentację, identyfikować wystawione interfejsy i ustalać priorytety znanych podatności. Atak nadal jednak odnosi sukces, ponieważ systemy współdzielą dane, dane uwierzytelniające lub zaufany dostęp.

Verizon podał, że podmioty trzecie były zaangażowane w 48% naruszeń w okresie objętym badaniem z 2026 roku. Oznaczało to wzrost udziału podmiotów trzecich o 60%. Jego dochodzenie w sprawie naruszeń wykazało również wzrost ruchu botów AI o 21% miesiąc do miesiąca.

Nie wszystkie boty AI są wrogie. Niektóre zbierają informacje do trenowania modeli, a inne pobierają strony w odpowiedzi na żądania użytkowników. Ich wzrost nadal zwiększa ruch, rodzi obawy dotyczące własności intelektualnej i dokłada pracy zespołom bezpieczeństwa w zakresie monitorowania.

Wyzwaniem jest odróżnienie zwykłej automatyzacji od złośliwego rozpoznania. Żądanie może wyglądać niewinnie, a jednocześnie gromadzić informacje wspierające późniejszy atak. Blokowanie całego zautomatyzowanego ruchu zakłóciłoby także legalne funkcje wyszukiwania, dostępności i działalności biznesowej.

W tym miejscu uwidacznia się główny konflikt. Atakujący korzystają z szerokiego rozpoznania i szybkiego iterowania. Obrońcy muszą podejmować precyzyjne decyzje, które zachowują dostęp klientów, integracje partnerów i niezawodność środowiska produkcyjnego.

Łańcuchy dostaw potęgują każdy błąd w tym procesie. Konto dostawcy z nadmiernymi uprawnieniami może narazić kilku klientów. Przejęty token integracyjny może pozostać aktywny dłużej niż pracownik lub projekt, który go utworzył. Przeoczona usługa może pozostać podłączona, choć jej cel biznesowy już zniknął.

Firmy mają też trudności z odpowiedzią na podstawowe pytanie: które systemy zewnętrzne mogą dotrzeć do wrażliwych danych? Umowy mogą opisywać obsługę danych na wysokim poziomie, podczas gdy uprawnienia techniczne stale się zmieniają. Przeglądy bezpieczeństwa przeprowadzane raz w roku nie wychwytują tych zmian.

Wdrażanie AI może dodać kolejną warstwę nieśledzonych relacji. Pracownicy mogą przesyłać wewnętrzne dokumenty do niezatwierdzonych asystentów albo łączyć narzędzia AI z kalendarzami, repozytoriami kodu i współdzielonymi dyskami. Każde połączenie tworzy nową drogę przepływu danych.

Verizon ustalił, że częste korzystanie przez pracowników z niezatwierdzonych narzędzi AI wzrosło w ciągu roku z 15% do 45%. Firma opisała shadow AI jako trzecią najczęstszą niezłośliwą aktywność związaną z wyciekiem danych.

Shadow AI oznacza korzystanie z usługi AI bez zgody lub nadzoru organizacji. Ryzyko nie ogranicza się do trenowania przez dostawcę na przesłanych informacjach. Słabe zabezpieczenia kont, nadmierne uprawnienia wtyczek oraz niejasne zasady retencji również mogą ujawnić poufne materiały.

Wywiera to jednocześnie presję na zespoły bezpieczeństwa, zakupów i biznesowe. Całkowity zakaz może zepchnąć korzystanie z takich narzędzi jeszcze głębiej do podziemia. Nieograniczone wdrażanie może rozproszyć dane firmowe po systemach, których zespoły reagowania na incydenty nie są w stanie zobaczyć.

Organizacje potrzebują stale aktualizowanego rejestru dostawców, integracji, tożsamości maszynowych i przepływów danych. Potrzebują również kontroli dostępu powiązanej z faktycznymi zadaniami, a nie stałych, szerokich uprawnień. Działania te dotyczą zarówno konwencjonalnych naruszeń łańcucha dostaw, jak i zagrożeń cyberbezpieczeństwa związanych z AI.

W przypadku pracowników wiedzy podobnej uwagi wymaga lokalne przetwarzanie danych. Osobista baza wiedzy może ograniczyć niekontrolowane kopiowanie, jeśli dobrze rozumiane są granice jej przechowywania, uprawnień i wyszukiwania.

Kluczowe pytanie nie brzmi, czy narzędzie nosi etykietę AI. Chodzi o to, czy organizacja wie, do jakich danych narzędzie może uzyskać dostęp, dokąd te dane trafiają i jak ten dostęp można odebrać.

Więcej powiadomień przychodzi z mniejszą ilością użytecznych szczegółów

Wzrost liczby powiadomień o naruszeniach zderza się z problemem ujawniania informacji, który uniemożliwia firmom i konsumentom ustalenie, co faktycznie zawiodło.

Tylko 24% powiadomień śledzonych przez ITRC w pierwszej połowie 2026 r. zawierało szczegóły dotyczące wektora ataku. Był to najniższy wskaźnik ujawnień, jaki organizacja kiedykolwiek odnotowała. Trzy na cztery powiadomienia pomijały zatem istotne informacje o metodzie wejścia.

Wektor ataku to droga wykorzystana do uzyskania nieautoryzowanego dostępu. Może obejmować skradzione poświadczenia, wykorzystanie luk w oprogramowaniu, phishing, złośliwych insiderów lub przejętego dostawcę. Bez tych szczegółów odbiorcy nie mogą dopasować swojej reakcji do rodzaju ekspozycji.

Reset hasła pomaga po kradzieży poświadczeń. Nie przywraca jednak poufności skradzionej dokumentacji medycznej. Zamrożenie kredytu może ograniczyć oszustwa związane z otwieraniem nowych kont, ale nie powstrzyma atakującego przed wykorzystaniem ujawnionych informacji służbowych do podszywania się.

Firmy tracą również możliwości wyciągania wniosków. Powiadomienie mówiące jedynie o „nieautoryzowanym dostępie” daje niewiele wskazówek podmiotom działającym na podobnych systemach. Ogranicza też zdolność badaczy do odróżniania ataków wspieranych przez AI od szerszego wzrostu cyberprzestępczości.

Brak tego kontekstu tworzy problem pomiarowy. IBM może ankietować organizacje dotknięte naruszeniem w sprawie udziału AI, podczas gdy ITRC może liczyć publiczne powiadomienia. Źródła te badają różne populacje za pomocą różnych metod.

Nie należy łączyć tych ustaleń w twierdzenie, że jedna czwarta wszystkich 471,2 mln powiadomień wynikała z naruszeń wspieranych przez AI. Dostępne badania nie potwierdzają takiej zależności. Liczba powiadomień, liczba naruszeń i ankietowane organizacje to odrębne jednostki.

Ostrożności wymaga także definicja „wspieranego przez AI”. Kampania nie staje się zasadniczo nowym atakiem tylko dlatego, że intruz użył chatbota do ulepszenia e-maila. Pomoc AI może jednak zwiększyć skalę kampanii lub obniżyć wymagany poziom umiejętności.

Odwrotnie, naruszenie wymierzone w system AI może nastąpić bez użycia AI przez atakującego. Skradzione poświadczenia do chmury mogą ujawnić dane modelu w wyniku konwencjonalnego przejęcia konta. Celem jest AI, ale metoda już nie.

Te rozróżnienia kształtują regulacje i inwestycje. Jeśli organizacje traktują każdy incydent związany z AI jako nowy problem bezpieczeństwa modeli, mogą zaniedbać zarządzanie tożsamością, łatanie systemów, segmentację i kontrolę dostawców. Te podstawy nadal decydują o wielu wynikach.

Jeśli uznają AI za wyłącznie język marketingowy, mogą przeoczyć realne zmiany w szybkości, jakości podszywania się i skali ataków. Mogą też nie zabezpieczyć interfejsów modeli, systemów wyszukiwania oraz zautomatyzowanych agentów o szerokich uprawnieniach.

Opracowywany przez NIST Cyber AI Profile dzieli problem na trzy obszary. Organizacje muszą zabezpieczać komponenty AI, wykorzystywać AI do obrony i udaremniać ataki wspierane przez AI. Taki podział oferuje bardziej użyteczne ramy niż jedna szeroka etykieta naruszenia AI.

Profil pozostaje wskazówką, a nie dowodem, że konkretna kontrola zapobiegłaby odnotowanym incydentom. Wzmacnia jednak potrzebę mapowania ryzyk AI na istniejące funkcje cyberbezpieczeństwa.

Aktywność insiderów stanowi kolejne źródło niepewności. ITRC naliczył 21 przypadków niewłaściwego postępowania insiderów w pierwszej połowie roku, czyli siedem razy więcej niż łączna liczba odnotowana w całym 2025 r. Organizacja częściowo powiązała ten wzrost ze zwolnieniami w branży technologicznej i działaniami rekrutacyjnymi państw.

Dwadzieścia jeden zdarzeń nadal stanowi niewielką część spośród 1 803 kompromitacji. Ich wzrost ma jednak znaczenie, ponieważ uprawnieni użytkownicy często wiedzą, gdzie znajdują się wartościowe dane. Narzędzia AI mogą pomóc im sprawniej wyszukiwać, podsumowywać lub przesyłać informacje.

Organizacje nie powinny reagować monitorowaniem każdego pracownika jak podejrzanego. Nadmierny nadzór może niszczyć zaufanie i generować więcej szumu niż użytecznych dowodów. Dostęp zgodny z zasadą minimalnych uprawnień oraz jasne procedury odejścia z firmy zapewniają bardziej ukierunkowane zabezpieczenia.

Sceptyczny wniosek jest prosty. Więcej powiadomień nie oznacza automatycznie lepszej przejrzystości. Dopóki ujawnienia nie będą bardziej konsekwentnie wyjaśniać metod ataku, pewne twierdzenia dotyczące dokładnego wkładu AI pozostaną trudne do zweryfikowania.

AI obniża również koszty wykrywania i ograniczania skutków

Ta sama technologia, która obniża koszty działania atakujących, może pomóc obrońcom ograniczać szkody, dlatego czynnikiem rozstrzygającym staje się zarządzanie.

IBM ustalił, że organizacje szeroko wykorzystujące AI i automatyzację w operacjach bezpieczeństwa obniżyły średnie koszty naruszeń o prawie 2 mln dolarów. Wynik ten nie oznacza, że samo oprogramowanie zapobiega incydentom. Sugeruje, że szybsze wykrywanie i reagowanie mogą zmienić to, co dzieje się po uzyskaniu dostępu.

Zespoły bezpieczeństwa przetwarzają duże ilości alertów z urządzeń końcowych, usług chmurowych, platform tożsamości i aplikacji. AI może grupować powiązane sygnały, podsumowywać aktywność i ujawniać nietypowe zachowania. Analitycy mogą wtedy poświęcić więcej czasu na weryfikację spraw o wysokim priorytecie.

Automatyzacja może również odizolować urządzenie końcowe, unieważnić token lub rozpocząć gromadzenie dowodów. Działania te skracają czas między wykryciem a ograniczeniem skutków. Ich wartość rośnie wraz z automatyzacją własnych działań przez atakujących.

Autonomiczne reagowanie wiąże się jednak z ryzykiem operacyjnym. Źle skonfigurowany system może zablokować legalnych użytkowników, przerwać produkcję lub usunąć użyteczny kontekst. Działania o dużym wpływie wymagają zdefiniowanych uprawnień, rejestrowania i ścieżek eskalacji do człowieka.

Obronna AI zależy także od wiarygodnych danych. Brakujące rejestry aktywów, niespójne dane o tożsamości oraz niepołączone logi osłabiają jej wnioski. Model nie może chronić integracji, o której organizacja nie wie, że istnieje.

Rezultatem jest kompromis, a nie prosty wyścig technologiczny. Więcej automatyzacji może poprawić szybkość reagowania. Może też powielać błędne założenia z szybkością maszyny, gdy zasady dostępu i odpowiedzialność pozostają niejasne.

Ramy NIST odzwierciedlają tę równowagę. Traktują obronę wspieraną przez AI jako jeden komponent obok zabezpieczania systemów AI i przygotowania na ataki wspierane przez AI. Każdy z tych obszarów wspiera pozostałe.

Organizacja wykorzystująca agenta do badania zagrożeń musi zabezpieczyć poświadczenia tego agenta. Musi ograniczyć, które systemy agent może odpytywać i jakie działania może wykonywać. Potrzebuje także zapisów pokazujących, dlaczego doszło do zautomatyzowanego działania.

Wymagania te stają się pilne, gdy agenci wychodzą poza rekomendacje. System, który może otwierać zgłoszenia, wiąże się z ograniczonym ryzykiem. System, który może odbierać dostęp, wdrażać kod lub modyfikować infrastrukturę, potrzebuje ściślejszych kontroli i niezawodnych procedur wycofania zmian.

Atakujący dążą do tych samych możliwości. Jeśli przejmą agenta lub otaczające go konto, mogą odziedziczyć zaufany dostęp do kilku systemów. Narzędzie bezpieczeństwa może wtedy stać się kolejnym mnożnikiem ryzyka w łańcuchu dostaw.

Dlatego naruszeń danych AI nie da się rozwiązać przez nałożenie drugiego produktu AI na słabą architekturę. Zarządzanie tożsamością, szyfrowanie, zarządzanie poprawkami, segmentacja, kopie zapasowe i przetestowane plany reagowania na incydenty pozostają niezbędne.

IBM podał, że tylko 37% organizacji dotkniętych naruszeniem szyfrowało wrażliwe informacje zarówno w spoczynku, jak i podczas przesyłania. Tylko 34% miało wgląd w swoje zasoby kryptograficzne. Luki te dotyczą ugruntowanych praktyk bezpieczeństwa, a nie spekulacyjnych zagrożeń przyszłości.

Praktyczna przewaga należy do organizacji, które łączą automatyzację z zarządzaniem. Wiedzą one, jakie agenty istnieją, kto jest za nie odpowiedzialny, do jakich danych mogą dotrzeć i jak szybko można odebrać im uprawnienia.

Pracownicy wiedzy również odgrywają rolę w tym modelu. Powinni rozumieć, czy asystent wysyła informacje do zdalnej usługi, przechowuje prompty lub łączy się z innymi kontami. Wygoda nie powinna czynić tych decyzji niewidocznymi.

Przeszukiwalny workflow wiedzy może wspierać kontrolowane wyszukiwanie, gdy zespoły określą zatwierdzone źródła i granice dostępu. Nie może zastąpić polityk bezpieczeństwa organizacji.

Obrońcy nie muszą przewyższać każdego atakującego w każdym zadaniu. Muszą ograniczać ekspozycję, skracać czas wykrywania i zapobiegać sytuacji, w której jedno przejęte konto zapewnia dostęp do wszystkiego innego.

Trzy sygnały pokażą, czy wzrost stanie się trwałą zmianą

Kolejna faza zależy od jakości ujawnień, koncentracji łańcucha dostaw oraz od tego, czy automatyzacja obronna zamknie lukę w usuwaniu skutków.

Pierwszym sygnałem będzie kolejne uaktualnienie ITRC dotyczące kompromitacji i powiadomień ofiar. Roczna liczba pokaże, czy wzrost z pierwszej połowy roku wynikał z ograniczonej grupy megawycieków, czy utrzymał się w kolejnych kwartałach.

Jeśli liczba powiadomień będzie nadal rosła, podczas gdy liczba incydentów będzie zwiększać się wolniej, koncentracja pozostanie dominującym wyjaśnieniem. Jeśli oba wskaźniki przyspieszą, dowody na szersze pogorszenie sytuacji staną się mocniejsze.

Drugim sygnałem będzie ujawnianie wektorów ataku. Obecny wskaźnik szczegółowości na poziomie 24% uniemożliwia precyzyjną atrybucję i osłabia porównania. Wyższy wskaźnik pozwoliłby badaczom rozróżnić wykorzystanie luk w oprogramowaniu, poświadczenia, insiderów, dostawców i aktywność wspieraną przez AI.

Lepsze ujawnianie informacji samo w sobie nie zmniejszyłoby liczby naruszeń. Ułatwiłoby przenoszenie wniosków dla obrony oraz weryfikowanie twierdzeń dotyczących sztucznej inteligencji. Dalszy spadek pozostawiłby nagłówki Google News zależne od szerokich szacunków.

Trzecim sygnałem jest luka między wykrywaniem z użyciem AI a usuwaniem luk w zabezpieczeniach. IBM stwierdził powszechne wykorzystanie agentów do wykrywania, ale tylko 18% wdrożeń w zarządzaniu podatnościami. Ta nierównowaga daje atakującym czas na wykorzystanie znanych słabości.

Jeśli organizacje zautomatyzują bezpieczne działania naprawcze i skrócą opóźnienia we wdrażaniu poprawek, AI może obniżyć koszty naruszeń mimo szybszych ataków. Jeśli wykrywanie będzie się poprawiać bez szybszego usuwania problemów, zespoły bezpieczeństwa będą po prostu identyfikować więcej kwestii, których nie są w stanie zamknąć.

Ryzyko związane z łańcuchem dostaw należy uwzględnić we wszystkich trzech sygnałach. Niewielka liczba kompromitacji dostawców odpowiadała za większość powiadomień w pierwszej połowie roku. Nabywcy powinni obserwować, czy dostawcy ograniczają uprawnienia integracji, rotują poświadczenia maszynowe i szybko ujawniają skutki dla dalszych podmiotów.

Znaczenie mają również regulatorzy i organizacje ustanawiające standardy. Profil NIST może stworzyć wspólny język dla zabezpieczania systemów AI, defensywnego wykorzystania AI oraz przeciwdziałania atakom wspieranym przez AI. Jego wpływ będzie zależał od skali wdrożenia i mierzalnych zmian operacyjnych.

Konsumenci powinni zachować ostrożność w interpretowaniu każdego powiadomienia jako odrębnej osobistej katastrofy. Nadal powinni reagować odpowiednio do rodzaju ujawnionych informacji. Zamrożenie kredytu, passkeys, uwierzytelnianie wieloskładnikowe i unikalne hasła ograniczają różne kategorie ryzyka.

Liderzy przedsiębiorstw stają przed trudniejszym pytaniem. Czy potrafią zidentyfikować każdego dostawcę, usługę AI, agenta i tożsamość niebędącą człowiekiem, które mają dostęp do ważnych danych? Jeśli odpowiedź nie jest jasna, kolejne powiadomienie o naruszeniu może jako pierwsze ujawnić to powiązanie.

Google News odnotowało kamień milowy, który zasługuje na uwagę, lecz nie na panikę. Rekordowa liczba powiadomień odzwierciedla wzajemnie połączone systemy, skoncentrowane naruszenia, niepełne ujawnienia i szybsze metody ataku. AI nasila każdą z tych presji, jednocześnie oferując obrońcom lepsze narzędzia.

Użyteczną odpowiedzią jest mierzenie tego, czego nie pokazują nagłówki. Należy śledzić, kto ma dostęp, jak szybko usuwane są podatności, którzy dostawcy tworzą koncentrację ryzyka oraz czy powiadomienia wyjaśniają ścieżkę ataku. Te sygnały pokażą, czy rok 2026 oznacza tymczasowy skok, czy trwałą zmianę ekonomiki naruszeń.