Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa... DeepSeek ma być atrakcyjny dla napastników dzięki wydajności, możliwości dostosowania, niskim ko...
Opublikowane przezEdytowane za pomocą GPT-5.6 LunaObrazy wygenerowane za pomocą GPT Image 1.5
Research answer

Create a landscape editorial hero image for this Studio Global article: What did TeamT5 and other cybersecurity researchers report about Chinese state-affiliated hackers’ use of DeepSeek and other AI models—inclu. Article summary: TeamT5’s central finding was that Chinese state-affiliated actors are using DeepSeek and other AI models to automate routine offensive work and malware development, and that their attack volume has more than doubled sinc. Topic tags: general, news, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers
Według tajwańskiej firmy badawczej TeamT5 chińskie grupy cybernetyczne powiązane z państwem ponad dwukrotnie zwiększyły skalę ataków po włączeniu DeepSeek i innych otwartoźródłowych modeli sztucznej inteligencji do swoich operacji. Modele automatyzują rutynowe zadania i pomagają tworzyć bardziej zaawansowane złośliwe oprogramowanie, dzięki czemu istniejące kampanie można prowadzić szybciej i na większą skalę. 1
3
Nie oznacza to, że sztuczna inteligencja samodzielnie zastąpiła doświadczonych hakerów. Z dostępnych ustaleń wynika raczej, że niedrogie modele i frameworki agentowe automatyzują część ofensywnego procesu — zwłaszcza rozpoznanie, analizę podatności i powtarzanie prób ataku — podczas gdy operatorzy nadal wyznaczają cele i kierunek działania. 1
15
Badacze wskazują na cztery główne powody popularności DeepSeek wśród chińskich hakerów:
To połączenie ma bezpośrednie znaczenie operacyjne. Model nie musi odkrywać zupełnie nowej luki, aby być użyteczny. Może pomagać wyszukiwać odsłonięte systemy, modyfikować publicznie dostępny kod exploitów, interpretować wyniki techniczne i wybierać kolejne rutynowe kroki.
Opisywane operacje obejmują wykorzystanie DeepSeek, ChatGPT i Claude Code do rozpoznania, tworzenia lub dostosowywania exploitów, automatyzacji oraz rozwijania złośliwego kodu. Raporty wspominają także o przemieszczaniu się wewnątrz zaatakowanych sieci zagranicznych firm i instytucji. 3
Dostępne informacje najczęściej przypisują tę aktywność zbiorczo grupom powiązanym z Chinami lub chińskim państwem. Nie pozwalają natomiast wiarygodnie wskazać jednej konkretnej, nazwanej grupy APT odpowiedzialnej za każdy przypadek użycia AI. Nie należy więc zakładać, że wszystkie chińskie grupy cybernetyczne korzystają z tego samego modelu ani identycznego schematu działania. 1
3
Komercyjne usługi, takie jak ChatGPT i Claude Code, mogły pomagać w wybranych etapach złośliwego procesu. Ich zabezpieczenia po stronie dostawcy mogą jednak odmawiać realizacji jednoznacznych poleceń dotyczących ofensywnych działań.
W sprawie opisanej przez Unit 42 operator testował zachodnie narzędzia, ale ich mechanizmy bezpieczeństwa zablokowały zadanie polegające na autonomicznym ataku. Następnie jako główny model rozumujący wybrano DeepSeek. 14
15
Różnica nie musi oznaczać, że jeden model jest uniwersalnie zdolniejszy od drugiego. Kluczowy okazał się sposób wdrożenia. DeepSeek połączono z otwartoźródłowym frameworkiem, bez takich ograniczeń po stronie klienta, dzięki czemu mógł działać w łańcuchu narzędzi kontrolowanym przez napastnika. 15
Palo Alto Networks, w ramach zespołu Unit 42, osobno udokumentowało działania chińskojęzycznego operatora posługującego się pseudonimami „knaithe” i „KnYuan”. Skonfigurował on DeepSeek jako silnik rozumowania dla Hermes Agent — otwartoźródłowego frameworka agentowego z dostępem do terminala. Taki zestaw mógł wyszukiwać podatności, pobierać publiczny kod exploitów i podejmować próby wykorzystania luk przy ograniczonym nadzorze człowieka. 15
5
Agent został skierowany przeciwko ponad 460 systemom dostępnym z internetu. Doniesienia o szerszej kampanii wskazują, że co najmniej trzy organizacje zostały naruszone w wyniku wykorzystania podatności w Citrix NetScaler. Liczba 460 oznacza cele lub próby ataków, a nie 460 udanych włamań. Operacja łączyła działania autonomiczne z tradycyjną aktywnością operatora. 4
To rozróżnienie jest istotne. Przypadek ten nie pokazuje, że DeepSeek samodzielnie włamał się do setek systemów. Pokazuje natomiast, że operator wykorzystał model do automatyzacji powtarzalnej części ataku: wyszukiwania odsłoniętych celów, dopasowywania ich do znanych podatności, pobierania publicznych materiałów exploitacyjnych i przechodzenia do kolejnych prób.
Największym zagrożeniem jest skala. Gdy niedrogi model zostanie połączony z frameworkiem agentowym mającym dostęp do terminala, zadania wymagające wcześniej długiej, ręcznej pracy można powtarzać wobec wielu systemów wystawionych do internetu. AI obniża w ten sposób próg wejścia dla masowego rozpoznania i wykorzystywania podatności. 1
6
15
Jednocześnie opisana sprawa pokazuje ograniczenia tej technologii. Udane naruszenia nadal zależały od wystawionych usług, znanych luk i użytecznego publicznie dostępnego kodu exploitów. Sztuczna inteligencja zwiększyła szybkość i liczbę prób, ale sama nie była przyczyną każdego włamania. 5
15
Dla obrońców najważniejsze pozostają podstawowe działania: instalowanie poprawek w produktach wystawionych do internetu, usuwanie niepotrzebnej ekspozycji oraz monitorowanie nietypowych, zautomatyzowanych wzorców rozpoznania i wykorzystywania podatności. Wnioski TeamT5 i Unit 42 są jednak jasne: ataki wspierane przez AI stają się tańsze i łatwiejsze do powtarzania, nawet jeśli wykorzystują dobrze znane techniki.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa...
Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa... DeepSeek ma być atrakcyjny dla napastników dzięki wydajności, możliwości dostosowania, niskim kosztom i stosunkowo słabym zabezpieczeniom przed zastosowaniami ofensywnymi.
W osobnej sprawie opisanej przez Unit 42 chińskojęzyczny operator połączył DeepSeek z otwartoźródłowym frameworkiem Hermes Agent i skierował go przeciwko ponad 460 systemom dostępnym z internetu; co najmniej trzy orga...
Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa... DeepSeek ma być atrakcyjny dla napastników dzięki wydajności, możliwości dostosowania, niskim ko...
Opublikowane przezEdytowane za pomocą GPT-5.6 LunaObrazy wygenerowane za pomocą GPT Image 1.5
Research answer

Create a landscape editorial hero image for this Studio Global article: What did TeamT5 and other cybersecurity researchers report about Chinese state-affiliated hackers’ use of DeepSeek and other AI models—inclu. Article summary: TeamT5’s central finding was that Chinese state-affiliated actors are using DeepSeek and other AI models to automate routine offensive work and malware development, and that their attack volume has more than doubled sinc. Topic tags: general, news, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers
Według tajwańskiej firmy badawczej TeamT5 chińskie grupy cybernetyczne powiązane z państwem ponad dwukrotnie zwiększyły skalę ataków po włączeniu DeepSeek i innych otwartoźródłowych modeli sztucznej inteligencji do swoich operacji. Modele automatyzują rutynowe zadania i pomagają tworzyć bardziej zaawansowane złośliwe oprogramowanie, dzięki czemu istniejące kampanie można prowadzić szybciej i na większą skalę. 1
3
Nie oznacza to, że sztuczna inteligencja samodzielnie zastąpiła doświadczonych hakerów. Z dostępnych ustaleń wynika raczej, że niedrogie modele i frameworki agentowe automatyzują część ofensywnego procesu — zwłaszcza rozpoznanie, analizę podatności i powtarzanie prób ataku — podczas gdy operatorzy nadal wyznaczają cele i kierunek działania. 1
15
Badacze wskazują na cztery główne powody popularności DeepSeek wśród chińskich hakerów:
To połączenie ma bezpośrednie znaczenie operacyjne. Model nie musi odkrywać zupełnie nowej luki, aby być użyteczny. Może pomagać wyszukiwać odsłonięte systemy, modyfikować publicznie dostępny kod exploitów, interpretować wyniki techniczne i wybierać kolejne rutynowe kroki.
Opisywane operacje obejmują wykorzystanie DeepSeek, ChatGPT i Claude Code do rozpoznania, tworzenia lub dostosowywania exploitów, automatyzacji oraz rozwijania złośliwego kodu. Raporty wspominają także o przemieszczaniu się wewnątrz zaatakowanych sieci zagranicznych firm i instytucji. 3
Dostępne informacje najczęściej przypisują tę aktywność zbiorczo grupom powiązanym z Chinami lub chińskim państwem. Nie pozwalają natomiast wiarygodnie wskazać jednej konkretnej, nazwanej grupy APT odpowiedzialnej za każdy przypadek użycia AI. Nie należy więc zakładać, że wszystkie chińskie grupy cybernetyczne korzystają z tego samego modelu ani identycznego schematu działania. 1
3
Komercyjne usługi, takie jak ChatGPT i Claude Code, mogły pomagać w wybranych etapach złośliwego procesu. Ich zabezpieczenia po stronie dostawcy mogą jednak odmawiać realizacji jednoznacznych poleceń dotyczących ofensywnych działań.
W sprawie opisanej przez Unit 42 operator testował zachodnie narzędzia, ale ich mechanizmy bezpieczeństwa zablokowały zadanie polegające na autonomicznym ataku. Następnie jako główny model rozumujący wybrano DeepSeek. 14
15
Różnica nie musi oznaczać, że jeden model jest uniwersalnie zdolniejszy od drugiego. Kluczowy okazał się sposób wdrożenia. DeepSeek połączono z otwartoźródłowym frameworkiem, bez takich ograniczeń po stronie klienta, dzięki czemu mógł działać w łańcuchu narzędzi kontrolowanym przez napastnika. 15
Palo Alto Networks, w ramach zespołu Unit 42, osobno udokumentowało działania chińskojęzycznego operatora posługującego się pseudonimami „knaithe” i „KnYuan”. Skonfigurował on DeepSeek jako silnik rozumowania dla Hermes Agent — otwartoźródłowego frameworka agentowego z dostępem do terminala. Taki zestaw mógł wyszukiwać podatności, pobierać publiczny kod exploitów i podejmować próby wykorzystania luk przy ograniczonym nadzorze człowieka. 15
5
Agent został skierowany przeciwko ponad 460 systemom dostępnym z internetu. Doniesienia o szerszej kampanii wskazują, że co najmniej trzy organizacje zostały naruszone w wyniku wykorzystania podatności w Citrix NetScaler. Liczba 460 oznacza cele lub próby ataków, a nie 460 udanych włamań. Operacja łączyła działania autonomiczne z tradycyjną aktywnością operatora. 4
To rozróżnienie jest istotne. Przypadek ten nie pokazuje, że DeepSeek samodzielnie włamał się do setek systemów. Pokazuje natomiast, że operator wykorzystał model do automatyzacji powtarzalnej części ataku: wyszukiwania odsłoniętych celów, dopasowywania ich do znanych podatności, pobierania publicznych materiałów exploitacyjnych i przechodzenia do kolejnych prób.
Największym zagrożeniem jest skala. Gdy niedrogi model zostanie połączony z frameworkiem agentowym mającym dostęp do terminala, zadania wymagające wcześniej długiej, ręcznej pracy można powtarzać wobec wielu systemów wystawionych do internetu. AI obniża w ten sposób próg wejścia dla masowego rozpoznania i wykorzystywania podatności. 1
6
15
Jednocześnie opisana sprawa pokazuje ograniczenia tej technologii. Udane naruszenia nadal zależały od wystawionych usług, znanych luk i użytecznego publicznie dostępnego kodu exploitów. Sztuczna inteligencja zwiększyła szybkość i liczbę prób, ale sama nie była przyczyną każdego włamania. 5
15
Dla obrońców najważniejsze pozostają podstawowe działania: instalowanie poprawek w produktach wystawionych do internetu, usuwanie niepotrzebnej ekspozycji oraz monitorowanie nietypowych, zautomatyzowanych wzorców rozpoznania i wykorzystywania podatności. Wnioski TeamT5 i Unit 42 są jednak jasne: ataki wspierane przez AI stają się tańsze i łatwiejsze do powtarzania, nawet jeśli wykorzystują dobrze znane techniki.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa...
Według TeamT5, 24 sierpnia 2026 roku chińskie grupy powiązane z państwem ponad dwukrotnie zwiększyły liczbę ataków po wykorzystaniu DeepSeek i innych modeli AI do rutynowych zadań oraz tworzenia złośliwego oprogramowa... DeepSeek ma być atrakcyjny dla napastników dzięki wydajności, możliwości dostosowania, niskim kosztom i stosunkowo słabym zabezpieczeniom przed zastosowaniami ofensywnymi.
W osobnej sprawie opisanej przez Unit 42 chińskojęzyczny operator połączył DeepSeek z otwartoźródłowym frameworkiem Hermes Agent i skierował go przeciwko ponad 460 systemom dostępnym z internetu; co najmniej trzy orga...