Ovatenko li yritykset seuraavan aallon tekoälyvoitteisiin kyberhyökkäyksiin valmistautuneita?

Nykyisten trendien analysointi mahdollistaa asiantuntijoiden ennustaa, miten kyberrikolliset hyödyntävät tekoälyä tulevaisuudessa. Tällä tiedolla he voivat tunnistaa suurimmat uusimmat uhkat ja määrittää, ovatko yritykset valmistautuneita. He saattavat jopa pystyä tunnistamaan ratkaisun.

Tekoälyuhkien tila viime vuosina

Vaikka tekoälytekniikka on suhteellisen uutta, se on jo muodostunut merkittäväksi työkaluksi hakkereille. Nämä trendit osoittavat, että tekoälykyberhyökkäykset ovat lisääntyneet.

1. Mallin manipulointi

Kohdistamalla suoraan suurille kielimalleille (LLM), uhka-aktöörit voivat manipuloida mallin käyttäytymistä, laskea tulostusnäytön tarkkuutta tai paljastaa henkilökohtaisia tunnistetietoja koulutusdatasta. Data-myrkky ja ohjelmointi ovat yleisiä hyökkäystekniikoita.

Jotkut hyökkäykset johtuvat uhka-aktööreistä, jotka pyrkivät aiheuttamaan kaaosta tai varastamaan arkaluontoista tietoa. Toiset johtuvat pettyneistä taiteilijoista, jotka haluavat suojella teoksiaan tekoälyskannaukselta. Joko tapauksessa yritys ja sen loppukäyttäjät ovat vastuussa.

2. Impersonaatiohyökkäykset

Vuonna 2024 Ferrari-tason johtaja vastaanotti useita WhatsApp-viestejä toimitusjohtaja Benedetto Vignalta. Vigna puhui odottavasta yritysostosta ja kehotti työntekijää allekirjoittamaan salassapitovelvoitteen ja keskustelemaan rahoituksesta. Hän ei kuitenkaan ollut se.

Deepfake oli lähes täydellinen, mukaillen Vignan eteläitalialaista aksenttia poikkeuksellisen hyvin. Kuitenkin pienet epäjohdonmukaisuudet äänessä paljastivat johtajan huijauksesta. Työntekijä kysyi kirjan nimeä, jonka Vigna oli suositellut muutamia päiviä aikaisemmin, kysymystä, johon vain oikea toimitusjohtaja tiesi vastauksen. Huijari lopetti välittömästi puhelun.

Tekoäly voi kloonata henkilön äänen, selaamiskäyttäytymisen, kirjoitustyylin ja ulkonäön. Koska tämä teknologia kehittyy, deepfaken tunnistaminen muodostuu yhä vaikeammaksi. Huijarit usein asettavat kohteen kiireiseen tilanteeseen estääkseen heitä kyselemästä pieniä epäjohdonmukaisuuksia.

3. Tekoälyphishing

Menneinä aikoina henkilö pystyi tunnistamaan phishing-sähköpostin etsimällä huonoa kielioppia, epäilyttäviä linkkejä, yleisiä tervehdyksiä ja paikkaansa havaittavista pyynnöistä. Nyt, kun luonnollisen kielen prosessointitekniikkaa on käytössä, hakkereiden on mahdollista luoda uskottavia viestejä virheettömällä kieliopilla.

Tutkijat havaitsivat, että täysin automaattiset tekoälymahdollistamat spear phishing -sähköpostit ovat 54%:n klikkausosuudella, mikä on sama kuin ihmisten kirjoittamien phishing-sähköpostien osuus. Koska nämä huijaukset ovat vakuuttavampia, ne ovat yleistymässä. Tutkimukset ovat osoittaneet, että yli 80% phishing-sähköposteista osoittaa tekoälyn osallistumista.

4. Sosiaalipsykologia

Sosiaalipsykologia käsittää jonkun manipulointia toimimaan tai paljastamaan tietoa. Tekoäly mahdollistaa hakkereille nopeamman ja vakuuttavamman viestin luomisen. Mikä tahansa luonnollisen kielen prosessointimalli voi suorittaa semanttisen analyysin tunnistamaan vastaanottajan emotionaalisen tilan, mikä tekee heidät alttiimmaksi antamaan periksi.

Lisäksi sosiaalipsykologian parantamiseen, koneoppimistekniikka alentaa perinteisiä kynnyksiä, mahdollistaen aloittelijoiden toteuttaa monimutkaisia kampanjoita. Jos kuka tahansa voi tulla kyberrikolliseksi, kuka tahansa voi tulla kohteeksi.

Seuraava aalto data-ohjattuja tekoälyhyökkäyksiä

Alkuvuonna 2026 tekoälyhyökkäykset odotetaan säilyvän matalalla kypsymisasteella. Kuitenkin ne kehittyvät eksponentiaalisesti vuoden edetessä, mahdollistaen kyberrikollisille pääsy optimointi-, käyttöönotto- ja skaalautumisvaiheisiin. He pystyvät pian käynnistämään täysin automaattisia kampanjoita. Vahvistettuja esimerkkejä tekoälyhyökkäyksistä ei ole enää harvinaisia.

Polymorfinen malware on tekoälymahdollistama virus, joka voi muuttaa koodiaan jokaisella replikoinnilla välttääkseen havaitsemisen. Hyökkääjät voivat toimittaa payloadin tekoälyekosysteemin kautta, kutsua LLM:ää suoritusaikana luomaan komennot tai upottaa viruksen suoraan LLM:ään. Google (GOOGL ) Threat Intelligence Group havaitsi vihollisen käyttäneen tätä malwarea ensimmäisen kerran vuonna 2025.

Malwareperheet ovat PROMPTFLUX ja PROMPTSTEAL. Suoritusaikana ne käyttävät LLM:ää pyytääkseen VBScript-karkotustekniikoita ja välttääkseen havaitsemista. He välttävät allekirjoitushavaitsemista peittämällä oman koodinsa tarpeen mukaan.

Näyttää siltä, että nämä uhkat ovat edelleen testausvaiheessa – joitakin epätäydellisiä ominaisuuksia on kommentoitu, ja sovellusohjelmointikutsut ovat rajoitettuja. Nämä tekoälymalliset malwareperheet voivat edelleen olla kehitysvaiheessa, mutta niiden olemassaolo edustaa merkittävää askelta kohti autonomisia, sopeutuvia hyökkäystekniikoita.

NYU Tandonin tutkimus osoittaa, että LLM:t voivat jo suorittaa itsestään ransomware-hyökkäykset, jotka on kutsuttu Ransomware 3.0:ksi. Ne voivat suorittaa tutkimuksia, luoda payloadeja ja personoida kiristystä ilman ihmisen osallistumista. Se vaatii vain luonnollisen kielen ohjelmointia binääritiedostoon upotettuna. Malli tuottaa polymorfisia variantteja, jotka sopeutuvat suoritusaikaympäristöön dynaamisesti luomalla haitallisen koodin suoritusaikana.

Ovatko yritykset valmistautuneita tekoälyhyökkäyksiin?

Huolimatta miljardien eurojen turvallisuusmenojen, yksityiset yritykset jatkavat kamppailua kehittyvän uhkakuvan kanssa. Koneoppimistekniikka voi tehdä olemassa olevista havaitsemis- ja reagointiohjelmista vanhentuneita, mikä vaikeuttaa puolustusta. Se ei auta, että monet eivät täytä perusturvallisuusstandardeja.

Vuoden 2024 DIB Cybersecurity Maturity Report -tutkimus käsitteli 400 IT-ammattilaista Yhdysvaltain puolustusalan tietotekniikka-alalla (DIB). Yli puolet vastaajista ilmoitti olevansa vuosia pois Cybersecurity Maturity Model Certification (CMMC) 2.0 -mukaisuudesta, vaikka vastaava NIST 800-171 -mukaisuus on ollut määritelty puolustusministeriön (DoD) sopimuksissa vuodesta 2016 lähtien. Monet arvioivat turvallisuusasemansa olevan paljon parempi kuin se todella on.

Uudet CMMC-vaatimukset astuivat voimaan 10. marraskuuta 2025. Jatkossa kaikki puolustusministeriön sopimukset edellyttävät jonkinlaista CMMC-mukaisuutta sopimuksen antamisen ehtona. Uudet säännöt on tarkoitettu vahvistamaan DIB-turvallisuutta, mutta ovatko ne tehokkaita tekoälyajan alla?

Onko puolustuksellinen tekoäly ratkaisu?

Tulta vastaan tulta voi olla ainoa tapa torjua väistämätön tekoälyhyökkäysten lisäys. Puolustuksellisen tekoälyn avulla organisaatiot voivat reagoida uhkiin dynaamisesti reaaliajassa. Kuitenkin tämä lähestymistapa tuo mukanaan omat turvallisuusongelmansa – mallin turvallisuuden varmistaminen edellyttää jatkuvaa valvontaa ja tarkastusta.

Harvard Business Reviewin mukaan perinteiset ratkaisut jättävät yritykset alttiiksi tekoälyhyökkäyksille. Saavuttaakseen kyberturvallisuuden heidän on käytettävä koneoppimistekniikkaa ennustamaan ja automaattisesti reagoida uhkiin.

Ei ole yksinkertaista vastausta siihen, onko puolustuksellinen tekoäly ongelman ratkaisu. Pitäisikö yritysten panostaa resursseja tekoälypohjaisten tietoturvaohjelmien käyttöönottoon tai laajentaa IT-tiimiään? On mahdotonta ennustaa, kumpi investointi tuottaa tuloksia pitkällä aikavälillä.

Suuret yritykset voivat nähdä merkittäviä tuloksia automaattisella tietoturvalla, kun taas pienet yritykset saattavat kamppailla kustannusten oikeuttamisessa. Perinteinen automaatio voi ehkä sulkea aukon paljon alhaisemmalla hinnalla, mutta se ei pysty reagoimaan dynaamisiin uhkiin.

Information Security Forumin toimitusjohtaja Steve Durbin toteaa, että tekoälyn omaksuminen on merkittäviä etuja, mutta sillä on myös suuria haittoja. Esimerkiksi yritykset usein kokevat lisääntyneen määrän väärän positiivisia hälytyksiä, mikä tuhlaa turvallisuustiimien aikaa. Lisäksi tekoälyyn perustuva riippuvuus voi johtaa siihen, että tiimit tulevat ylireagoiviksi, mikä johtaa turvallisuusviittauksiin.

Tekoälyuhkien maasto

On mahdotonta määrittää tekoälyn tarkkaa osuutta uhkakuvassa, koska hyökkääjät voivat käyttää sitä luomaan haitallista koodia tai laatimaan phishing-sähköposteja, sen sijaan että käyttäisivät sitä suoritusaikana. Yksinäiset kyberrikolliset ja valtioiden tukemat uhka-aktöörit voivat käyttää sitä laajassa mittakaavassa.

Perustuen saatavilla olevaan tietoon, mallin manipulointi, tekoälyphishing ja polymorfinen malware tulevat olemaan suurimmat kyberuhkat vuonna 2026. Kyberrikolliset käyttävät todennäköisesti jatkossakin LLM:ää luomaan, toimittamaan ja sovittamaan haitallisia payloadeja, kohdistamalla arvokkaita aloja, kuten rahoitusta, sekä tavallisia ihmisiä.