Wprowadzenie do problemu / definicja
Wykorzystanie sztucznej inteligencji w cyberatakach przestaje być domeną eksperymentów i staje się praktycznym elementem realnych operacji ofensywnych. Najnowsze ustalenia badaczy wskazują, że narzędzia agentowe AI mogą dziś automatyzować niemal cały łańcuch ataku — od rekonesansu i walidacji podatności, przez eksploatację, aż po utrzymanie dostępu, eksfiltrację danych oraz przygotowanie raportów z przeprowadzonych działań.
Szczególną uwagę zwrócił przypadek platformy CyberStrikeAI, która została wykorzystana do prowadzenia zautomatyzowanych operacji przeciwko organizacjom w Japonii. To ważny sygnał ostrzegawczy dla zespołów bezpieczeństwa, ponieważ pokazuje przejście od prostego wspomagania operatora przez AI do wieloagentowej automatyzacji działań ofensywnych.
W skrócie
Badacze opisali trzy odrębne scenariusze wykorzystania AI w działaniach ofensywnych. W pierwszym z nich użyto otwartoźródłowego narzędzia CyberStrikeAI, które delegowało zadania do 44 agentów odpowiedzialnych za różne etapy ataku. Aktywnością walidacyjną objęto co najmniej 19 organizacji, z czego przynajmniej 16 znajdowało się w Japonii.
Drugi przypadek dotyczył kampanii prowadzonej głównie przez człowieka, ale wspieranej przez duży model językowy do planowania działań i tworzenia narzędzi. Trzeci scenariusz obejmował ataki na urządzenia brzegowe i serwery, gdzie AI pełniła przede wszystkim rolę akceleratora rozwoju skryptów i automatyzacji pracy operatora.
- 44 agentów AI wspierało różne etapy operacji ofensywnej.
- Japonia była głównym, ale nie jedynym obszarem aktywności.
- AI została użyta zarówno do pełnej automatyzacji, jak i do wsparcia człowieka.
- Celem były m.in. urządzenia VPN, serwery middleware i publicznie dostępne systemy.
Kontekst / historia
Opisane incydenty wpisują się w szerszy trend industrializacji cyberprzestępczości. W przeanalizowanej infrastrukturze znaleziono zestawy narzędzi rekonesansowych, skrypty, listy celów, logi, wyniki działań i historię poleceń. Taki poziom organizacji sugeruje, że nie były to incydentalne eksperymenty, lecz element bardziej dojrzałego zaplecza operacyjnego.
Pierwsza kampania była skoncentrowana w krótkim oknie czasowym w październiku 2026 roku i wykorzystywała CyberStrikeAI do niemal pełnej automatyzacji workflow ataku. Druga trwała 24 dni na przełomie sierpnia i września 2026 roku, a jednym z jej celów był publicznie dostępny serwer GIS zabezpieczony domyślnymi poświadczeniami. Trzeci przypadek obejmował co najmniej sześć kampanii prowadzonych od stycznia do października 2026 roku przeciwko urządzeniom VPN, serwerom WebLogic oraz innym systemom brzegowym.
Choć analiza skupiała się na Japonii, aktywność operatorów nie ograniczała się wyłącznie do tego rynku. W danych operacyjnych pojawiały się również organizacje z Tajwanu, Hongkongu, Wielkiej Brytanii, Francji, Włoch, Kataru i Kolumbii. To wskazuje, że atakujący działali szerzej, traktując Japonię jako jeden z kluczowych celów.
Analiza techniczna
Najbardziej zaawansowany technicznie był pierwszy scenariusz, w którym CyberStrikeAI realizował zautomatyzowany pipeline ataku. Platforma rozdzielała zadania pomiędzy 44 agentów, z których każdy odpowiadał za konkretną funkcję operacyjną. Taki model przypomina architekturę wieloagentową, w której wyspecjalizowane komponenty wykonują działania równolegle lub sekwencyjnie, a wyniki przekazywane są do centralnego mechanizmu orkiestracji.
Zakres automatyzacji obejmował rekonesans, enumerację zasobów, wykrywanie i walidację podatności, próby eksploatacji, ustanawianie kanałów command-and-control, utrzymanie dostępu, eksfiltrację danych oraz generowanie raportów. Oznacza to, że AI nie wspierała pojedynczego kroku, lecz była integralnym elementem całego procesu ofensywnego.
Szczególnie istotna była zdolność systemu do tworzenia formularzy i fałszywych stron logowania w języku japońskim. Pokazuje to, że AI wspierała nie tylko techniczne etapy ataku, ale również elementy socjotechniczne, lokalizując treści pod konkretny język i kontekst ofiary.
W drugim scenariuszu AI pełniła rolę akceleratora pracy operatora. Analiza artefaktów sugeruje wykorzystanie dużego modelu językowego do planowania działań, przygotowywania narzędzi oraz usprawniania kolejnych etapów kampanii. Jeden z incydentów doprowadził do kradzieży danych katastralnych, rekordów komercyjnych, poświadczeń systemu Windows oraz danych pocztowych po uzyskaniu dostępu do serwera z domyślnymi danymi logowania.
Trzeci przypadek pokazał bardziej pragmatyczne wykorzystanie AI. Zamiast pełnej autonomii technologia służyła głównie do rozwijania narzędzi operatora i automatyzacji powtarzalnych zadań. Kampanie bazowały na publicznie znanych podatnościach, funkcjach administracyjnych oraz poświadczeniach odnalezionych w plikach konfiguracyjnych. Celem były przede wszystkim urządzenia dostępne z internetu, w tym bramy VPN i serwery aplikacyjne.
Konsekwencje / ryzyko
Najważniejszą konsekwencją jest wyraźne obniżenie kosztu prowadzenia zaawansowanych kampanii. Automatyzacja oparta na agentach AI zmniejsza wymagany poziom wiedzy eksperckiej na poszczególnych etapach ataku i pozwala małym zespołom działać z wydajnością wcześniej zarezerwowaną dla większych grup.
Z punktu widzenia obrońców oznacza to szybsze tempo działań przeciwnika, większą skalę skanowania i walidacji celów oraz lepsze dopasowanie socjotechniki do lokalnego języka i kontekstu. Rośnie również powtarzalność i standaryzacja kampanii, co może utrudniać ich szybkie rozróżnianie od innych zautomatyzowanych aktywności.
- większa liczba prób rozpoznania i walidacji w krótkim czasie,
- szybsze przejście od wykrycia ekspozycji do próby wykorzystania,
- łatwiejsze skalowanie phishingu i fałszywych stron logowania,
- sprawniejsze utrzymanie dostępu i dokumentowanie wyników,
- większe ryzyko dla organizacji z domyślnymi hasłami i słabą segmentacją.
AI nie tworzy tu całkowicie nowych klas podatności, ale znacząco zwiększa skuteczność masowego wykrywania i wykorzystywania dobrze znanych błędów konfiguracyjnych, przestarzałego oprogramowania czy publicznie dostępnych interfejsów administracyjnych. W praktyce skraca to czas reakcji dostępny dla zespołów bezpieczeństwa.
Rekomendacje
Organizacje powinny zakładać, że publicznie dostępne usługi są stale monitorowane i testowane także przez zautomatyzowane platformy AI. Odpowiedzią powinno być systematyczne ograniczanie powierzchni ataku oraz przyspieszenie wykrywania i usuwania ekspozycji.
- usunąć domyślne poświadczenia ze wszystkich systemów dostępnych z internetu,
- ograniczyć ekspozycję paneli administracyjnych i interfejsów zarządzania,
- priorytetowo łatać urządzenia brzegowe, bramy VPN i serwery middleware,
- wymusić MFA dla dostępu administracyjnego i usług zdalnych,
- sprawdzić pliki konfiguracyjne pod kątem osadzonych sekretów, tokenów i haseł,
- wzmocnić segmentację sieci i ograniczyć możliwość ruchu lateralnego,
- monitorować nietypowe wzorce rekonesansu, enumeracji i prób logowania,
- rozszerzyć detekcję o artefakty wskazujące na zautomatyzowany charakter kampanii.
Zespoły SOC i IR powinny zwracać uwagę na sygnały świadczące o uprzemysłowionym charakterze ataku, takie jak duża liczba podobnych prób walidacji, zunifikowane sekwencje działań, spójne nazewnictwo artefaktów czy szybkie przechodzenie między rekonesansem a eksploatacją. W środowiskach korzystających z usług AI warto dodatkowo zabezpieczyć endpointy inferencyjne, klucze API i zasoby obliczeniowe.
Podsumowanie
Przypadek CyberStrikeAI pokazuje, że agentowa AI stała się praktycznym narzędziem w arsenale cyberprzestępców. Najważniejsza zmiana nie polega na pojawieniu się zupełnie nowych technik ataku, lecz na automatyzacji i skalowaniu znanych metod — od rekonesansu i walidacji podatności po phishing, eksfiltrację danych i utrzymanie dostępu.
Dla organizacji oznacza to konieczność szybszego usuwania ekspozycji, lepszego zabezpieczania usług publicznych i dostosowania mechanizmów detekcji do kampanii wspieranych przez AI. Fundamenty obrony pozostają takie same, ale tempo ich wdrażania i egzekwowania musi być dziś wyraźnie wyższe.
Źródła
- The Hacker News — https://thehackernews.com/2026/10/cyberstrikeai-uses-44-ai-agents-to.html
- Trend Micro / TrendAI — https://www.trendaisecurity.com
- Microsoft Digital Defense Report 2026 — https://www.microsoft.com