Kifejezetten a felderítés elkerülésére: a mesterséges intelligencia szerepe a kibertámadások iparosításában

• A mesterséges intelligencia megváltoztatta a támadások gazdasági hátterét. Egy olyan kampány létrehozása, amelyhez korábban egy jól finanszírozott csapatra volt szükség, ma már egyetlen operátor számára is elérhetővé vált.
• A támadók manapság gyorsabban tudják tesztelni, módosítani és váltogatni a taktikáikat, mint ahogyan a védelmi rendszerek reagálni tudnak.
• Az emberek már nem az egyetlen célpontok. Az e-maileket helyettük olvasó mesterséges intelligencia-rendszerek önmagukban is támadási felületté váltak.
• A védelem manapság olyan többszintű ellenőrzési mechanizmusokat jelent, amelyek folyamatosan fejlődnek, miközben a mesterséges intelligencia és a gépi tanulás felgyorsítja a tanulási folyamatot.

A biztonsági vezetők többsége már tisztában van azzal, hogy a mesterséges intelligencia átalakítja a kiberkockázatokat. A nehezebb kérdés az, hogy ez a változás operatív szempontból mit jelent. A mesterséges intelligencia okosabbá teszi a támadásokat? Néha. De ami ennél is fontosabb: csökkenti a kísérletezés költségeit, és lerövidíti az ötlet, a támadási kód, a végrehajtás és az iteráció közötti időt. Ez megváltoztatja a támadás gazdasági feltételeit.

Ezt már most is megfigyeljük a piacon, és ezt halljuk ügyfeleinktől, partnereinktől és a szakértői csoportoktól is. A „Five Eyes” – azaz az Egyesült Államok, az Egyesült Királyság, Kanada, Ausztrália és Új-Zéland alkotta hírszerzési szövetség – szerint „a legújabb generációs mesterséges intelligencia-modellek várhatóan túlteljesítik a jelenlegi iparági várakozásokat, és alapvetően átalakítják mind a támadó, mind a védekező kiberképességeket. Ez nem évek, hanem hónapok kérdése.”

Ha úgy gondolod, hogy ez csak a távoli jövő problémája, íme néhány friss statisztikai adat, amelyek arra utalnak, hogy gyorsan haladunk abba az irányba:

• A phishing-e-mailek 82,6%-a ma már valamilyen formában mesterséges intelligenciát tartalmaz (KnowBe4).
• A mesterséges intelligencia öt perc alatt képes meggyőző adathalász e-mailt létrehozni, míg ehhez emberi erőfeszítéssel 16 óra szükséges (IBM X-Force).
• A teljes mértékben mesterséges intelligenciával automatizált adathalász e-mailek kattintási aránya 54%, míg a hagyományos kampányoké 12% (független kutatás).
• Az e-bűnözéses támadások átlagos feltörési ideje 29 percre csökkent, a leggyorsabb megfigyelt eset pedig 27 másodperc volt. Egy dokumentált behatolás során az adatlopás a kezdeti hozzáférés után négy perccel megkezdődött (CrowdStrike 2026-os globális fenyegetési jelentése)

Ezek a statisztikák egy olyan helyzetet mutatnak be, amely gyorsabban változik, mint ahogyan a legtöbb biztonsági irányítási rendszer kezelni tudná – és ez még azelőtt van, hogy a legkorszerűbb mesterséges intelligencia-modellek szélesebb körben elérhetővé válnának. Tehát mire kellene a biztonsági vezetőknek más szemszögből tekinteniük? A válasz azzal kezdődik, hogy megértsük: hogyan változtatta meg a mesterséges intelligencia maga a támadások gazdasági hátterét.

A mesterséges intelligencia megjelenése előtt egy jól védett szervezet ellen folytatott hatékony kampány jelentős befektetést jelentett, amely időt, munkaerőt és infrastruktúrát igényelt.

Manapság egy hozzáértő támadó a támadás minden egyes szakaszát jelentősen lerövidítheti. A korábban napokig tartó felderítés ma már órák vagy percek alatt elvégezhető. A phishing-csalogatásokhoz korábban kutatás és erőfeszítés kellett, ma viszont csupán egy parancsra van szükség. A hasznos terhelés tesztelése, amelyhez korábban tesztkörnyezetre és jelentős iterációs időre volt szükség, nagyságrendekkel felgyorsult.

Mivel a mesterséges intelligencia és a gépi tanulás jelentősen megerősítette a támadók eszköztárát, a fenyegetési környezet a támadók játszóterévé vált. A Microsoft dokumentálta, hogy a hackerek a negyedév során havonta váltogatták a támadási módszereket, és tesztelték, mely formátumok képesek a leghatékonyabban kijátszani az e-mail védelmi rendszereket:

• A HTML-mellékletek voltak a leggyakoribb módszer a CAPTCHA-val védett adathalász-támadások terjesztésére (januárban 37%), de februárban – egy 49%-os ugrás után – az SVG-fájlok vették át tőlük a vezető helyet.
• Márciusban a PDF-mellékletek száma több mint négyszeresére nőtt, a DOC/DOCX-fájloké pedig csaknem ötszörösére.
• A PDF-fájlokba ágyazott QR-kódok váltak a leggyorsabban terjedő terjesztési csatornává, amelyek a negyedév során a QR-kódokon alapuló adathalász-támadások 70%-át tették ki.

Egy olyan ellenőrző rendszer, amelyet januárban a HTML-kódok észlelésére kalibráltak, alig adott támpontot arra nézve, hogy mi várható márciusban. Ez nem jelenti azt, hogy a rendszer nem tudta felismerni a támadást. Ez annak a strukturális következménye, hogy olyan támadó ellen kell védekezni, aki gyorsabban tud tesztelni, mérni és változtatni, mint amennyire egy szignatúra megírható.

A mesterséges intelligencia megjelenése előtt a személyre szabás költségei megfizethetetlenül magasak voltak. Ma ezek a költségek már szinte nulla.

A beérkező levelek mappáját korábban egy fő olvasó – az alkalmazott – igényeihez igazították. Ez azonban változik. A mesterséges intelligencia (AI) segédprogramok ma már gyorsan összefoglalják, osztályozzák és feldolgozzák az e-mailek tartalmát. Így felmerül a kérdés: vajon a szervezetek ellenőrzik-e a tartalmat, mielőtt egy ember elolvasná, és mielőtt egy gép feldolgozná?

A Microsoft saját teljesítménymérési adatai szerint a Defender átlagosan a rosszindulatú e-mailek 70,8%-át távolítja el a kézbesítés után, vagyis miután azok már beérkeztek a beérkező levelek mappájába. Ezen tartózkodási idő alatt:

• A felhasználó megnyithat egy mellékletet, továbbíthat egy üzenetet, vagy rákattinthat egy linkre.
• Egy mesterséges intelligencia-asszisztens összefoglalhatja a tartalmat.
• A másodpilóta képes feldolgozni a beágyazott utasításokat.

2025 júniusában a kutatók nyilvánosságra hozták az EchoLeak nevű sebezhetőséget, amely a Microsoft 365 Copilot rendszerében fellelhető, „zero-click” típusú sebezhetőség, és amelynek súlyossági besorolása a 10-es skálán 9,3-as CVSS-pontszámot kapott. A támadás a következőképpen működött: a támadó egy speciálisan kialakított, rejtett utasításokat tartalmazó e-mailt küldött. Amikor a címzett megkérte a Copilotot, hogy foglalja össze a beérkező leveleit, a mesterséges intelligencia elolvasta a rejtett utasítást, parancsként értelmezte azt, és észrevétlenül eltávolította az érzékeny dokumentumokat egy külső szerverre. Az ember pontosan úgy használta a mesterséges intelligencia-asszisztenst, ahogyan azt tervezték.

Ez olyan módon változtatja meg az e-mailekkel kapcsolatos fenyegetési modellt, amire a legtöbb biztonsági architektúra még nem számított. A mesterséges intelligencia szkepticizmus, kontextusérzék és az emberre jellemző ösztönök nélkül olvassa el az üzeneteket. Emellett nagy léptékben olvassa az üzeneteket, szélesebb körű adatokhoz fér hozzá, a felhasználótól örökölt jogosultságokkal rendelkezik, és esetenként olyan műveleteket is végrehajthat, amelyek messze túlmutatnak az olvasáson.

Ennek a biztonsági kihívásnak van egy második dimenziója is. A mesterséges intelligencia-ügynökök memóriájával kapcsolatos kutatások kimutatták, hogy egy mesterséges intelligencia-ügynök által feldolgozott, speciálisan kialakított dokumentum utasításokat ültethet be az ügynök állandó memóriájába; ezek az utasítások végtelen ideig megmaradnak, és a jövőbeli interakciók során – amelyeknek semmi közük sincs az eredeti fájlhoz – észrevétlenül aktiválódnak. Ez a prompt-befecskendezésnél egy szinttel magasabb, és „memória-mérgezésnek” nevezik.

Azok a szervezetek, amelyek e-mail-infrastruktúrájukon felül mesterséges intelligencia-alapú segédprogramokat, kódolási asszisztenseket és ügynökszerű munkafolyamatokat üzemeltetnek, egy második, nagyrészt védelem nélküli réteget adtak hozzá ahhoz a felülethez, amelynek védelmével már eddig is nehezen boldogultak. A legtöbbjük nem igazította hozzá e-mail-biztonsági intézkedéseit ehhez a helyzethez.

Évekig számos biztonsági program ciklusok szerint fejlődött: éves felülvizsgálatok, negyedéves finomhangolás, időszakos szimulációs gyakorlatok és ütemezett szabályzat-frissítések. Ez a ritmus ma is értékes. De nem olyan támadásokra tervezték, amelyek gyorsan és nagy léptékben képesek átalakulni.

A megoldás az adaptív védelem: olyan biztonsági rétegek, amelyek a fenyegetés fejlődésével párhuzamosan tanulnak, és minden blokkolt kísérlet, minden téves riasztás, valamint minden incidenselemzés alapján folyamatosan javulnak. A védelmi célokra alkalmazott Frontier AI-modellek segíthetnek lerövidíteni a jel és a cselekvés közötti időt, feltárni azokat a mintákat, amelyeket az emberi elemzők nem tudnak a szükséges sebességgel feldolgozni, valamint olyan védelmi intézkedéseket alakítani ki, amelyek jobban lépést tartanak a támadások változásának ütemével.

Ennek az alkalmazkodásnak figyelembe kell vennie a beérkező levelek mappájában megjelenő új „olvasót” is. Egy alkalmazottat megtaníthatunk a szkepticizmusra, míg egy mesterséges intelligencia-asszisztens korlátok hiányában minden feldolgozott információ alapján cselekszik. Az üzeneteket és a mellékleteket megbízhatatlannak kell tekinteni, és semlegesíteni kell őket, mielőtt bármely olvasó hozzájuk férne – függetlenül attól, hogy az olvasó ember vagy gép.

A mesterséges intelligencia alapú védelemnek gyakorlatiasnak kell lennie, és ki kell használnia erősségeit: gyorsabb osztályozás, a gyanús fájlok korábbi felismerése, a jelek közötti jobb összefüggés-elemzés, valamint a fenyegetés és az alkalmazkodás közötti idő lerövidítése.

Azok a szervezetek lesznek sikeresek, amelyek minden incidenst információforrásként kezelnek, nem pedig lezárt ügyként. Nem lehet érvényes védelmi stratégiának tekinteni azt, ha arra várunk, hogy a megfelelőségi keretrendszerek felzárkózzanak. A támadók máris tanulnak minden egyes kísérletből, és a védelem is elkezdte ugyanezt tenni: mesterséges intelligenciát és gépi tanulást alkalmaz az e-mailek ellenőrzésére, felderítésére és megtisztítására.

Kifejezetten a kritikus infrastruktúra esetében létezik egy olyan kiegészítő felelősség, amelyet a szabályozás önmagában nem tud pontosan meghatározni. A digitalizáció felgyorsulásával ezeknek a szervezeteknek a támadási felülete is egyre növekszik. A biztonsági stratégiát nem lehet kizárólag a szabályozási minimumkövetelményekre alapozni.

A „Five Eyes” közös nyilatkozata egyértelműen fogalmaz: „A kiberkockázatot már nem lehet pusztán technikai kérdésként kezelni. Ez alapvető üzleti kockázat, és a vezetés felelőssége.” A sürgősség kérdéséről pedig így fogalmaz: „Azok a vezetők, akik most cselekszenek, csökkentik a kitettséget, megerősítik az ellenálló képességet, és bizalmat építenek ki az ügyfelek, partnerek és befektetők körében. Akik halogatják a lépéseket, egyre növekvő, pedig elkerülhető kockázattal szembesülnek majd.”

Az ellenállóbb hozzáállás a határon kialakított többszintű védelmi rendszerrel, a működési modellben az AI által támogatott alkalmazkodással, valamint azzal a várakozással kezdődik, hogy a folyamatos fejlesztésnek alapvető gyakorlattá kell válnia. Az a kérdés, hogy a védelmi rendszereid elég gyorsan fejlődnek-e ahhoz, hogy lépést tartsanak a változásokkal.

Ez leginkább ott fontos, ahol a tét a legnagyobb: a kritikus infrastruktúrában és annak központi elemeit képező „ air-gapped ” hálózatokban, és éppen ezzel foglalkozik a következő cikk.