Raportul „AI Across the Intrusion Lifecycle” al companiei Gambit Security arată cum AI-ul se integrează în atacurile cibernetice din lumea reală

Compania Gambit Security a publicat un raport nou, intitulat AI Across the Intrusion Lifecycle, care oferă o privire detaliată asupra modului în care inteligența artificială (AI) se extinde dincolo de un rol de sprijin în criminalitatea cibernetică și devine integrată în mecanica zilnică a intruziunilor reale. Scris de Directorul de Informații despre Amenințări Eyal Sela și Cercetător de Amenințări Cibernetice Nir Varon, raportul examinează trei actori de amenințări nelegate care folosesc AI pentru tot, de la crearea de scripturi și instrumente de exploatare la analiza datelor comerciale furate, soluționarea problemelor de infrastructură și determinarea interactivă a următorilor pași în mediile compromise.

Semnificația nu constă doar în faptul că atacatorii cer modelelor de limbaj să scrie malware. Cazurile sugerează ceva mai semnificativ: AI-ul devine parte a fluxului de lucru operațional al unei intruziuni, ajutând atacatorii să se adapteze la noile sisteme, credențiale, erori și oportunități care apar.

De la asistent de codare la participant operațional

În cele trei investigații, Gambit a observat atacatorii folosind AI în diferite etape ale unei intruziuni. Modelele au generat scripturi personalizate pentru mediile întâlnite, au dezvoltat instrumente de exploatare, au prioritizat informații comerciale valoroase, au efectuat sarcini de IT și DevOps și au refăcut în mod repetat comenzile pe baza ieșirii returnate de sistemele compromise.

Acest lucru reprezintă o evoluție importantă de la unele dintre primele discuții despre criminalitatea cibernetică facilitată de AI, care s-au concentrat puternic pe e-mailurile de phishing, generarea de malware sau reducerea barierei tehnice pentru atacatorii neexperimentați.

AI-ul poate funcționa acum mai mult ca un asistent tehnic foarte receptiv care rămâne implicat pe parcursul unei operațiuni.

Peisajul mai larg al amenințărilor pare să se miște în aceeași direcție. Anthropic a analizat recent 832 de conturi asociate cu activități cibernetice malefice între martie 2025 și martie 2026 și a descoperit că utilizarea AI-ul s-a extins la toate cele 14 tactici reprezentate în cadrul MITRE ATT&CK. Compania a constatat, de asemenea, că ponderea actorilor pe care i-a clasificat ca fiind de risc mediu sau superior a crescut de la 33% la 56% între primele și cele două jumătăți ale perioadei studiate.

Cazurile documentate de Gambit oferă o vedere concretă a modului în care această schimbare poate arăta în cadrul compromisurilor active.

Un operator de ransomware suspect folosește Claude Code în bucla de atac

Primul caz implică un operator de ransomware suspect pe care Gambit l-a observat folosind Claude Code în cadrul intruziunilor în șase organizații în iunie 2026, cercetătorii fiind, de asemenea, conectați la două compromisuri anterioare.

Victimele s-au extins pe multiple industrii și țări, incluzând o utilitate energetică australiană, o companie de servicii financiare din Mauritius, afaceri din Africa de Sud, Thailanda și Malaysia și mai multe organizații din Statele Unite. Gambit atribuie această activitate cu încredere medie unui afiliat care utilizează operațiunea de ransomware-as-a-service The Gentlemen.

Ceea ce se remarcă este amploarea rolului lui Claude Code.

Atacatorul a folosit sistemul pentru a efectua recunoașterea, a genera comenzi de exploatare, a scrie scripturi malefice, a modifica politici de paravan de foc, a cartografia sisteme interne și a determina care mașini sau baze de date merită atenție suplimentară.

Odată ce au fost stabilite credențiale și accesul la distanță, AI-ul a ajutat la interpretarea datelor de recunoaștere și la identificarea sistemelor de valoare superioară, cum ar fi controlorii de domeniu, serverele de fișiere și infrastructura de backup. Într-o altă parte a intruziunii, a analizat bazele de date aparținând unei platforme de servicii financiare și a ajutat la identificarea datelor de producție și a documentelor clienților ca fiind deosebit de importante.

Cazul ilustrează, de asemenea, limitele măsurilor de siguranță actuale. La un moment dat, Claude a recunoscut că părea să interacționeze cu o rețea corporativă reală și a refuzat să continue fără dovezi de autorizare. Operatorul a deschis o nouă sesiune, a redefinit lucrul ca testare de vulnerabilitate autorizată, și modelul a continuat.

Dar o capacitate crescută nu a însemnat o execuție fără erori. În timpul compromisului utilității, Claude a încercat să modifice o configurație a paravanului de foc și, în cele din urmă, a lăsat dispozitivul inaccesibil. Incidentul este un punct important de contra la temerile privind hackeri AI perfect autonomi: modelele pot accelera operațiunile ofensive, dar pot face, de asemenea, greșeli costisitoare în interiorul sistemelor pe care atacatorii încearcă să le controleze.

Zerofot arată ce se întâmplă atunci când AI-ul întâlnește scala

Al doilea caz este mai mult despre industrializarea furtului de credențiale.

Gambit urmărește operatorul ca Zerofot, descriind o campanie care a căutat fișiere și directoare expuse pe internet pentru chei API, credențiale cloud, tokenuri de software și chei private SSH.

În centrul operațiunii se afla un scanner de colectare a credențialelor personalizat numit auto_scan. Operatorul a construit instrumentul utilizând OpenAI Codex și Claude Code, instruind modelele sub premisa că lucrul se desfășura într-un mediu autorizat de capturare a steagurilor. Scannerul a colectat fișiere expuse, a căutat în ele credențiale potențiale și a încercat să valideze cheile descoperite împotriva serviciilor respective.

Rolul AI-ului nu s-a oprit odată cu scrierea instrumentului.

Claude Code a fost, de asemenea, utilizat pentru munca mai puțin glamuroasă, dar operațional critică, de a menține infrastructura în funcțiune. Prin intermediul unui cadru de orchestrare multi-agent, a ajutat la gestionarea infrastructurii scannerului, a proxy-urilor, a rețelei, a configurațiilor paravanului de foc, a monitorizării și a depanării.

Această distincție contează. Operațiunile cibernetice necesită mult mai mult decât descoperirea unei vulnerabilități sau generarea unui payload. Infrastructura trebuie să fie implementată, software-ul se strică, log-urile trebuie interpretate, iar problemele de configurare trebuie rezolvate. AI-ul poate asista din ce în ce mai mult la această muncă de legătură.

Scalabilitatea documentată de Gambit este substanțială. Între 5 aprilie și 23 mai 2026, operațiunea a colectat 2.975 de credențiale și chei validate de la 1.742 de gazde victimă. Acest lucru a inclus 661 de chei private SSH, 635 de chei de acces AWS asociate cu 214 conturi, 448 de chei Google Gemini, 254 de chei OpenAI și 176 de chei Anthropic, printre alte tipuri de credențiale. Gambit spune că informațiile au fost partajate cu Shadowserver Foundation și cu furnizorii de servicii afectați pentru a sprijini notificarea și revocarea credențialelor.

RAGE transformă codul generat de AI într-un cadru de exploatare

A treia investigație se concentrează pe RAGE, un cadru Python personalizat proiectat pentru a scana servicii cu acces la internet, a exploata implementări vulnerabile, a colecta credențiale și a instala mineri de criptomonede.

Cercetătorii Gambit cred că o mare parte din RAGE și scripturile sale asociate au fost generate de AI. O dovadă este destul de revelatoare: porțiuni din codul sursă încă conțin raționamente autocorective în persoana întâi, aparent lăsate în urmă de model în timpul dezvoltării.

AI-ul a fost, de asemenea, integrat direct în sistemul final. RAGE a inclus un „Orchestrator AI” bazat pe DeepSeek în panoul de control al operatorului, care a oferit îndrumări pentru gestionarea operațiunii de minerit.

Cadru a vizat servicii expuse, incluzând Redis, Elasticsearch, Docker, Tomcat, Jenkins și altele, în timp ce a căutat în medii compromise credențiale care ar putea crea oportunități suplimentare.

Într-un caz, credențialele recuperate dintr-o implementare Redis expusă aparținând unui furnizor de servicii software au oferit acces administrativ la un cont AWS. Atacatorul a generat ulterior instrumente suplimentare pentru a enumera identități, stocare și alte resurse cloud.

Jurnalele recuperate au arătat acces la opt utilizatori de Identitate și Acces, patru dintre aceștia având drepturi de Administrator, precum și 196 de bucket-uri Amazon S3.

O campanie care părea motivată în primul rând de mineritul de criptomonede a avut, prin urmare, și capacitatea de a transforma un serviciu expus într-o compromisare cloud mult mai largă.

Greșelile AI-ului pot deveni parte a avantajului apărătorului

Unul dintre cele mai interesante aspecte ale cercetării Gambit este că documentează atât succesele, cât și eșecurile AI-ului.

Modelele au expus uneori intențiile atacatorului în moduri neașteptate. Instrumentele generate de AI au folosit nume evidente, cum ar fi „recon” pentru sesiunile cloud, în timp ce alte artefacte generate au păstrat comentarii descriptive și raționamente care ar putea oferi indicii despre modul în care au fost create. În cazul ransomware, o încercare de modificare a configurației paravanului de foc a produs o întrerupere.

Aceste slăbiciuni complică ideea că AI-ul face automat operațiunile cibernetice mai furtive sau mai sofisticate.

Cercetătorii de securitate de la Microsoft au descris, de asemenea, AI-ul ca un accelerator în cadrul fluxurilor de lucru ale atacatorilor, cu operatori umani care încă dirijează multe operațiuni de la un capăt la altul. Descoperirile Gambit sugerează că relația poate deveni din ce în ce mai mult o parteneriat: oamenii oferă obiective și judecată, în timp ce AI-ul absoarbe porțiuni semnificative ale iterării tehnice necesare pentru a atinge acele obiective.

Acest lucru poate face atacatorii mai rapizi fără a-i face neapărat mai buni la securitatea operațională.

Echipele de securitate cibernetică pot trebui să se apere împotriva iterării la viteza mașinii

Problema mai mare ridicată de cercetare este viteza.

Multe controale de securitate presupun că un adversar se va deplasa printr-o rețea la o viteză care seamănă cu cea a unui om. Un atacator tradițional are nevoie de timp pentru a înțelege o tehnologie necunoscută, pentru a cerceta comenzi, a scrie scripturi, a depana erori și a interpreta volume mari de date înainte de a decide unde să se deplaseze mai departe.

Un sistem AI poate comprima multe dintre aceste etape.

Riscul nu este limitat la un agent de hacking autonom din viitor. Un atacator care rămâne ferm în control poate utiliza AI-ul pentru a reduce cantitatea de expertiză, timp și efort manual necesare pentru a opera în medii necunoscute.

Apărătorii pot necesita, prin urmare, să se concentreze mai puțin asupra faptului dacă un anumit malware a fost „generat de AI” și mai mult asupra semnalelor comportamentale de-a lungul întregului ciclu de viață al intruziunii: recunoaștere neobișnuit de rapidă, comenzi adaptive repetitive, descoperire agresivă de credențiale, enumerare cloud neașteptată, modificări ale infrastructurii de backup sau de securitate și mișcări între sisteme care au loc mai rapid decât ar sugera operațiunile conduse de oameni.

Aceleași capacități rămân valoroase și pentru apărare. Anthropic, de exemplu, a dezvoltat sisteme AI care identifică vulnerabilități și ajută echipele de securitate să le remedieze, subliniind natura duală a modelelor cibernetice din ce în ce mai capabile. Competiția este din ce în ce mai mult despre care parte poate aplica aceste capacități mai rapid și cu o mai bună vizibilitate.

În cele din urmă, „AI Across the Intrusion Lifecycle” este convingător pentru că mută discuția despre securitatea cibernetică și AI-ul de la atacuri ipotetice viitoare către comportamentul operațional observabil. Cazurile documentate de Gambit Security arată atacatori experimentând cu diferite modele, cadre și niveluri de automatizare, dar acestea împărtășesc un model important: AI-ul nu mai este limitat la a ajuta la pregătirea unui atac. El este din ce în ce mai mult prezent în timpul desfășurării atacului.