Как ИИ меняет кибератаки и почему одной аутентификации уже недостаточно

Искусственный интеллект постепенно меняет не только инструменты защиты, но и экономику кибератак. То, что раньше требовало участия нескольких специалистов, ручного анализа и значительного времени, теперь может частично автоматизироваться с помощью ИИ-агентов. Особенно заметны изменения в атаках, связанных с учетными данными, фишингом и злоупотреблением уже существующими правами доступа.

В сентябре 2026 года Google Threat Intelligence Group (GTIG) описала несколько инцидентов, демонстрирующих переход злоумышленников от простого использования ИИ как вспомогательного инструмента к более автономным цепочкам действий. В одном из расследованных случаев атакующий получил доступ к облачной инфраструктуре организации, после чего с помощью ИИ-кодового помощника и набора инструкций создал многоагентную систему для массового сбора учетных данных. Вся операция заняла менее шести часов, а скомпрометированы были тысячи учетных данных сторонних пользователей.

По данным GTIG, созданная инфраструктура могла автоматически выполнять отдельные этапы сканирования, устранять возникающие технические проблемы и продолжать работу с минимальным вмешательством человека. Это особенно важно не из-за появления совершенно нового метода атаки, а потому, что знакомые методы начинают выполняться значительно быстрее и в большем масштабе.

Подробный отчет Google Threat Intelligence Group показывает, что в 2026 году наблюдается постепенный переход от отдельных запросов к ИИ к многоэтапным агентным рабочим процессам.

ИИ не обязательно изобретает новые атаки

Главная особенность современной ситуации заключается в том, что злоумышленникам необязательно искать совершенно новые способы взлома. Уже существующие схемы становятся дешевле и быстрее благодаря автоматизации.

Фишинг, кража паролей, подбор учетных записей, поиск уязвимых сервисов и последующее использование украденных токенов существовали задолго до появления современных генеративных моделей. Однако раньше масштабирование таких операций ограничивалось количеством специалистов, временем на подготовку сообщений и необходимостью вручную реагировать на возникающие ошибки.

ИИ способен взять на себя значительную часть этой рутинной работы. Например, злоумышленник может быстрее создавать варианты фишинговых сообщений, адаптировать их под разные языки и должности сотрудников, анализировать результаты кампании и изменять дальнейшие действия.

В результате меняется не столько сама природа угрозы, сколько ее экономика. Если создание одного убедительного сообщения раньше требовало значительного времени, то генерация десятков или сотен вариантов становится значительно проще. Для атакующего это означает возможность одновременно проверять больше потенциальных жертв и быстрее отбрасывать неэффективные сценарии.

Фишинг становится более персонализированным

Microsoft в опубликованном в апреле 2026 года исследовании сообщила, что наблюдаемые ею фишинговые кампании с использованием ИИ демонстрировали показатель переходов до 54%, тогда как для традиционных кампаний показатель составлял около 12%. Эти цифры относятся к наблюдаемым Microsoft кампаниям и не означают, что любой ИИ-фишинг имеет такую эффективность, однако они показывают потенциальный эффект автоматизации.

Microsoft Security Blog отмечает, что ИИ позволяет быстрее локализовать содержание сообщений, адаптировать их под конкретные роли и повышать точность социальной инженерии.

Для пользователя это означает, что привычные признаки фишинга постепенно становятся менее надежными. Ошибки в орфографии, неестественные формулировки или очевидно машинный перевод уже не обязательно присутствуют в мошенническом письме.

Сообщение может выглядеть так, словно его действительно написал коллега, поставщик или сотрудник конкретной компании. Оно может учитывать должность получателя, используемые в организации сервисы и характер рабочих задач. Поэтому обучение сотрудников по-прежнему важно, но оно не должно строиться только вокруг поиска подозрительных формулировок.

Главная проблема — украденная личность

После успешного фишинга или заражения устройства злоумышленнику не всегда необходимо устанавливать сложное вредоносное программное обеспечение в корпоративной сети. Если он получает действующий пароль, токен сессии или другой механизм подтверждения личности, часть защитной инфраструктуры может воспринимать его как легитимного пользователя.

Именно поэтому идентификация пользователя становится одним из центральных элементов современной кибербезопасности.

В отчете Unit 42 Global Incident Response Report 2026 говорится, что слабости, связанные с идентификацией, присутствовали в 89% рассмотренных расследований. Исследование основано более чем на 750 серьезных инцидентах. Кроме того, по данным Unit 42, 65% первоначального доступа приходилось на методы, связанные с идентификацией, включая социальную инженерию и использование украденных учетных данных.

Полный отчет Unit 42 за 2026 год также отмечает, что атаки все чаще затрагивают сразу несколько поверхностей — конечные устройства, облачные сервисы, SaaS, браузеры и системы идентификации.

Это важный сдвиг в модели защиты. Раньше организация могла в значительной степени полагаться на сетевой периметр. Сегодня пользователь может работать одновременно с локального компьютера, из облака, через SaaS-приложения и мобильное устройство. Если злоумышленник получает действующую учетную запись, он может попытаться пройти через те же механизмы доступа, которыми ежедневно пользуется сотрудник.

Успешная аутентификация еще не означает доверие

Пароль, код многофакторной аутентификации или действующий токен подтверждают определенное условие: система получила корректные данные для входа. Но сами по себе они не всегда отвечают на другой вопрос — действительно ли запрос выполняет тот пользователь и с того устройства, которому организация готова доверять.

Представим ситуацию, когда злоумышленник получил действующий пароль сотрудника. Если система проверяет только логин, пароль и стандартный второй фактор, атакующий может попытаться использовать полученную информацию для входа в корпоративные сервисы.

Поэтому современная модель защиты постепенно смещается от вопроса «правильно ли пользователь ввел пароль?» к более широкому набору проверок: кто выполняет запрос, с какого устройства он выполняется, где находится устройство, соответствует ли оно корпоративным требованиям и насколько характерна такая активность для конкретной учетной записи.

Этот подход соответствует концепции Zero Trust, в которой факт успешной аутентификации не должен автоматически означать неограниченное доверие ко всем последующим действиям.

Почему украденный пароль должен быть недостаточен

Полностью исключить кражу учетных данных практически невозможно. Пароли могут попадать в базы данных после утечек, их могут красть вредоносные программы, браузерные расширения, фишинговые страницы или социальная инженерия.

Поэтому важен не только вопрос предотвращения кражи, но и вопрос последствий после компрометации.

Защита становится устойчивее, если украденная учетная запись сама по себе не дает злоумышленнику возможности свободно перемещаться по инфраструктуре. Для этого применяются дополнительные ограничения доступа, сегментация, принцип минимальных привилегий, привязка учетных записей к доверенным устройствам и постоянный анализ контекста входа.

Например, если сотрудник обычно работает с корпоративного ноутбука, неожиданная попытка использования той же учетной записи с неизвестного устройства должна рассматриваться как отдельный фактор риска. В зависимости от политики организации такой вход может потребовать дополнительной проверки или быть заблокирован.

Подобная модель особенно важна для компаний, использующих удаленную работу и BYOD, когда в корпоративной инфраструктуре одновременно присутствуют управляемые компьютеры, личные устройства и мобильные платформы.

ИИ сокращает время между взломом и последствиями

Еще одна проблема заключается в скорости. Если раньше между первоначальным доступом и серьезным воздействием могло пройти достаточно времени для обнаружения подозрительной активности, автоматизированные инструменты сокращают это окно.

Unit 42 сообщает, что в самых быстрых атаках, рассмотренных в их исследовании, путь от первоначального доступа до эксфильтрации данных занимал всего 72 минуты. Организации при этом должны учитывать, что речь идет о самых быстрых наблюдаемых сценариях, а не о среднем времени всех атак.

Для защиты это означает необходимость не только собирать журналы событий, но и уметь быстро связывать их между собой. Отдельный вход из нового места может выглядеть безобидно. Отдельное изменение разрешений тоже может не вызвать тревогу. Однако последовательность из входа с неизвестного устройства, получения нового разрешения, обращения к необычному сервису и массового скачивания данных уже может указывать на компрометацию.

Автоматизация здесь работает в обе стороны. Если атакующие используют ИИ для ускорения своих действий, защитные системы также должны автоматизировать обнаружение аномалий, корреляцию событий и блокировку очевидно опасных сценариев.

Что делать организациям

Универсальной защиты от ИИ-атак не существует. Более практичный подход заключается в укреплении тех элементов инфраструктуры, которыми злоумышленники уже пользуются, — учетных записей, устройств, облачных сервисов, браузеров и API.

• Использовать многофакторную аутентификацию и по возможности переходить к устойчивым к фишингу методам аутентификации.
• Регулярно проверять учетные записи, права доступа и устаревшие разрешения.
• Удалять неиспользуемые учетные записи и минимизировать привилегии сервисных аккаунтов.
• Контролировать состояние корпоративных устройств и учитывать устройство как фактор доверия.
• Отслеживать необычные входы, изменения прав, создание новых токенов и нетипичную активность SaaS-сервисов.
• Разделять критические ресурсы, чтобы компрометация одной учетной записи не открывала доступ ко всей инфраструктуре.
• Проверять AI-агентов, API-ключи и сервисные учетные записи с той же строгостью, что и обычных пользователей.
• Проводить регулярные проверки на наличие утекших или повторно используемых паролей.

Почему обычной смены паролей недостаточно

Парольная гигиена остается важной частью защиты, однако она решает только одну часть проблемы. Если учетные данные уже были украдены, смена пароля после обнаружения инцидента может быть необходимой, но организации также важно понять, где еще могли использоваться скомпрометированные токены и сессии.

Кроме того, злоумышленник может получить не только пароль. Современные вредоносные программы способны красть данные браузера, cookies, токены авторизации и другую информацию, позволяющую использовать уже существующую сессию.

Поэтому стратегия защиты должна учитывать жизненный цикл идентичности целиком: создание учетной записи, выдачу разрешений, аутентификацию, использование ресурсов, изменение привилегий и отзыв доступа.

Особое значение имеет принцип минимальных привилегий. Если учетной записи необходим доступ только к нескольким приложениям, ей не следует автоматически предоставлять возможность работать со всей корпоративной инфраструктурой. Чем меньше разрешений имеет скомпрометированная учетная запись, тем меньше потенциальный масштаб инцидента.

Отдельная проблема — машинные идентичности

Распространение ИИ-агентов добавляет еще один класс идентичностей. В инфраструктуре появляются сервисные аккаунты, API-ключи, токены и автоматизированные агенты, которые могут выполнять действия без непосредственного участия человека.

Если такой агент получает чрезмерные права, его компрометация потенциально может оказаться более серьезной, чем компрометация обычной пользовательской учетной записи. Автоматизированный процесс способен выполнять большое количество операций последовательно и с высокой скоростью.

Google Threat Intelligence отдельно отмечает, что злоумышленники уже интересуются AI-инфраструктурой, API-учетными данными, исходным кодом моделей и вычислительными ресурсами. Это означает, что организации должны защищать не только сотрудников, но и саму инфраструктуру, на которой работают ИИ-системы.

Для AI-агентов особенно важны минимальные разрешения, разделение сред, контроль API-ключей, журналирование действий и ограничение операций, которые агент может выполнять самостоятельно.

Что меняется для обычного пользователя

Для домашнего пользователя ситуация несколько проще, но основные принципы остаются теми же. Главная опасность заключается не в том, что ИИ внезапно сделал кибератаки полностью автономными, а в том, что мошеннические кампании могут стать более убедительными и массовыми.

Поэтому нельзя ориентироваться только на внешний вид сообщения. Даже хорошо написанное письмо может быть мошенническим. Проверять следует прежде всего контекст: действительно ли пользователь ожидал это сообщение, соответствует ли действие обычному рабочему процессу и куда ведет ссылка.

Для важных учетных записей желательно использовать уникальные пароли и устойчивую к фишингу многофакторную аутентификацию. Также полезно контролировать активные сессии, список подключенных устройств и приложения, которым предоставлен доступ к учетной записи.

Выводы

Современные ИИ-атаки не обязательно означают появление принципиально новых способов взлома. Более заметное изменение заключается в автоматизации уже известных методов. Фишинг, сбор учетных данных, разведка инфраструктуры и эксплуатация украденных идентификаторов могут выполняться быстрее, масштабнее и с меньшим количеством ручной работы.

Исследование Google Threat Intelligence показывает, что многоагентные системы уже применяются для автоматизации отдельных этапов реальных атак. Данные Microsoft демонстрируют потенциальное повышение эффективности ИИ-ассистированного фишинга, а материалы Unit 42 указывают на центральную роль идентификационных данных в современных инцидентах.

В этих условиях сама по себе успешная аутентификация становится недостаточным сигналом доверия. Защита должна учитывать пользователя, устройство, контекст запроса, предоставленные разрешения и последующее поведение учетной записи.

Для организаций это означает переход от модели «защитить пароль» к модели «ограничить последствия компрометации идентичности». Минимальные привилегии, многофакторная аутентификация, контроль устройств, сегментация, мониторинг сессий и защита машинных идентичностей становятся взаимодополняющими элементами одной системы.

Часто задаваемые вопросы

Редактор: AndreyEx