Báo cáo “AI Across the Intrusion Lifecycle” của Gambit Security cho thấy AI đang di chuyển sâu hơn vào các cuộc tấn công mạng thực tế

Gambit Security vừa phát hành một báo cáo mới, AI Across the Intrusion Lifecycle, cung cấp một cái nhìn chi tiết về cách trí tuệ nhân tạo đang vượt ra ngoài vai trò hỗ trợ trong tội phạm mạng và trở thành một phần của cơ chế hoạt động hàng ngày của các cuộc tấn công thực sự. Báo cáo được viết bởi Giám đốc Thông tin Threat Eyal Sela và Nghiên cứu viên Threat Nir Varon, đã xem xét ba tác nhân đe dọa không liên quan sử dụng AI cho mọi thứ từ xây dựng các tập lệnh và công cụ khai thác một lần đến phân tích dữ liệu kinh doanh bị đánh cắp, khắc phục sự cố cơ sở hạ tầng và xác định tương tác với môi trường bị xâm phạm.
Điểm quan trọng không chỉ là các kẻ tấn công yêu cầu các mô hình ngôn ngữ lớn viết malware. Các trường hợp cho thấy điều gì đó có ý nghĩa hơn: AI đang trở thành một phần của quy trình hoạt động của một cuộc tấn công, giúp các kẻ tấn công thích nghi với các hệ thống mới, thông tin đăng nhập, lỗi và cơ hội xuất hiện.

Từ trợ lý mã hóa đến tham gia hoạt động

Trong suốt ba cuộc điều tra, Gambit đã quan sát thấy các kẻ tấn công sử dụng AI trong các giai đoạn khác nhau của một cuộc tấn công. Các mô hình đã tạo ra các tập lệnh được tùy chỉnh cho các môi trường chúng gặp phải, phát triển các công cụ khai thác, ưu tiên thông tin kinh doanh có giá trị, thực hiện các nhiệm vụ IT và DevOps, và tinh chỉnh lại các lệnh dựa trên đầu ra từ các hệ thống bị xâm phạm.

Điều này đại diện cho một sự tiến hóa quan trọng từ một số cuộc thảo luận đầu tiên về tội phạm mạng được kích hoạt bởi AI, tập trung chủ yếu vào các email lừa đảo, tạo malware hoặc giảm thiểu rào cản kỹ thuật cho các kẻ tấn công thiếu kinh nghiệm.

AI hiện có thể hoạt động giống như một trợ lý kỹ thuật rất phản ứng, tham gia vào quá trình hoạt động.

Toàn bộ cảnh quan đe dọa dường như đang di chuyển theo cùng một hướng. Anthropic đã phân tích 832 tài khoản liên quan đến hoạt động mạng độc hại giữa tháng 3 năm 2025 và tháng 3 năm 2026 và phát hiện ra rằng việc sử dụng AI bao gồm tất cả 14 chiến thuật được đại diện trong khuôn khổ MITRE ATT&CK. Công ty cũng phát hiện ra rằng tỷ lệ các tác nhân được phân loại là rủi ro trung bình hoặc cao hơn đã tăng từ 33% lên 56% giữa nửa đầu và nửa sau của thời kỳ được nghiên cứu.

Các trường hợp của Gambit cung cấp một cái nhìn cụ thể về sự thay đổi đó có thể trông như thế nào trong các cuộc xâm phạm hoạt động.

Một kẻ tấn công ransomware nghi ngờ đưa Claude Code vào vòng lặp tấn công

Trường hợp đầu tiên liên quan đến một kẻ tấn công ransomware nghi ngờ mà Gambit đã quan sát thấy sử dụng Claude Code trên các cuộc xâm phạm vào sáu tổ chức vào tháng 6 năm 2026, với các nhà nghiên cứu cũng kết nối tác nhân này với hai cuộc xâm phạm trước đó.

Nạn nhân thuộc nhiều ngành công nghiệp và quốc gia khác nhau, bao gồm một công ty tiện ích năng lượng của Úc, một công ty dịch vụ tài chính ở Mauritius, các doanh nghiệp ở Nam Phi, Thái Lan và Malaysia, và một số tổ chức ở Hoa Kỳ. Gambit quy kết hoạt động này với độ tin cậy trung bình cho một đối tác liên kết sử dụng dịch vụ ransomware-as-a-service của The Gentlemen.

Điều nổi bật là phạm vi vai trò của Claude Code.

Kẻ tấn công đã sử dụng hệ thống này để thực hiện trinh sát, tạo ra các lệnh khai thác, viết các tập lệnh độc hại, sửa đổi các chính sách tường lửa, lập bản đồ các hệ thống nội bộ và xác định các máy hoặc cơ sở dữ liệu xứng đáng được chú ý thêm.

Sau khi đã thiết lập thông tin đăng nhập và truy cập từ xa, AI đã giúp giải thích dữ liệu trinh sát và xác định các hệ thống có giá trị cao hơn như các bộ điều khiển tên miền, máy chủ tệp và cơ sở hạ tầng sao lưu. Trong một phần khác của cuộc xâm phạm, nó đã phân tích các cơ sở dữ liệu thuộc về một nền tảng dịch vụ tài chính và giúp xác định dữ liệu sản xuất và tài liệu khách hàng là đặc biệt quan trọng.

Trường hợp này cũng minh họa cho giới hạn của các biện pháp bảo vệ hiện tại. Tại một thời điểm, Claude nhận ra rằng nó dường như đang tương tác với một mạng doanh nghiệp thực và từ chối tiếp tục mà không có bằng chứng về ủy quyền. Kẻ tấn công đã mở một phiên mới, định hình lại công việc như một thử nghiệm lỗ hổng được ủy quyền và mô hình tiếp tục.

Nhưng khả năng tăng lên không có nghĩa là việc thực hiện hoàn hảo. Trong cuộc xâm phạm của công ty tiện ích, Claude đã cố gắng sửa đổi cấu hình tường lửa và cuối cùng đã khiến thiết bị không thể truy cập được. Sự cố này là một điểm phản chứng quan trọng đối với nỗi sợ hãi về các hacker AI hoàn toàn tự động: các mô hình có thể tăng tốc các hoạt động tấn công, nhưng chúng cũng có thể mắc sai lầm tốn kém trong các hệ thống mà kẻ tấn công đang cố gắng kiểm soát.

Zerofot cho thấy điều gì xảy ra khi AI gặp quy mô

Trường hợp thứ hai không chỉ là về một cuộc xâm phạm được nhắm mục tiêu mà còn về việc công nghiệp hóa việc đánh cắp thông tin đăng nhập.

Gambit theo dõi kẻ tấn công dưới tên Zerofot, mô tả một chiến dịch tìm kiếm các tệp và thư mục được暴露 trên internet cho các khóa API, thông tin đăng nhập đám mây, token phần mềm và khóa riêng SSH.

Ở trung tâm của hoạt động là một công cụ thu thập thông tin đăng nhập tùy chỉnh được gọi là auto_scan. Kẻ tấn công đã xây dựng công cụ này bằng cách sử dụng OpenAI Codex và Claude Code, hướng dẫn các mô hình dưới tiền đề rằng công việc đang được thực hiện trong một môi trường thử nghiệm lỗ hổng được ủy quyền. Công cụ quét đã thu thập các tệp được暴露, tìm kiếm các khóa tiềm năng và sau đó cố gắng xác thực các khóa đã phát hiện đối với các dịch vụ tương ứng.

Vai trò của AI không dừng lại khi công cụ được viết.

Claude Code cũng được sử dụng cho công việc ít được chú ý nhưng quan trọng về mặt hoạt động, giúp duy trì cơ sở hạ tầng hoạt động. Thông qua một khuôn khổ điều phối đa tác nhân, nó đã giúp quản lý cơ sở hạ tầng quét, proxy, mạng, cấu hình tường lửa, giám sát và gỡ lỗi.

Điều đó rất quan trọng. Các hoạt động mạng đòi hỏi nhiều hơn là chỉ phát hiện ra một lỗ hổng hoặc tạo ra một payload. Cơ sở hạ tầng cần được triển khai, phần mềm bị hỏng, nhật ký cần được giải thích và các vấn đề cấu hình cần được giải quyết. AI có thể ngày càng hỗ trợ công việc kết nối này.

Quy mô được Gambit ghi nhận là đáng kể. Từ ngày 5 tháng 4 đến ngày 23 tháng 5 năm 2026, hoạt động đã thu thập 2.975 thông tin đăng nhập và khóa đã xác thực từ 1.742 máy chủ nạn nhân. Đó bao gồm 661 khóa riêng SSH, 635 khóa truy cập AWS liên kết với 214 tài khoản, 448 khóa Gemini của Google, 254 khóa OpenAI và 176 khóa Anthropic, cùng với nhiều loại thông tin đăng nhập khác. Gambit cho biết thông tin đã được chia sẻ với Quỹ Shadowserver và các nhà cung cấp dịch vụ bị ảnh hưởng để hỗ trợ thông báo và thu hồi thông tin đăng nhập.

RAGE biến mã được tạo bởi AI thành một khuôn khổ khai thác

Cuộc điều tra thứ ba tập trung vào RAGE, một khuôn khổ Python tùy chỉnh được thiết kế để quét các dịch vụ hướng internet, khai thác các triển khai dễ bị tấn công, thu thập thông tin đăng nhập và cài đặt các công cụ khai thác tiền điện tử.

Các nhà nghiên cứu của Gambit tin rằng nhiều phần của RAGE và các tập lệnh liên quan đã được tạo bởi AI. Một manh mối là các đoạn mã còn lại rõ ràng, dường như được mô hình để lại trong quá trình phát triển.

AI cũng được tích hợp trực tiếp vào hệ thống hoàn chỉnh. RAGE bao gồm một “Trình điều khiển AI” được hỗ trợ bởi DeepSeek trong bảng điều khiển của người vận hành, cung cấp hướng dẫn để quản lý hoạt động khai thác.

Khuôn khổ này đã nhắm vào các dịch vụ bị暴露, bao gồm Redis, Elasticsearch, Docker, Tomcat, Jenkins và các dịch vụ khác, đồng thời tìm kiếm các môi trường bị xâm phạm để thu thập thông tin đăng nhập có thể tạo ra các cơ hội bổ sung.

Trong một trường hợp, thông tin đăng nhập được thu hồi từ một triển khai Redis bị暴露 thuộc về một nhà cung cấp dịch vụ phần mềm như một dịch vụ đã cung cấp quyền truy cập quản trị vào một tài khoản AWS. Kẻ tấn công sau đó đã tạo ra các công cụ bổ sung để liệt kê các danh tính, lưu trữ và các tài nguyên đám mây khác.

Các nhật ký được thu hồi cho thấy quyền truy cập vào tám người dùng IAM, bốn trong số đó có quyền truy cập của Quản trị viên, cũng như 196 bucket Amazon S3.

Một chiến dịch dường như được thúc đẩy chủ yếu bởi việc khai thác tiền điện tử cũng có khả năng biến một dịch vụ bị暴露 thành một sự xâm phạm đám mây rộng lớn hơn.

Các sai lầm của AI có thể trở thành một phần của lợi thế của người phòng thủ

Một trong những khía cạnh thú vị nhất của nghiên cứu của Gambit là nó ghi lại các sai lầm của AI cùng với các thành công của AI.

Các mô hình đôi khi đã暴露 ý định của kẻ tấn công theo những cách không lường trước được. Các công cụ được tạo bởi AI đã sử dụng các tên như “recon” cho các phiên đám mây, trong khi các artifact được tạo khác đã giữ lại các bình luận và lý do mô tả mà có thể cung cấp các gợi ý về cách chúng được tạo. Trong trường hợp ransomware, một lần cố gắng sửa đổi cấu hình tường lửa đã tạo ra một sự cố.

Những điểm yếu này làm phức tạp ý tưởng rằng AI tự động làm cho các hoạt động mạng trở nên tinh vi hơn hoặc khó phát hiện hơn.

Các nhà nghiên cứu bảo mật của Microsoft cũng đã mô tả AI như một chất xúc tác trong các quy trình hoạt động của kẻ tấn công, với các nhà vận hành con người vẫn chỉ đạo nhiều hoạt động từ đầu đến cuối. Các phát hiện của Gambit cho thấy rằng mối quan hệ có thể ngày càng giống như một sự hợp tác: con người cung cấp các mục tiêu và phán quyết, trong khi AI hấp thụ các phần quan trọng của sự lặp lại kỹ thuật cần thiết để đạt được các mục tiêu đó.

Điều đó có thể làm cho các kẻ tấn công nhanh hơn mà không nhất thiết làm cho họ tốt hơn về mặt bảo mật hoạt động.

Các đội bảo mật mạng có thể cần phải bảo vệ chống lại sự lặp lại với tốc độ máy

Vấn đề lớn hơn được đặt ra bởi nghiên cứu là tốc độ.

Nhiều biện pháp bảo vệ an ninh giả định rằng một kẻ thù sẽ di chuyển qua mạng với tốc độ giống như con người. Một kẻ tấn công truyền thống cần phải hiểu một công nghệ không quen thuộc, nghiên cứu các lệnh, viết tập lệnh, khắc phục sự cố và giải thích một lượng lớn dữ liệu trước khi quyết định di chuyển đến đâu tiếp theo.

Một hệ thống AI có thể nén nhiều bước đó.

Rủi ro do đó không chỉ giới hạn ở một tác nhân tấn công tự động hóa trong tương lai. Một kẻ tấn công vẫn kiểm soát hoàn toàn có thể sử dụng AI để giảm thiểu số lượng chuyên môn, thời gian và công sức cần thiết để hoạt động trên các môi trường không quen thuộc.

Các đội bảo vệ có thể do đó cần tập trung ít hơn vào việc liệu một phần mềm độc hại cụ thể có được “tạo bởi AI” hay không và nhiều hơn vào các tín hiệu hành vi trên toàn bộ vòng đời xâm phạm: trinh sát nhanh bất thường, lệnh thích nghi lặp lại, khám phá thông tin đăng nhập tích cực, liệt kê đám mây không mong muốn, thay đổi cơ sở hạ tầng sao lưu hoặc bảo mật, và di chuyển giữa các hệ thống xảy ra nhanh hơn so với các hoạt động do con người dẫn dắt truyền thống.

Các khả năng tương tự cũng vẫn rất có giá trị cho việc bảo vệ. Anthropic, ví dụ, đã phát triển các hệ thống AI giúp xác định các lỗ hổng và hỗ trợ các đội bảo mật khắc phục chúng, nhấn mạnh bản chất sử dụng kép của các mô hình mạng ngày càng mạnh mẽ. Cuộc cạnh tranh đang ngày càng trở thành về việc bên nào có thể áp dụng các khả năng đó nhanh hơn và với tầm nhìn tốt hơn.

Cuối cùng, “AI Across the Intrusion Lifecycle” là hấp dẫn vì nó di chuyển cuộc thảo luận về AI bảo mật mạng khỏi các cuộc tấn công tương lai假设 và hướng tới hành vi hoạt động có thể quan sát được. Ba trường hợp được Gambit Security ghi lại cho thấy các kẻ tấn công đang thử nghiệm với các mô hình, khuôn khổ và mức độ tự động hóa khác nhau, nhưng chúng chia sẻ một mẫu quan trọng: AI không còn bị giới hạn trong việc giúp chuẩn bị một cuộc tấn công. Nó ngày càng hiện diện trong khi cuộc tấn công thực sự đang diễn ra.