Cybersikkerhed
Google opdager angribere, der bruger fuldautomatiske kæder til udnyttelse af sårbarheder

NøglepunkterGoogle observerede en multi-agent-ramme, der autonomt sammenlignede patches og udførte…
Vis mere
- Google observerede en multi-agent-ramme, der autonomt sammenlignede patches og udførte udkastede exploits uden menneskelig involvering.
- Angribere foretrækker nu patchede n-dages-sårbarheder, fordi begrænset forskningsmateriale gør dem til lettere mål end zero-days.
- Agentbaserede penetrationstest-rammer komprimerer angrebstidslinjer til maskinhastighed, men bytter i øjeblikket stealth for hastighed.
Google Threat Intelligence Group (GTIG) har for første gang identificeret trusselsaktører, der bruger rammeværk baseret på store sprogmodeller til fuldautomatisk at opdage og udnytte sårbarheder uden menneskelig indblanding, ifølge den kvartalsvise oversigt over AI-trusler, som er udarbejdet sammen med Mandiant og udgivet den 16. november 2026.
Et detaljeret eksempel var en eksponeret stagingserver, der husede et multiagentrammeværk til sårbarhedsforskning og våbengørelse, som GTIG døbte exploit_agent. Rammeværket integrerede flere af de mest avancerede og lokale LLM’er. Det var konfigureret til løbende at sammenligne kode før og efter offentliggørelser af programrettelser til populær webapplikationssoftware, analysere forskellene for mulige sårbarheder, udarbejde udnyttelseskode og automatisk afvikle den.
Serveren indeholdt også data, der var stjålet fra de målrettede ofre, samt scripts til intern rekognoscering, brute force-angreb, installation af webshells og fjernelse af webshells, som andre angribere havde efterladt. Telemetri fra ofrene tydede på, at operatøren især var interesseret i franske websteder inden for medie- og underholdningsbranchen samt uddannelsessektoren. Konfigurationskommentarer på russisk henviste til API-nøgler til LLM’er med henblik på autonom udnyttelse.
Analyse af programrettelser og udnyttelsesvinduet
GTIG sagde, at angribere kan finde programrettede n-day-sårbarheder, det vil sige fejl, som der allerede er udgivet rettelser til, mere effektive at gå efter end zero-day-sårbarheder, fordi mængden af tilgængeligt researchmateriale er begrænset. Agenter kan sammenligne versioner af kildekode, herunder før-udgivelses- eller forhåndsvisningsversioner, og gennemgå udgivelsesnoter, sikkerhedsforskning og proof-of-concept-kode, der vedrører en bestemt fejl. Forskning i hidtil ukendte zero-day-sårbarheder kræver en bredere søgning.
Automatisering af sammenligning af programrettelser og våbengørelse af proof-of-concept-kode kan forkorte tiden fra offentliggørelsen af en programrettelse til udviklingen af en funktionsdygtig udnyttelse. Den lavere adgangstærskel har en yderligere effekt: GTIG sagde, at LLM’er har hjulpet med at fremstille udnyttelseskode, der beskrives som funktionsdygtig, selv om den ikke virker. Det skaber ekstra arbejde med verifikation for forsvarere, som må skelne mellem funktionel angrebskode og fejlagtige påstande.
Multiagentrammeværk i igangværende indtrængen
Denne exploit_agent opdagelse er en del af en bredere udvikling fra manuel promptning til multiagentværktøjer til indtrængen. GTIG og Mandiant observerede flere trusselsaktører, der misbrugte open source-rammeværk til agentbaseret penetrationstest, herunder ARTEX, CAIRN, CyberStrikeAI og PentAGI, til at automatisere afgrænsede faser og operationelle opgaver under igangværende indtrængen. Fælles funktioner omfatter at finde og udnytte sårbarheder med lav kompleksitet, generere engangspayloads efter behov og tilpasse taktikken på grundlag af feedback fra afviklingen i realtid.
GTIG observerede uafhængigt, at CAIRN og PentAGI blev anvendt i virkelige angreb, samtidig med at aktører eksperimenterede med CyberStrikeAI og HexStrike AI. CAIRN koordinerer specialiserede agenter gennem en cyklus med faserne observer, orienter, beslut og handl samt en fælles tavle. GTIG observerede værktøjet i forbindelse med indtrængen mod mål, herunder den amerikanske luft- og rumfartssektor. Fra slutningen af august til begyndelsen af oktober 2026 brugte en trusselsaktør en tilpasset orkestreringsplatform baseret på PentAGI til systematisk rekognoscering og sårbarhedsscanning mod en bred vifte af organisationer i Asien.
Disse rammeværk kan afkorte angrebsforløb til maskinhastighed, men GTIG vurderer, at de i øjeblikket går på kompromis med snigeri for at opnå højere hastighed. Ubegrænset autonom afvikling genererer forensisk netværkstrafik, bruger genkendelige identifikatorer og efterlader karakteristiske spor på kodeniveau. Disse spor kan hjælpe med at opdage og afbøde angreb, selv om værktøjerne fortsat er i stand til at nå deres operationelle mål.
Stjålet AI-adgang og videresalg på undergrundsmarkeder
Rapporten dokumenterer også et marked for kompromitterede cloud- og AI-ressourcer. I løbet af 2026 håndterede Mandiant flere LLMJacking-hændelser, hvor økonomisk motiverede aktører brugte kompromitterede cloudmiljøer til at forbruge ofrenes computerkraft eller LLM-ressourcekvoter. Nogle svigagtige opkrævninger for en enkelt dag oversteg 100.000 dollar, og det mest alvorlige samlede misbrug nåede op på 1 million dollar, før det blev afhjulpet, oplyste Mandiant.
GTIG holder også øje med LLM Mixers, ulovlige webbutikker, der sælger uautoriseret adgang til LLM-tjenester og tilhørende proxyinfrastruktur. De videresender købernes trafik gennem puljer af stjålne legitimationsoplysninger og computerressourcer og kan sprede forespørgsler over flere kompromitterede miljøer for at mindske risikoen for opdagelse. GTIG observerede annoncerede priser fra 0,10 til 25 dollar pr. million tokens på russisk- og kinesisktalende undergrundsmarkedspladser. Prisen afhang af tjenesten, modellen og de tilbudte legitimationsoplysninger.
Resultaterne peger på en nært forestående defensiv udfordring med hensyn til hastighed og omfang. Offentligt tilgængelige programrettelser kan levere sammenligningsmaterialet til automatisk udvikling af udnyttelseskode, mens stjålne legitimationsoplysninger og proxytjenester kan give adgang til AI-kapacitet. De samme automatiserede operationer efterlader forensiske spor og bidrager med upålidelig udnyttelseskode, hvilket giver forsvarere muligheder for at opdage angreb, selv om de står over for kortere udnyttelsesvinduer og mere materiale, der skal verificeres.












