Кібербезпека
Google виявила зловмисників, які використовують повністю автономні конвеєри експлуатації вразливостей

Ключові моментиGoogle спостерігав, як багатоагентна система автономно порівнювала патчі та виконувала…
Показати більше
- Google спостерігав, як багатоагентна система автономно порівнювала патчі та виконувала підготовлені експлойти без участі людини.
- Нападники тепер віддають перевагу пропатченим n-day вразливостям, оскільки обмежений дослідницький матеріал робить їх легшими цілями, ніж zero-day.
- Агентні фреймворки пентесту скорочують терміни атак до машинної швидкості, але наразі жертвують скритністю заради швидкості.
Google Threat Intelligence Group (GTIG) уперше виявила зловмисників, які використовують фреймворки на основі великих мовних моделей, щоб повністю автоматизувати пошук і експлуатацію вразливостей без участі людини, згідно зі щоквартальним оглядом загроз ШІ, підготовленим спільно з Mandiant і опублікованим 16 листопада 2026 року.
Одним із докладно описаних прикладів був відкритий тестовий сервер, на якому розміщувався багатоагентний фреймворк для дослідження вразливостей і створення засобів їх експлуатації, який GTIG назвала exploit_agent. Фреймворк інтегрував кілька передових і локальних великих мовних моделей. Його налаштували так, щоб він безперервно порівнював код до й після оголошень про випуск виправлень для популярного програмного забезпечення вебзастосунків, аналізував відмінності для пошуку потенційних вразливостей, створював експлойти й автоматично запускав їх.
На сервері також були дані, викрадені в цільових жертв, а також скрипти для внутрішньої розвідки, підбору паролів методом повного перебору, встановлення вебшеллів і видалення вебшеллів, залишених іншими зловмисниками. Телеметричні дані з пристроїв жертв свідчили, що оператор особливо цікавився французькими вебсайтами, пов’язаними з медіаіндустрією та індустрією розваг, а також із сектором освіти. У коментарях до конфігурації російською мовою згадувалися ключі API великих мовних моделей для автономної експлуатації вразливостей.
Аналіз виправлень і вікно для експлуатації вразливостей
За словами GTIG, зловмисники можуть вважати виправлені вразливості N-day — тобто вразливості, для яких уже випущено виправлення, — ефективнішими цілями, ніж вразливості zero-day, оскільки доступний дослідницький матеріал обмежений. Агенти можуть порівнювати версії вихідного коду, зокрема в попередніх або ознайомчих каналах, а також аналізувати примітки до випусків, дослідження з безпеки та код підтвердження концепції, пов’язані з конкретною вразливістю. Дослідження раніше невідомих вразливостей zero-day потребує ширшого пошуку.
Автоматизація порівняння виправлень і перетворення коду підтвердження концепції на засоби експлуатації може скоротити проміжок між розкриттям інформації про виправлення та створенням дієвого експлойта. Нижчий поріг входження має й інший наслідок: за словами GTIG, великі мовні моделі допомогли створити експлойти, які описували як робочі, хоча насправді вони не працювали. Через це захисникам доводиться додатково перевіряти код атак, щоб відрізнити функціональний від непрацездатних заяв.
Багатоагентні фреймворки в реальних кібератаках
Це exploit_agent виявлення є частиною ширшого переходу від ручного введення запитів до багатоагентних інструментів для кібервторгнень. GTIG і Mandiant спостерігали, як різні зловмисники зловживали відкритими агентними фреймворками для тестування на проникнення, зокрема ARTEX, CAIRN, CyberStrikeAI і PentAGI, щоб автоматизувати окремі етапи й операційні завдання під час реальних кібервторгнень. До спільних можливостей належать виявлення й експлуатація вразливостей низької складності, генерування одноразових корисних навантажень на вимогу та коригування тактики на основі зворотного зв’язку про виконання в реальному часі.
GTIG окремо виявила CAIRN і PentAGI, розгорнуті в реальних умовах, а також експерименти з CyberStrikeAI і HexStrike AI. CAIRN координує спеціалізованих агентів за циклом «Спостерігай, орієнтуйся, вирішуй, дій» і за допомогою спільної дошки. GTIG виявила його під час кібервторгнень, спрямованих, зокрема, на аерокосмічний сектор США. Від кінця серпня до початку жовтня 2026 року зловмисник використовував спеціально налаштовану платформу оркестрації на основі PentAGI для систематичної розвідки й сканування вразливостей у широкому колі організацій в Азії.
Ці фреймворки можуть скоротити тривалість атак до машинної швидкості, але, за оцінкою GTIG, наразі вони жертвують непомітністю заради швидкості. Необмежене автономне виконання створює трафік, який можна використати для криміналістичного аналізу, використовує впізнавані ідентифікатори й залишає характерні сліди на рівні коду. Ці артефакти можуть допомогти виявити атаки й пом’якшити їхні наслідки, хоча інструменти й далі здатні досягати своїх операційних цілей.
Викрадений доступ до ШІ та нелегальний перепродаж
У звіті також описано ринок скомпрометованих хмарних ресурсів і ресурсів ШІ. Протягом 2026 року Mandiant реагувала на кілька інцидентів LLMJacking, під час яких зловмисники, мотивовані фінансовою вигодою, використовували скомпрометовані хмарні середовища, щоб витрачати обчислювальні ресурси жертв або квоти на використання великих мовних моделей. За даними Mandiant, у деяких випадках шахрайські нарахування за один день перевищували $100,000, а сукупні збитки від найсерйознішого зловживання сягнули $1 мільйона до усунення наслідків.
GTIG також відстежує так звані міксери LLM — нелегальні майданчики, що продають несанкціонований доступ до сервісів великих мовних моделей і допоміжної проксі-інфраструктури. Вони спрямовують трафік покупців через пули викрадених облікових даних і обчислювальних ресурсів та можуть розподіляти обсяг запитів між кількома середовищами жертв, щоб знизити ймовірність виявлення. GTIG виявила оголошення з цінами від $0.10 до $25 за мільйон токенів на російсько- та китайськомовних підпільних майданчиках; ціна залежала від сервісу, моделі й запропонованих облікових даних.
Ці висновки вказують на близьку за часом проблему для захисників — швидкість і масштаб. Загальнодоступні виправлення можуть стати матеріалом для порівняння під час автоматизованого створення експлойтів, а викрадені облікові дані й проксі-сервіси можуть забезпечити доступ до обчислювальних ресурсів ШІ. Ці самі автоматизовані операції залишають сліди, придатні для криміналістичного аналізу, і генерують ненадійний код експлойтів, що дає захисникам можливості для виявлення, навіть коли вікно для експлуатації вразливостей скорочується, а обсяг матеріалів для перевірки зростає.












