KELA’s 2026 Mid-Year AI Threat Landscape Report: AI bliver både våben og mål

Kunstig intelligens er ikke længere kun en hjælp til cyberkriminelle, men er i stigende grad en aktiv deltager i sofistikerede angreb. Det er den centrale konklusion i KELA’s 2026 Mid-Year AI Threat Landscape Report, som argumenterer for, at cybersikkerheden er gået ind i en ny æra, hvor agens-ai, open-source store sprogmodeller og autonome angrebsteknikker dramatisk ændrer, hvordan cyberkriminalitet udføres. Rapporten beskriver et trusselslandskab, hvor ai accelererer alt fra sårbarhedsopdagelse og ransomware-operationer til phishing-kampagner og corporate espionage, samtidig med at den skaber helt nye angrebsflader for forsvarere at sikre.

Opkomsten af autonome cyberangreb

I årevis har ai primært fungeret som et produktivitetsværktøj for udviklere, sikkerhedsprofessionelle og angribere. KELA argumenterer for, at 2026 markerer en fundamental ændring fra ai-assistenter til ai-systemer, der kan udføre multi-step-mål med begrænset menneskelig indblanding. I stedet for kun at generere kode eller besvare spørgsmål kan disse systemer identificere sårbarheder, analysere software, kæde exploits sammen, eskalere privilegier og assistere i hele angrebslivscyklussen med bemærkelsesværdig hast.

Mens tidlige demonstrationer af disse evner kom fra proprietære frontier-modeller, mener KELA, at den større langsigtede bekymring er den hurtige adoption af open-source-modeller som DeepSeek, Qwen og Kimi. Fordi disse modeller kan selvhostes, modificeres og frigøres fra sikkerhedsbegrænsninger, er kriminelle grupper ikke længere afhængige af kommercielle ai-udbydere og kan bygge offensive ai-systemer helt under deres egen kontrol.

Patch-vinduet forsvinder

Rapportens mest alarmerende forudsigelse vedrører, hvad den kalder Autonome Sårbarhedsopdagelse og Udnyttelse (AVDE). Traditionelt havde organisationer en værdifuld tid mellem den offentlige bekendtgørelse af en sårbarhed og den bredt udbredte fremkomst af arbejdende exploits. Det vindue tillod sikkerhedsteams at teste patches og sikre systemer, før angribere kunne udnytte dem.

Agens-ai truer med at eliminere den fordel. I stedet for kun at afhænge af tidligere kendte sårbarheder kan disse systemer analysere enorme kodebaser, forstå komplekse software-logik, identificere fejl, validere dem automatisk og generere exploit-kode langt hurtigere end menneskelige forskere. Når en software-patch bliver offentlig, kan ai-systemer omvendt ingeniør patches for at bestemme den underliggende sårbarhed, hvilket dramatisk komprimerer den tid, der er til rådighed for forsvarere til at reagere. Det, der tidligere udspillede sig over måneder, kan nu ske inden for timer.

Ransomware-grupper integrerer ai i daglige operationer

I stedet for at erstatte menneskelige operatører bliver ai en kraftmultiplier for ransomware-organisationer.

Et eksempel, der er fremhævet i rapporten, undersøger lækkede kommunikationer, der angiveligt er forbundet med ransomware-gruppen kendt som TheGentlemen. Ifølge KELA’s analyse brugte medlemmer ai til at accelerere softwareudvikling, fejlfinde infrastrukturproblemer, analysere logfiler, forfine ondsindet kode, udarbejde løsenegotiationer, behandle stjålet virksomhedsdata og bygge interne værktøjer. Samtalerne antyder, at operatørerne så ai som en operationsaccelerator, der betydeligt forbedrede effektiviteten på næsten alle stadier af deres kampagner, selv om menneskelig oversigt stadig var nødvendig.

Dette afspejler en bredere trend i hele cyberkriminelle økosystem, hvor ai i stigende grad fungerer som endnu et medlem af holdet og ikke kun som et værktøj.

Nation-state-operationer bliver mere automatiserede

Rapporten argumenterer også for, at avancerede persistente trusler (APT) begynder at automatisere store dele af deres operationer.

En case-study beskriver en spionagekampagne, der tilskrives den Kina-tilknyttede gruppe GTG-1002, som angiveligt automatiserede mellem 80% og 90% af en intrusions-arbejdsgang. Ifølge KELA håndterede ai sårbarhedsopdagelse, exploit-generering, privilegie-eskalation, lateral bevægelse og dataprioritering med minimal menneskelig indblanding. Uanset om disse operationer stammer fra nationale aktører eller organiseret cyberkriminalitet, antyder rapporten, at ai stadig bliver den eksekveringslag, der er ansvarlig for at udføre stadig mere komplekse angreb.

Angribere lærer at manipulere ai selv

En af rapportens mere fascinerende koncepter er noget, som KELA kalder “Vibe Hacking.”

I stedet for at forsøge at omgå en ai-model med åbenlyse jailbreak-prompts manipulerer angribere ai ved at fremstille ondsindet aktivitet som legitime opgaver. I stedet for at instruere en ai til at ignorere dens sikkerhedsregler overbeviser de den om, at den deltager i autoriseret sikkerhedstestning, softwareudvikling eller intern fejlfinding. Når ai’en accepterer den kontekst, kan den måske villigt udføre handlinger, der understøtter offensive operationer.

KELA dokumenterer flere eksempler, der involverer ai-kodningsassistenter og Model Context Protocol-servere, og viser, hvordan omhyggeligt designede prompts kan overbevise ai-agenter om at inspicere følsomme filer, afsløre hemmeligheder eller udføre dele af en angrebskæde, mens de tror, de udfører legitime arbejde.

Social engineering bliver mere overbevisende

Kunstig intelligens er også med til at ændre en af cybersikkerhedens ældste angrebsmetoder: social engineering.

Rapporten beskriver en udvidende undergrundsmarked, hvor kriminelle sælger ai-drevne phishing-platforme, multilinguale voice-phishing-systemer, deepfake-tjenester, voice-kloningsteknologi og ai-assisterede credential-høstningsværktøjer. Nogle tjenester annoncerer muligheden for at udføre hundredvis af automatiserede opkald, mens de efterligner rigtige kundeservicerepræsentanter, komplet med multilinguallt support og realistiske samtaleevner.

Disse tilbud reducerer betydeligt den tekniske ekspertise, der kræves for at lancere overbevisende angreb, og tillader kriminelle at købe sofistikerede kapaciteter gennem abonnements-tjenester i stedet for at udvikle dem internt.

Infostealere stjæler nu organisationskundskab

En af rapportens vigtigste observationer vedrører udviklingen af infostealer-malware.

Historisk set har infostealere fokuseret på adgangskoder, browser-cookies, cryptocurrency-lommebøger og godkendelsestoken. I dag målretter malware i stigende grad, hvad KELA beskriver som den “kognitive lag” af ai-brug. I stedet for kun at stjæle adgangskoder søger angribere nu efter prompt-biblioteker, ai-hukommelsesfiler, cachede samtaler, automatiserings-arbejdsgange, forretningsinstruktioner og persistent kontekst gemt af ai-assistenter.

Dette ændrer karakteren af kompromis helt. En inficeret arbejdsstation udsætter ikke længere kun adgangskoder – den kan afsløre, hvordan en organisation opererer, baggrunden for forretningsbeslutninger, proprietære arbejdsgange, strategisk planlægning, softwarearkitektur og intern viden, der er opbygget gennem måneder af ai-assisteret arbejde.

Rapporten estimerer, at KELA observerede mere end en million unikke inficerede maskiner i løbet af blot de første fire måneder af 2026, samtidig med at den dokumenterede fortsat vækst i macOS-fokuseret malware, der målretter udviklere og direktører.

Session-cookies er blevet mere værdifulde end adgangskoder

KELA argumenterer for, at autentificerede ai-sessioner hurtigt bliver premium-mål for cyberkriminelle.

I stedet for at stjæle brugernavne og adgangskoder søger angribere i stigende grad efter browser-session-cookies, der tillader dem at omgå multi-faktor-autentificering helt. Når de får adgang til en autentificeret ai-session, kan de arve ikke kun samtaler, men også tilknyttede udvikler-værktøjer, cloud-tjenester, kode-repositorier, automatiserings-arbejdsgange og virksomhedsintegrationer.

Rapporten dokumenterer en voksende undergrundsmarked, der er dedikeret specifikt til at købe, validerer og gensælge autentificerede ai-platform-sessioner, hvilket antyder, at session-hijacking kan blive en af de mest effektive måder at kompromittere ai-drevne virksomheds-miljøer.

AI-infrastruktur er blevet et angrebs-overflade

Da organisationer implementerer ai-orchestreringslag, inferens-endpoints, vektor-databaser, Model Context Protocol-servere og autonome agenter, tilpasser cyberkriminelle deres rekognosceringsindsats herefter.

I stedet for kun at scannen efter traditionelle web-applikationer søger angribere i stigende grad efter eksponeret ai-infrastruktur, der kan give direkte adgang til modeller, api’er, cloud-legitimationsoplysninger eller virksomheds-automatiseringssystemer. KELA fremhæver offensive platforme, der kan automatisere internet-omfattende opdagelse af eksponerede ai-tjenester, før de validerer og organiserer stjålet legitimationsoplysninger til umiddelbart brugbar intelligens.

Resultatet er et cyberkriminelt økosystem, hvor rekognoscering, legitimationshøstning, udnyttelse og post-kompromis-analyse bliver stadig mere automatiseret, hvilket dramatisk reducerer den færdighedsbarriere, der kræves for at lancere sofistikerede angreb.

Forsvar mod den agens-drevne æra

KELA konkluderer, at organisationer ikke kan afhænge kun af traditionelle defensive strategier, da ai fortsætter med at accelerere tempoet i cyberangreb. I stedet må virksomheder antage, at ai-agenter, prompt-biblioteker, hukommelseslagre, autonome arbejdsgange og maskin-identiteter nu er kritiske aktiver, der kræver samme niveau af beskyttelse, som tidligere var forbeholdt servere, adgangskoder og databaser.

Den overordnede besked i KELA’s 2026 Mid-Year AI Threat Landscape Report er, at kunstig intelligens omformer cybersikkerhed fra begge sider. Ai giver forsvarere nye kapaciteter, men det omformer også økonomien og tempoet i cyberkriminalitet. Da virksomheder integrerer ai dybere i deres operationer, kan det blive en af de definerende cybersikkerhedsudfordringer i årtiet at sikre ikke kun deres infrastruktur, men også den viden, kontekst og autonome beslutningstagning, der er indlejret i deres ai-systemer, også transforming the economics and speed of cybercrime. As businesses integrate AI deeper into their operations, securing not only their infrastructure but also the knowledge, context, and autonomous decision-making embedded within their AI systems may become one of the defining cybersecurity challenges of the decade, også transforming the economics and speed of cybercrime. As businesses integrate AI deeper into their operations, securing not only their infrastructure but also the knowledge, context, and autonomous decision-making embedded within their AI systems may become one of the defining cybersecurity challenges of the decade.