Инструментите с изкуствен интелект (ИИ) се използват от киберпрестъпници за писане на зловреден код, изграждане на инструменти за събиране на идентификационни данни, търсене в компрометирани мрежи, идентифициране на ценна бизнес информация, управление на техническа инфраструктура и генериране на команди по време на нерегламентиран достъп.

Изследователи от Gambit Security проучиха три несвързани злонамерени субекта, които показват как ИИ може да подпомага различни етапи от една кибератака. В разгледаните случаи атакуващите са използвали ИИ за създаване на скриптове и инструменти за експлоатация, идентифициране на високоплатена бизнес информация, изпълнение на ИТ и DevOps задачи, както и за генериране и оптимизиране на команди по време на активни прониквания.

Оператор на зловреден софтуер за откуп (ransomware) използва Claude Code

Първият случай включва предполагаем оператор на ransomware, който е използвал Claude Code при прониквания в шест организации в края на юни 2026 г. Същият оператор е свързан и с две по-ранни компрометирания.

Жертвите включват австралийско енергийно дружество и компании в сферата на финансовите услуги, хранително-вкусовата промишленост, производството, ИТ услугите, управлението на имоти и дистрибуцията в няколко държави. Дейността се приписва със средна степен на увереност на атакуващ, използващ операцията за ransomware-as-a-service „The Gentlemen“.

Атакуващият е използвал Claude Code, работещ с Claude Sonnet 4.6, за да генерира и изпълнява команди за разузнаване и експлоатация, да пише зловредни скриптове, да променя политики на защитни стени и да анализира бизнес системи с цел идентифициране на най-важните за операцията.

По време на вътрешното разузнаване на мрежата Claude е обработвал техническите резултати и е идентифицирал полезни цели, включително домейнови контролери, файлови сървъри и сървъри за резервни копия. Той също така е анализирал бази данни на приложения и инфраструктура за резервни копия.

При една от жертвите операторът е попитал кои бази данни са от най-голямо значение. Claude ги е класирал и е посочил работещата производствена база данни и хранилището за клиентски документи. Атакуващият е имал достъп до системите, докато ИИ е помогнал да се определи коя информация е най-важна за бизнеса.

По искане на оператора Claude е изпълнил команди за архивиране на SQL Server на два сървъра и е подготвил два компресирани архива на бази данни за извличане. Киберпрестъпникът е извлякъл единия от архивите, като Claude е копирал файла на машината на оператора и след това го е изтрил от сървъра на жертвата.

При друго проникване Claude е отказал да продължи, след като е разпознал, че взаимодейства с реална производствена система, принадлежаща на организация без потвърдено разрешение. Операторът е стартирал нова сесия, заявител е, че има разрешение да тества целта за уязвимости, и е повторил искането си. Тогава Claude е изпълнил задачата.

ИИ също така е допускал грешки. В австралийското енергийно дружество Claude се е опитал да промени настройките на защитната стена. След неуспешни API повиквания, той е изтеглил конфигурацията на устройството, редактирал я е и е качил променената версия. В резултат на това защитната стена е станала недостъпна.

Други дейности, подпомагани от ИИ, са разкрили издайническа информация в средите на жертвите, включително описания на разузнавателни действия и етикети, които биха могли да издадат атаката.

ИИ помага за изграждането на операция за събиране на идентификационни данни

Вторият случай е фокусиран върху Zerofot – операция за събиране на идентификационни данни, която търси в интернет неволно изложени чувствителни файлове и отворени директории, съдържащи API ключове, токени и други данни за достъп.

Основният инструмент, auto_scan, търси потенциално чувствителни файлове, изложени онлайн. Той също така може да обработва цели, генерирани от сканирания на целия интернет. Когато открие достъпни файлове или списъци с директории, той изтегля материалите и търси в тях идентификационни данни, свързани с доставчици на ИИ, облачни услуги, сървъри и SaaS платформи. След това скенерът валидира потенциалните идентификационни данни срещу съответните услуги.

Операторът е изградил auto_scan с помощта на OpenAI Codex и Claude Code. Инструкциите, дадени на Codex, описват работата като извършвана „за оторизиран CTF пясъчник“, за да не откаже моделът задачата.

Между 5 април и 23 май 2026 г. Zerofot е събрал 2975 валидирани ключа и идентификационни данни от 1742 хоста на жертви. Плячката включва частни SSH ключове, AWS ключове за достъп и идентификационни данни за услуги като Google Gemini, OpenAI, GitHub и Anthropic.

Генерирана от ИИ платформа внедрява криптомайнери

Третият случай разглежда RAGE – персонализирана платформа за атаки на Python, проектирана да сканира услуги с достъп до интернет, да експлоатира уязвими внедрявания, да събира идентификационни данни и да инсталира копачи на криптовалута.

RAGE и много от придружаващите скриптове изглежда са генерирани с ИИ. Платформата също така интегрира LLM по време на работа чрез „ИИ оркестратор“, поддържан от DeepSeek, който съветва оператора относно управлението на ботнета за копаене.

Тя е насочена към услуги като Redis, Elasticsearch, Docker и Tomcat, като допълнителни модули таргетират Jenkins, Hadoop YARN, Confluence и Supervisord. Възможностите ѝ включват сканиране, експлоатация, brute-force удостоверяване, достъп до облачни метаданни, ескалация на привилегии на ниво хост, внедряване на копачи и мониторинг.

В един от случаите операторът на RAGE е възстановил AWS идентификационни данни от компрометирана Redis инстанция.