A mesterséges intelligenciával támogatott kibertámadás olyan behatolás, amelynek egy vagy több szakaszában – például a felderítés, a sebezhetőségek felmérése, az adathalász tartalmak készítése vagy a kódgenerálás során – mesterséges intelligencia-eszközök nyújtanak segítséget; nem pedig olyan támadás, amelyet egy mesterséges intelligencia-modell emberi irányítás nélkül tervez és hajt végre. Az OpenAI és az Anthropic figyelmeztetései ezt a támogatott modellt írják le, nem pedig az autonóm mesterséges intelligencia-támadókat. |
|---|
A legfontosabb tudnivalók
- Az OpenAI és az Anthropic több mint 100 másik vállalathoz csatlakozva arra figyelmeztetett, hogy a mesterséges intelligencia csökkenti a kibertámadásokhoz szükséges szakértelem küszöbét
- A CrowdStrike dokumentált egy AI-támogatott kampányt a dél-koreai bankok ellen , amely a DeepSeek háttérrendszerre épülő ARTEX eszközöket használta, és amelyben a Claude Code munkamenet-előzményei is szerepeltek
- A megelőző intézkedések – ideértve a fájlok tisztítását és a futtatás előtti elemzést is – csökkentik az AI által generált rosszindulatú programoknak való kitettséget, de ezek mellett továbbra is szükség van a felismerésre és a reagálásra
- A biztonsági vezetők már most cselekedhetnek: rangsorolhatják a felfedett, magas kockázatú sebezhetőségeket, szigoríthatják a hozzáférés-ellenőrzést, ellenőrizhetik és megtisztíthatják a megbízhatatlan fájlokat, tesztelhetik a meglévő védelmi rendszereket, valamint ellenőrizhetik az incidenskezelési készenlétet
- Az OpenAI és az Anthropic állítólag „másnap” forgatókönyveket egy jelentős, mesterséges intelligenciával támogatott támadás utáni nyilvános visszhangra, bár ez nem egy megerősített OpenAI-ütemterv
Mire készül valójában az OpenAI és az Anthropic?
Az OpenAI és az Anthropic egy jelentős, mesterséges intelligenciával támogatott kibertámadást felkészülési kérdésként kezelnek. 2026 augusztusában a két vállalat több mint 100 másik szervezettel együtt aláírta nyílt levelet , amelyben arra figyelmeztettek, hogy a mesterséges intelligencia lebontja azokat a költség- és szakértelmi korlátokat, amelyek korábban lassították a támadókat, és felszólították a védelmi szakembereket, hogy orvosolják a már felhalmozódott sebezhetőségeket és konfigurációs hibákat, mielőtt ez a változás felgyorsulna. A levél ezt minden olyan szervezet számára közös kockázatként határozza meg, amely védtelen infrastruktúrát üzemeltet, nem csupán a nagy horderejű célpontok esetében.
Ez a felkészültség kiterjed arra is, hogy a vállalatok hogyan számítanak a közvélemény reakciójára. Az Axiosszerint az OpenAI és az Anthropic zárt körben gyakorolják a „másnapra” vonatkozó terveket, kommunikációs stratégiákat és reagálási útmutatókat arra az esetleges közfelháborodásra, amely egy jelentős, mesterséges intelligenciával támogatott támadás után várható; források szerint ez 6–12 hónapos időtávra vonatkozik. Ez az időkeret az Axios forrásaiból származik, nem pedig az OpenAI által közzétett előrejelzésből, és az OpenAI kijelentette, hogy saját felkészültségi forgatókönyvei nem jelentenek elkerülhetetlen kimeneteleket.
A biztonsági vezetők számára a különbségtétel kevésbé fontos, mint az irányvonal. Akár hat hónapról, akár két évről van szó, az ilyen mesterséges intelligencia-rendszereket fejlesztő vállalatok már most is a támogatott támadásokat rövid távú operatív valóságként kezelik, ami elegendő ok arra, hogy a később tárgyalt védelmi intézkedéseket prioritásként kezeljék.
Hol jelennek meg már az AI-támogatott támadások
A mesterséges intelligenciával támogatott támadásokra már vannak bizonyítékok, függetlenül attól, hogy milyen veszélyek várhatók a jövőben. A legszembetűnőbb nyilvános eset egy dél-koreai pénzintézetek ellen indított kampány, amelyet a CrowdStrike dokumentált egy, a cég által ARTEX-nek nevezett eszközkészletről szóló kutatásában.
A CrowdStrike jelentése megállapította, hogy a támadó az ARTEX nevű, elsősorban a DeepSeek háttérrendszerre épülő keretrendszert használta, valamint a támadó infrastruktúrájában talált Claude Code munkamenet-előzményeket. A jelentés azt is megállapítja, hogy az érintett szervezetek száma továbbra sem ismert.
A kutatás nem nevez meg konkrét vírusirtó szoftvert, amely nem észlelte volna a tevékenységet, és nem ad alapot egy jövőbeli incidens mértékének előrejelzésére. Az adatok egy dokumentált kampány mögött vegyes eszközkészletet mutatnak, nem pedig azt, hogy egyetlen mesterséges intelligencia-modell hajtotta volna végre a támadás minden szakaszát.
Az OpenAI, az Anthropic és több mint 100 egyéb szervezet által 2026 augusztusában kiadott iparági nyilatkozat azonban nem a már megfigyelt támadásokra, hanem arra vonatkozóan fejezi ki aggodalmát, hogy milyen irányba haladhatnak a mesterséges intelligenciával támogatott támadások.
Hogyan változtatja meg a mesterséges intelligencia a kibertámadásokat?
A mesterséges intelligencia megváltoztatja a támadások gazdasági hátterét: lerövidíti az egyes szakaszokhoz korábban szükséges időt és szakértelmet. A sebezhetőségek kutatása a legszembetűnőbb példa erre. A mesterséges intelligencia eszközei gyorsabban képesek átvizsgálni a kódot és a konfigurációkat a gyenge pontok felkutatására, mint egy egyedül dolgozó elemző, majd a gyenge pont azonosítása után azonnal megírják a kihasználó kódot. Ez lerövidíti azt a folyamatot, amely korábban egy szakosodott csapatnak napokba telt.
A második változás a különböző szakaszok közötti koordináció. A fent leírt ARTEX-kampány bemutatja, hogy a mesterséges intelligencia (AI) eszközök hogyan segítik a felderítést, az eszközök előkészítését és a végrehajtást egyetlen művelet keretében, összekapcsolva azokat a lépéseket, amelyek korábban különféle, egymástól függetlenül fejlesztett készségekkel rendelkező csapatot igényeltek.
Ezek a képességek együttesen arra utalnak, hogy a támadók egyre több kísérletet tesznek, és gyorsabb ütemben hajtják végre az iterációkat. Ez a CrowdStrike-kutatáson és az iparági nyilatkozatban megfogalmazott aggályokon alapuló értelmezés, nem pedig az új támadások megerősített száma.
A OpenAI által kezdeményezett iparági nyilatkozat azzal érvel, hogy ugyanazok az alapvető mesterséges intelligencia-képességek segíthetnek a védelemmel foglalkozóknak a már felhalmozódott sebezhetőségek és hibás konfigurációk kezelésében azáltal, hogy automatizálják a triázst, a javítások ellenőrzését és a naplóelemzést olyan méretekben, amelyeket a biztonsági csapatok pusztán létszámukkal eddig nehezen tudtak biztosítani. A támadó és a védekező eszközök ugyanazon a technológián alapulnak.
Miért kell a megelőzésnek kiegészítenie a felismerést?
A fenyegetés felismerése és a kár bekövetkezésének kizárása két különböző biztonsági funkció. A mesterséges intelligenciával támogatott támadások miatt ez a különbség fontossá válik: az a szervezet, amely kizárólag a felismerésre támaszkodik, arra spekulál, hogy minden támadás olyan lesz, mint amit már korábban látott.
Felismerés kontra megelőzés: mit is jelent valójában mindkettő?
- Az észlelés – általában miután egy fájl vagy művelet már jelen van a környezetben – az ismert szignatúrák, heurisztikák vagy viselkedési modellekkel való összehasonlítás révén azonosítja a rosszindulatú viselkedést.
- A megelőzés még a fájl végrehajtása előtt eltávolítja vagy korlátozza annak működését, függetlenül attól, hogy az észlelőmotor fenyegetésként azonosítja-e azt
A felismerés csak azt tud kiszűrni, amit látott, vagy amire betanították. A megelőzésnek nem kell felismernie a fenyegetést ahhoz, hogy semlegesítse azt.
A Deep CDR™ technológia alkalmazási területei
Deep CDR™ technológia a tartalom-semlegesítő és -rekonstruáló technológiánk. Ahelyett, hogy a fájlt ismert rosszindulatú minták után vizsgálná, eltávolítja az aktív tartalmat, és a fájlt tiszta, használható változatba alakítja át, ami azt jelenti, hogy olyan fájlokat is lefed, amelyekre az észlelőmotoroknak még nincs szignatúrájuk.
Ez kiterjed azokra a támadásokra is, amelyek közvetlenül a mesterséges intelligencia (AI) rendszereket veszik célba. Az EvilFont-támadás során egy egyedi betűtípus úgy módosítja a dokumentumban megjelenő tartalmat, hogy az emberi olvasó számára másképp jelenjen meg, mint amit az AI-modell ugyanabból a fájlból kinyer – anélkül, hogy a rendszer felismerhetné a hibás szerkezetet vagy a támadást jelző jellegzetes mintát. A Deep CDR™ technológia a rekonstrukció során eltávolítja a beágyazott betűtípust, így megakadályozza a támadást, függetlenül attól, hogy azt rosszindulatúnak ismeri-e fel a rendszer.
A Deep CDR™ technológia egy kiegészítő ellenőrzési mechanizmusokból álló, szélesebb körű rendszer egyik eleme:
- A fájlellenőrzés megvizsgálja a fájl típusát és felépítését, mielőtt bármit is megbízhatónak tekintene
- A végrehajtás előtti elemzés egy ellenőrzött környezetben értékeli a fájl viselkedését, mielőtt az a felhasználóhoz eljutna
- A Deep CDR™ technológia eltávolítja vagy helyreállítja a fájlban található bármely aktív elemet, függetlenül attól, hogy az rosszindulatúként van-e megjelölve
- A kockázatok esetében, amelyek egyáltalán nem fájl formájában érkeznek, továbbra is szükség van a felismerésre és a reagálásra
A „megelőzés-első” biztonsági megközelítés mögött álló érvelés
Ez a többrétegű eset áll a következő téma középpontjában: Cybersecurity Upside Downcímű könyv központi érvelése, amelyet a OPSWAT alapítója és vezérigazgatója, Benny Czarny írt. A könyv azt állítja, hogy a felismerhetőségre épülő biztonsági stratégiák egyre kevésbé bizonyulnak hatékonynak egy egyszerű ok miatt: a fájlok – akár azokat a munkavállalók nyitják meg, akár e-mailben érkeznek – soha nem voltak teljes mértékben kezelhetők pusztán felismeréssel, függetlenül attól, hogy mesterséges intelligencia generálta-e őket vagy sem.
Ez a megközelítés sokkal fontosabb, mint bármely konkrét sebességi állítás. Akár mesterséges intelligenciát használt a támadó a kártevő létrehozásához, akár saját kezűleg írta meg, a veszély ugyanaz: a fájl bejut a rendszerbe, mielőtt bárki is ellenőrizte volna, hogy biztonságos-e. A megelőző intézkedések kiküszöbölik ezt a kockázatot, függetlenül attól, hogy a fájl hogyan készült.
MetaDefender -es Aether™ alkalmazási területei
A Deep CDR™ technológia célja, hogy a fájlok biztonságos, helyreállított másolatát biztosítsa; három olyan helyzet azonban van, amelyekben más megoldásra van szükség.
- Egyes szervezeteknek jogi, megfelelési vagy nyomozási okokból meg kell őrizniük az eredeti, változatlan fájlt, és az újjáépített másolat – a kialakításából adódóan – nem az a fájl
- A futtatható fájlok, telepítők és szkriptek tervezésüknél fogva aktívak, így az aktív tartalmuk eltávolítása a felhasználók számára szükséges funkciók elvesztését jelentené; ezért ezek esetében inkább döntéshozatalra van szükség, mint újrakészítésre.
- Egy megtisztított fájl önmagában nem árulja el a biztonsági csapatnak, hogy mi volt a fenyegetés, honnan származott, vagy hogy egy szélesebb körű kampány részét képezi-e
MetaDefender Az Aether™ mindhárom problémát megoldja azáltal, hogy a fájlt megváltoztatás nélkül elemzi. Ez az öt rétegből álló, „ zero-day ” elnevezésű észlelési megoldásunk, amelyet kifejezetten azokra az újszerű, nehezen felismerhető kártevőkre fejlesztettünk ki, amelyeket a szignatúra-alapú észlelés nem vesz észre. Statikus elemzési rétege a „ Predictive Alin AI ” technológiát használja a rosszindulatú szándék előrejelzésére a végrehajtás előtt, szignatúrák vagy tesztfutás nélkül. A nagy bizonyossággal tiszta fájlokat milliszekundumok alatt engedélyezi, a nagy bizonyossággal rosszindulatú fájlokat blokkolja, míg a bizonytalan fájlokat egy emulációalapú sandbox környezetben végzett dinamikus elemzésre továbbítja. Az ott megerősített zero-day sebezhetőségek visszakerülnek a Predictive Alin AI rendszerbe, így mindegyikük erősíti a jövőbeli észlelést.
MetaDefender Aether emellett lehetővé teszi a csapatok számára, hogy a sebesség és a mélység között válasszanak. A sebességre összpontosító elemzés a lehető legrövidebb időn belül eredményt szolgáltat, ami nagy mennyiségű fájláramlás esetén előnyös, míg a mélyreható elemzés a vizsgálati idő helyett a kompromittáltságra utaló jelek lehető legtöbbjének feltárását tartja szem előtt, ami a vizsgálati és reagálási feladatokhoz alkalmas.
Az LLM Scanning ugyanezt a megközelítést alkalmazza magára a mesterséges intelligenciára is; az MetaDefender Aether a modellfájlokba ágyazott fenyegetéseket a kód végrehajtása nélkül észleli, és az aktív nagy nyelvi modelleket (LLM-ek) a prompt-befecskendezés és az érzékeny adatok kiszivárogtatása szempontjából vizsgálja, így azok a csapatok, amelyek nyílt forráskódú és harmadik féltől származó modelleket vezetnek be a környezetükbe, azokat megbízhatatlan fájlként kezelhetik. Együttes használatuk során a Deep CDR™ technológia semlegesíti azokat az elemeket, amelyek biztonságosan újjáépíthetők, míg az MetaDefender Aether elemzi azokat, amelyeknek sértetlenül kell maradniuk.
Mit tehetnek most a biztonsági vezetők?
A biztonsági vezetőknek nem kell megvárniuk egy megerősített, mesterséges intelligenciával végrehajtott támadást ahhoz, hogy cselekedjenek. Ugyanazok a szervezetek, amelyek aláírták a 2026. augusztusi iparági nyilatkozatot, öt olyan területet emelnek ki, amelyekbe a legtöbb biztonsági csapatnak máris rálátása van – még akkor is, ha ezek közül egyik sem kapott prioritást az utóbbi időben.
- Először a nyilvánosságra került, magas kockázatú sebezhetőségeket javítsa ki: az internethez kapcsolódó rendszerek és az ismert, már kihasznált sebezhetőségek jelentik a támadók számára a legnagyobb hasznot. Győződjön meg arról, hogy a javítás valóban működik, mielőtt a jegyet lezártnak jelölné.
- A túlzott jogosultságok korlátozása: Szigorítsa a hozzáférési ellenőrzéseket, hogy egy feltört fiók vagy egy mesterséges intelligenciával támogatott adathalász-kísérlet ne juthasson hozzá a kritikus rendszerekhez.
- A megbízhatatlan fájlokat használat előtt ellenőrizze és fertőtlenítse: az olyan fájlalapú támadási vektorokat, mint az e-mail-mellékletek, a letöltések és a cserélhető adathordozók, alapértelmezés szerint kezelje gyanúsnak.
- A meglévő védelmi rendszereket rendszeresen tesztelje: az elavult tesztelési ciklusok miatt az ismert sebezhetőségek hosszabb ideig maradnak ki vannak téve, mint azt a legtöbb csapat gondolná.
- Ellenőrizze az incidenskezelési és helyreállítási felkészültséget: Győződjön meg arról, hogy a reagálási tervek figyelembe veszik a gyorsabb, mesterséges intelligenciával támogatott támadások időtartamát is, és nem csupán azokat a lassabb kampányokat, amelyekre a legtöbb terv épült.
Az amerikai kongresszus még nem fogadott el kötelező érvényű mesterséges intelligencia-biztonsági előírásokat, és a 2026-ig vitatott „kill switch” javaslatok továbbra is holtpontra jutottak. Ez egy újabb ok arra, hogy közvetlenül lépjünk fel ezen öt pont tekintetében, ahelyett, hogy olyan politikai döntésre várnánk, amely akár évekig is elhúzódhat.
A biztonsági csapatoknak továbbra is azokat a dolgokat kell védeniük, amelyekre a mesterséges intelligenciával támogatott támadások irányulnak: a fájlokat, a hozzáférési pontokat és a rendszereiken átfolyó adatokat. Az ellenőrzési, tisztítási és hozzáférés-vezérlési funkciókat beépítjük azokba a pontokba, ahol a megbízhatatlan tartalom bejut a szervezetbe, ideértve az e-maileket, a fájlátvitelt, a cserélhető adathordozókat és a webes letöltéseket.
Ha szeretné megtudni, hogy ezek a szabályozások milyen mértékben vonatkoznak a szervezetében ténylegesen kezelt fájltípusokra és belépési pontokra, csapatunk végigvezeti Önt egy munkafolyamat-értékelésen.
