Amikor a AI lesz a támadó: a kiberbűnözés belép az „Agentic” korszakba

A mesterséges intelligencia már több éve része a kiberfenyegetések tájképének. Egészen a közelmúltig azonban a támadók főként kiegészítő eszközként használták: adathalász üzenetek fordítására, rosszindulatú kód generálására, a célpontokról szóló információk gyűjtésére vagy a szociális mérnöki kampányok hatékonyságának növelésére.

Ez a határ kezd eltűnni.

A közelmúltbeli incidensek azt mutatják, hogy a mesterséges intelligencia rendszerei sokkal aktívabb szerepet vállalnak. Ahelyett, hogy csupán tanácsot adnának a támadónak, a mesterséges intelligencia ügynökei ma már parancsokat hajthatnak végre, elháríthatják a sikertelen kísérleteket, újjáépíthetik az infrastruktúrát, és átléphetnek a támadás egyik szakaszából a következőbe. Bizonyos esetekben az emberi operátor alig többet tesz, mint meghatározza a célt, míg a mesterséges intelligencia végzi el a technikai munka nagy részét.

Az eredmény nem feltétlenül egy teljesen új típusú kibertámadás. A sebezhetőségek, az ellopott hitelesítő adatok és a rosszindulatú szoftverek technikái gyakran ismerősek. Ami megváltozott, az a sebesség, a hozzáférhetőség és a skálázhatóság, amellyel a támadók ezeket kombinálni tudják.

Az AI-támogatott támadásoktól az AI-vezérelt támadásokig

Fontos különbség van a mesterséges intelligencia által támogatott támadás és a mesterséges intelligencia-ügynök által végrehajtott támadás között.

A mesterséges intelligencia által támogatott támadás során az ember továbbra is felelős a legtöbb operatív döntésért. A mesterséges intelligencia például:

• rosszindulatú szoftverek írása vagy módosítása;
• több nyelven írott adathalász e-mailek létrehozása;
• sebezhetőségek kutatása;
• ellopott adatok elemzése;
• hamis személyazonosságok létrehozása;
• hang-, kép- vagy videó-deepfake-ek készítése.

A mesterséges intelligenciával irányított támadás ennél tovább megy. Egy ügynök képes kölcsönhatásba lépni a rendszerekkel, parancsokat végrehajtani, az eredményeket értelmezni és a cselekedeteit hozzáigazítani. Ahelyett, hogy kódpéldát adna, képes a kódot telepíteni, azonosítani a hiba okát, módosítani a kódot, majd újra megpróbálni.

Számos közelmúltbeli eset bizonyítja, milyen gyorsan zajlik ez az átalakulás.

Hat perc alatt újjáépíthető egy botnet

2026-ban a Trend Micro kutatói több mint 200 Gemini CLI-munkamenetet elemeztek, amelyek egy „bandcampro” néven ismert orosz nyelvű támadóhoz kapcsolódtak. A támadó a Google terminálalapú mesterséges intelligencia-ügynökét használta egy fogászati klinikán található nyolc megfertőzött gépet irányító infrastruktúra kezelésére.

Az emberi operátor orosz nyelven adott utasításokat, míg a mesterséges intelligencia végezte a technikai végrehajtást: szerverkód írását, annak virtuális magánszerverre való telepítését, a Cloudflare-alagutak konfigurálását és a kapcsolódási problémák megoldását.

Amikor a parancs- és vezérlő infrastruktúra instabillá vált, a támadó arra kérte az AI-t, hogy kövesse egy rövid migrációs útmutatót. A Gemini előkészítette a fájlokat, telepített egy új szervert, és körülbelül hat perc alatt helyreállította a C2-beállításokat.

A kutatók megállapították, hogy az ember a munkamenet szövegének csupán 11%-át adta hozzá. Az AI végezte el szinte az összes kódolást, a rendszerparancsokat és a hibaelhárítás nagy részét.

Maga a botnet egyszerű volt, logikája csupán néhány kis fájlban volt tárolva. Ez az egyszerűség rávilágít a legfőbb kockázatra: az újrafelhasználható utasításkészletek bűnözői know-how-t hordozhatnak. Ha az infrastruktúra megszakad, a támadók az AI segítségével gyorsan újra létrehozhatják azt máshol, így a műveletek hordozhatóbbá, eldobhatóbbá és könnyebben megismételhetővé válnak.

Olyan zsarolóvírus, amely kijavítja a saját hibáit

Egy újabb jelentős lépést a Sysdig dokumentált 2026 júliusában. A kutatók a JADEPUFFER-t az első végpontok közötti, ügynökökkel működő zsarolóprogram-műveletek egyikeként írták le.

A támadás egy internetre kapcsolódó Langflow-kiszolgáló ismert sebezhetőségét használta ki, majd API-kulcsokat, felhőalapú hitelesítő adatokat és egyéb érzékeny adatokat keresett. Ezután oldalirányban továbbterjedt egy MySQL-t és Nacos-t futtató termelési rendszerre, létrehozott egy rendszergazdai fiókot, és több mint 1 300 konfigurációs rekordot titkosított, mielőtt váltságdíj-üzenetet hagyott volna hátra.

Kulcsfontosságú megállapítás volt, hogy a rendszer hogyan kezelte a hibákat. Amikor egy bejelentkezési kísérlet sikertelen volt, az ügynök 31 másodpercen belül elemezte a problémát és kijavította a megközelítését, így emberi beavatkozás nélkül folytatta a támadást.

A művelet nem új kihasználási módszerekre támaszkodott, hanem a következőket kombinálta:

• ismert sebezhetőségek;
• az internetre nyitott szolgáltatások;
• alapértelmezett hitelesítő adatok;
• nem megfelelően védett rendszergazdai felületek;
• nyilvánosan dokumentált támadási módszerek.

A mesterséges intelligencia szerepe az volt, hogy ezeket a gyenge pontokat koherens támadási lánccá összekapcsolja, és azt gépi sebességgel végrehajtsa.

„Vibe-hackelés” és mesterséges intelligenciával támogatott zsarolás

Az Anthropic dokumentálta a Claude-modellek hasonló visszaéléseit. Egy esetben egy kiberbűnöző a Claude Code-ot használta fel egy adatlopási és zsarolási kampányhoz, amely legalább 17 szervezetet – köztük egészségügyi szolgáltatókat és kormányzati szerveket – vett célba.

A mesterséges intelligenciát felderítés automatizálására, hitelesítő adatok begyűjtésére, hálózatokba való behatolásra és értékes adatok azonosítására használták. Emellett segített az áldozatok pénzügyi profilja alapján a váltságdíj összegének meghatározásában, valamint személyre szabott zsaroló üzeneteket generált, amelyek közül néhányban az összeg meghaladta az 500 000 USD-t.

Az Anthropic ezt a megközelítést „vibe hacking”-nek nevezi: a támadó határozza meg a célt, míg a mesterséges intelligencia végzi el a technikai munka nagy részét. Ugyanez a jelentés azt is megjegyezte, hogy alacsony képzettségű szereplők is használják a mesterséges intelligenciát ransomware-változatok létrehozására és értékesítésére, ami csökkenti a belépési küszöböt.

Ezek az esetek egy fontos változásra hívják fel a figyelmet: a támadóknak már nincs szükségük mélyreható szakértelemre a művelet minden szakaszában, mivel a mesterséges intelligencia biztosítja a szükséges technikai képességek nagy részét.

Mi változik valójában a védelem szempontjából?

A legfontosabb fejlemény nem az, hogy a mesterséges intelligencia teljesen új támadási technikákat talált volna ki. Számos dokumentált esetben a támadók továbbra is a frissítetlen rendszerekre, a túlzott jogosultságokra, a gyenge hitelesítő adatokra és a nyitott szolgáltatásokra támaszkodnak.

A mesterséges intelligencia viszont megváltoztatja e gyenge pontok kihasználásának operatív gazdaságosságát.

1. A támadási ciklusok drámaian lerövidülnek

Egy mesterséges intelligencia-ügynöknek nem kell szünetet tartania, más szakértővel konzultálnia vagy manuálisan átírnia egy sikertelen szkriptet. Másodpercek alatt képes értelmezni a hibát, és új kísérletet generálni.

A kezdeti behatolás és a tényleges kár között eltelő idő ezért napokról vagy órákról percekre csökkenhet.

2. Csökkennek a technikai belépési korlátok

Azok a készségek, amelyekhez korábban rosszindulatú szoftverfejlesztők, infrastruktúra-szakértők és tapasztalt operátorok voltak szükségesek, egyre inkább megvalósíthatók mesterséges intelligencia-ügynökök és újrafelhasználható utasításfájlok segítségével.

Ez nem jelenti azt, hogy minden kezdőből haladó fenyegető szereplő válik. Ugyanakkor lehetővé teszi a kevésbé képzett támadók számára, hogy olyan műveleteket kíséreljenek meg, amelyek korábban elérhetetlenek voltak számukra.

3. A támadások könnyebben skálázhatók

A mesterséges intelligencia üzenetek, szkriptek, domainnevek és hasznos adatok ezerféle változatát képes generálni. Az olyan statikus indikátorok, mint az ismert fájlnév, hash-érték vagy URL, kevésbé hasznosakká válhatnak, ha a támadó igény szerint újra tudja generálni a támadási elemet.

A viselkedési minták fontosabbá válnak, mint az egyes indikátorok.

4. A támadók a behatolás során képesek alkalmazkodni

Az ügynökszerű rendszerek figyelemmel kísérik a védekező válaszokat, és módosíthatják a megközelítésüket. Egy szkript vagy szerver blokkolása már nem feltétlenül vet véget a műveletnek, ha a mesterséges intelligencia automatikusan létre tud hozni egy alternatívát.

5. A SOC-csapatok még nagyobb sebességbeli egyensúlyhiánnyal szembesülnek

A biztonsági csapatok már most is küzdenek a nagy riasztásmennyiséggel, a széttagolt információkkal és az időigényes manuális vizsgálatokkal. Amikor a támadók gépi sebességgel működnek, a kizárólag emberi erőforrásokra támaszkodó triázs és elemzés fenntartása egyre nehezebbé válik.

A MI elleni védekezéshez nem elég egy újabb AI-funkció

A szervezeteknek nem szabad úgy reagálniuk, hogy egyszerűen csak egy elszigetelt AI-eszközt adnak hozzá a meglévő biztonsági rendszerükhöz.

Az alapelvek továbbra is elengedhetetlenek:

• az internethez kapcsolódó rendszerek gyors frissítése;
• az alapértelmezett hitelesítő adatok eltávolítása;
• adathalászat ellen védett, többfaktoros hitelesítés alkalmazása;
• a rendszergazdai felületek korlátozása;
• a hálózatok szegmentálása és az oldalirányú mozgás korlátozása;
• a felhőalapú hitelesítő adatok és API-kulcsok védelme;
• az érzékeny pénzügyi utasítások külön csatornán történő ellenőrzése;
• a viselkedés észlelése ahelyett, hogy kizárólag statikus mutatókra támaszkodnának.

A szervezeteknek azonban csökkenteniük kell az észlelés, a kivizsgálás és a döntéshozatal közötti időt is.

Mivel a rosszindulatú infrastruktúra perceken belül újjáépíthető, a támadási lépések pedig másodpercek alatt megismételhetők, a biztonsági csapatoknak gyorsabb módszerre van szükségük ahhoz, hogy a riasztásokat összekapcsolják az eszközadatokkal, a fenyegetési információkkal, a felhasználói tevékenységekkel és a korábbi eseményekkel.

Az AI által felgyorsított támadások elleni küzdelem a PULZARIS Analyst AI segítségével

A PULZARIS Analyst AI-t éppen ennek a kihívásnak a kezelésére fejlesztették ki a SOC-csapatok számára.

A megoldás egy AI-támogatott vizsgálati réteget ad hozzá a biztonsági műveletekhez. Riasztás beérkezésekor a megoldás képes elemezni a rendelkezésre álló bizonyítékokat, összefüggésbe hozni a kapcsolódó entitásokat, kiegészíteni az incidenst fenyegetés-hírszerzési információkkal, valamint felmérni annak potenciális hatását.

Az elemző strukturált vizsgálati összefoglalót kap, amely a következőket tartalmazza:

• a valószínűsíthető következtetést és a bizalmi szintet;
• a releváns felhasználókat, rendszereket és entitásokat;
• a kontextusra és a fenyegetési hírszerzésre vonatkozó megállapításokat;
• az incidens lehetséges hatókörét;
• a kockázat és az eszközök kritikus fontossága alapján meghatározott prioritásokat;
• az ajánlott vizsgálati és reagálási intézkedéseket.

A cél nem az, hogy az emberi elemzőt kizárják a folyamatból. A PULZARIS a „human-in-the-loop” megközelítést követi: a mesterséges intelligencia felgyorsítja a bizonyítékok gyűjtését és elemzését, míg az elemző továbbra is felelős a validálásért és a végső döntésekért.

Saját SOC-környezetünkben a PULZARIS Analyst AI már közel 3 000 incidens elemzését támogatta, az átlagos elemzési idő incidensenként körülbelül 2,5 perc volt.

Az AI-t alkalmazó támadók egyre inkább percekre rövidítik le a teljes támadási ciklusokat. A védelemért felelős szakembereknek ezért nem csupán kiegészítő felületként kell használniuk az AI-t, hanem olyan operatív képességként, amely segít nekik hasonló sebességgel kivizsgálni, prioritásba rendezni és reagálni az eseményekre.

A kérdés már nem az, hogy a kiberbűnözők használni fogják-e a mesterséges intelligenciát. Hiszen máris használják.

A fontosabb kérdés az, hogy a biztonsági csapatok képesek lesznek-e elég gyorsan reagálni, amikor a következő, mesterséges intelligenciával támogatott támadás eléri a rendszerüket.

Kérdése van, érdekelné a megoldás? Vegye fel Kollégáinkkal a kapcsolatot!