Sztuczna inteligencja i cyberzagrożenia

Nowe zagrożenia dla firm

Narzędzia AI od lat wykorzystuje się w cyberatakach, np. do zautomatyzowanych kampanii phishingowych czy generowania złośliwego kodu. W kwietniu 2026 r. amerykańska firma Anthropic, rozwijająca AI, dobitnie pokazała jednak – prezentując Claude Mythos Preview, nowy uniwersalny model językowy – że zjawisko to weszło w zupełnie nowy wymiar.

Mythos Preview i Project Glasswing: nowy wymiar cyberzagrożeń

Według Anthropic nowy model potrafił w krótkim czasie zidentyfikować tysiące nieznanych dotąd luk bezpieczeństwa o wysokim i krytycznym stopniu ważności, a na odpowiednie polecenie także je wykorzystać. Dotyczyło to popularnych systemów operacyjnych i przeglądarek internetowych. Uderza to, że wiele z tych podatności jest bardzo subtelnych, trudnych do wykrycia i istnieje niekiedy od dziesięcioleci. Mowa tu o tzw. podatnościach zero-day, czyli błędach, których istnienie nie było wcześniej znane.

Zidentyfikowano m.in. 27-letnią podatność w systemie operacyjnym OpenBSD, uchodzącym za szczególnie bezpieczny i stosowanym m.in. w infrastrukturze krytycznej. Według Anthropic nawet osoby bez formalnego przygotowania z zakresu bezpieczeństwa były w stanie z pomocą modelu opracować działające exploity.

Anthropic celowo nie udostępnił modelu publicznie, a zamiast tego zainicjował projekt Glasswing – współpracę z badaczami bezpieczeństwa, firmami i urzędami, której celem jest wykorzystanie nowego modelu do wyszukania podatności w powszechnie używanym oprogramowaniu i infrastrukturze IT oraz ich odpowiedzialnego usunięcia, zanim modele o porównywalnych możliwościach staną się ogólnie dostępne i będą mogły zostać użyte w złych zamiarach.

Mimo to można przewidzieć, że modele o porównywalnych możliwościach będą w przyszłości szerzej dostępne, a więc także wykorzystywane do nadużyć. Firmy powinny odpowiednio wcześnie uwzględnić ten rozwój w swojej ocenie ryzyka.

Jak zmieniają się zagrożenia

1. Niższy próg wejścia

Analiza podatności, tworzenie exploitów czy obchodzenie zabezpieczeń wymagały dotąd specjalistycznej wiedzy i znacznych zasobów. Dzięki AI procesy te można w coraz większym stopniu automatyzować. Krąg potencjalnych atakujących znacznie się przez to poszerza, bo po odpowiednie narzędzia mogą sięgać także mniej wyspecjalizowani sprawcy.

2. Przyspieszenie ataków i skrócenie czasu reakcji

Testy opisane przez Anthropic pokazują nie tylko nowe możliwości ataku, lecz przede wszystkim drastyczne przyspieszenie istniejących procesów. Mythos Preview był w stanie w ciągu kilku godzin opracować działające exploity – coś, co dotąd nawet doświadczonym ekspertom ds. bezpieczeństwa mogło zająć dni lub tygodnie.

Czas między publikacją informacji o podatności a jej faktycznym wykorzystaniem („time-to-exploit”) wyraźnie się skraca. Luki bezpieczeństwa trzeba więc wykrywać i usuwać znacznie szybciej niż dotąd. Opóźnienia, które dotychczas były do zaakceptowania, mogą w przyszłości bezpośrednio prowadzić do rzeczywistych ataków.

3. Ataki na nieznane podatności

Klasyczne mechanizmy ochrony, takie jak programy antywirusowe, zapory sieciowe (firewalle) czy systemy wykrywania włamań (IDS), z reguły opierają się na znanych wzorcach ataków. Zawodzą, gdy atak wykorzystuje nieznaną dotąd podatność. Dlatego firmy powinny budować swoją architekturę IT zgodnie z zasadą wielowarstwowej ochrony, tak aby wykorzystanie pojedynczej podatności nie prowadziło do przejęcia całego środowiska.

4. Skalowanie i automatyzacja ataków

AI umożliwia prowadzenie równoległych, stale optymalizowanych ataków na wiele systemów przy minimalnym dodatkowym nakładzie na każdy cel. Aktualne raporty wskazują na wyraźny wzrost liczby ataków ze strony sprawców korzystających z AI. Struktura cyberataków zmienia się przez to zasadniczo: stają się one szersze, szybsze i bardziej systematyczne.

5. Rosnąca presja na automatyzację po stronie obrony

Jednocześnie widać, że już dziś dostępne modele AI potrafią identyfikować podatności na dużą skalę. Firmy mogą aktywnie wykorzystać ten rozwój, np. do zautomatyzowanej analizy oprogramowania, ustalania priorytetów zgłoszeń bezpieczeństwa lub wsparcia przy usuwaniu podatności.

Ponadto rośnie presja na automatyzację istniejących procesów. Spodziewanego wzrostu liczby zgłoszeń podatności i prób ataku nie da się już obsłużyć wyłącznie ręcznie. Zwłaszcza reagowanie na incydenty bezpieczeństwa, analiza alertów i ustalanie priorytetów działań muszą być w większym stopniu wspierane przez systemy techniczne, w tym AI.

Znaczenie dla przedsiębiorstw

Wymagania dotyczące bezpieczeństwa IT w firmach wyraźnie rosną. Odpowiada za to zarówno szybki rozwój sztucznej inteligencji, jak i coraz liczniejsze wymogi regulacyjne. Art. 32 ogólnego rozporządzenia o ochronie danych (RODO) wymaga wdrożenia środków technicznych i organizacyjnych z uwzględnieniem stanu wiedzy technicznej, a ten za sprawą AI stale się zmienia. Dyrektywa NIS2 i przepisy krajowe, które ją wdrażają, zobowiązują objęte nimi podmioty do kompleksowego zarządzania ryzykiem, stosowania technicznych środków ochrony i wypełniania obowiązków zgłoszeniowych; odpowiedzialność wyraźnie spoczywa także na kierownictwie. Europejski AI Act wprowadza dodatkowe wymogi w zakresie przejrzystości, bezpieczeństwa i zarządzania ryzykiem dla określonych zastosowań AI.

Podsumowanie i zalecenia

Obecne wydarzenia pokazują, że techniczne warunki prowadzenia cyberataków zasadniczo się zmieniają. Sztuczna inteligencja działa przy tym jak akcelerator i wzmacniacz istniejących ryzyk. Firmy powinny więc regularnie sprawdzać, czy ich środki techniczne i organizacyjne nadal odpowiadają aktualnemu stanowi wiedzy technicznej, i w razie potrzeby je dostosowywać.

Wczesne i uporządkowane zmierzenie się z nowymi ryzykami jest kluczowe, aby uniknąć luk bezpieczeństwa i spełnić wymogi regulacyjne.

1. Działania krótkoterminowe

2. Działania średnioterminowe

3. Działania strategiczne