W swoim komunikacie Anthropic podał, że Mythos przeskanował ponad 1000 projektów open source i oszacował, że wśród znalezionych w nich słabości było 6202 luk o wysokiej lub krytycznej wadze. Liczby te dotyczą zgłoszonych ustaleń. Nie są dowodem na to, że każda z tych luk jest możliwa do wykorzystania w rzeczywistym środowisku ani że model może przejąć kontrolę nad każdym podatnym systemem.
Najbardziej narażone są systemy dostępne z internetu lub połączone ze środowiskami o wysokiej wartości, między innymi:
Jeśli luka zostanie wykryta i uzbrojona szybciej, organizacja może szybciej doświadczyć kradzieży danych, przerwy w działaniu usług, ransomware, oszustwa lub przemieszczania się napastnika między systemami. AI może również wspierać masowe tworzenie przekonujących kampanii phishingowych, podszywania się pod inne osoby, klonowania głosu i deepfake’ów, a także prób obchodzenia mechanizmów uwierzytelniania wieloskładnikowego.
Singapurska Cyber Security Agency (CSA) ostrzegła, że autonomiczne systemy AI mogą skrócić czas potrzebny do przeprowadzenia ataku i obniżyć próg umiejętności wymaganych od mniej doświadczonych napastników. Dlatego opóźnienia w instalowaniu poprawek, ochrona kont uprzywilejowanych oraz szybkość wykrywania i reagowania stają się ważniejsze niż tradycyjne założenia dotyczące czasu potrzebnego atakującemu na przygotowanie operacji.
W swoim zaleceniu dotyczącym ryzyka związanego z zaawansowanymi modelami AI CSA nadaje najwyższy priorytet usunięciu wszystkich luk o krytycznej i wysokiej wadze w systemach dostępnych z internetu. To właśnie te zasoby są najbardziej narażone na zautomatyzowane ataki i mogą spowodować rozległe szkody po przejęciu.
Organizacje powinny prowadzić aktualny spis sprzętu, oprogramowania, zasobów chmurowych i zewnętrznej powierzchni ataku. Należy też wykrywać systemy niewspierane, pilnie wdrażać poprawki dostawców i sprawdzać, czy usunięcie podatności rzeczywiście się powiodło. Jeśli natychmiastowa aktualizacja nie jest możliwa, system należy odizolować, ograniczyć do niego dostęp lub zastosować inne zabezpieczenia kompensacyjne do czasu wdrożenia trwałej poprawki.
Uwierzytelnianie wieloskładnikowe powinno obejmować interfejsy administracyjne, bramy zdalnego dostępu, konsole zarządzania chmurą i inne konta o wysokiej wartości. Tam, gdzie to możliwe, CSA zaleca silniejsze, odporne na phishing metody — na przykład klucze sprzętowe lub biometrię — zamiast kodów wysyłanych SMS-em albo pocztą elektroniczną.
MFA jest ważną warstwą ochrony, ale nie zastępuje łatania. Podatność może czasem umożliwić kradzież sesji, obejście uwierzytelniania lub dostęp przez wystawioną usługę. Kontrola tożsamości musi więc działać razem z bezpieczną konfiguracją i terminowym instalowaniem aktualizacji.
Należy usuwać nieużywane konta, oddzielać tożsamości zwykłych użytkowników od kont administracyjnych, ograniczać uprawnienia kont usługowych oraz regularnie przeglądać dostęp przyznany dostawcom zewnętrznym, interfejsom API i partnerom. Operacje uprzywilejowane powinny być rejestrowane, a uprawnienia — jeśli to praktyczne — przyznawane tylko na czas potrzebny do wykonania konkretnego zadania.
Takie mechanizmy ograniczają szkody w sytuacji, gdy napastnik zdobędzie dane uwierzytelniające albo przejmie środowisko deweloperskie, chmurowe lub system zarządzania tożsamością.
Istotne logi dotyczące tożsamości, urządzeń końcowych, sieci i chmury powinny być gromadzone centralnie. Reguły wykrywania powinny obejmować nietypowe logowania, zmiany uprawnień, dostęp z nieznanych lokalizacji, niespodziewaną aktywność administracyjną oraz podejrzane modyfikacje oprogramowania lub potoków wdrożeniowych.
Zespoły reagowania na incydenty powinny przećwiczyć scenariusz szybkiego wykorzystania luki: izolowanie hostów, wyłączanie kont, blokowanie złośliwego ruchu, kontakt z dostawcami i zabezpieczanie dowodów. Przetestowane kopie zapasowe przechowywane offline lub niezmienialne mogą ograniczyć skutki ransomware i ataków destrukcyjnych.
Celem nie jest samo znajdowanie większej liczby luk. Organizacje potrzebują powtarzalnego procesu obejmującego wykrycie, priorytetyzację, testowanie, etapowe wdrażanie, weryfikację i ewentualne wycofanie aktualizacji. Automatyzacja może zmniejszyć opóźnienia, jednocześnie ograniczając ryzyko, że awaryjna poprawka spowoduje niebezpieczną przerwę w działaniu usług.
Zarządy i kadra kierownicza powinny śledzić praktyczne wskaźniki odporności, takie jak wiek krytycznych luk w systemach wystawionych do internetu, czas usuwania podatności, zakres ochrony kont uprzywilejowanych oraz czas od wykrycia do ograniczenia incydentu.
Wspomagany przez AI przegląd kodu, analiza składu oprogramowania, zarządzanie powierzchnią ataku i sortowanie podatności mogą pomóc obrońcom przetwarzać większą liczbę ustaleń. Organizacje powinny jednak niezależnie weryfikować wyniki generowane przez AI, chronić kod źródłowy i poufne dane przekazywane narzędziom, ograniczać uprawnienia modeli oraz wymagać zatwierdzenia przez człowieka przed wprowadzeniem zmian na produkcji.
AI powinno wzmacniać istniejący proces bezpieczeństwa, a nie stawać się pozbawionym nadzoru operatorem z szerokim dostępem do kodu, danych uwierzytelniających lub infrastruktury.
Operatorzy krytycznej infrastruktury informacyjnej potrzebują wielowarstwowych zabezpieczeń, segmentacji sieci, ciągłego wykrywania włamań, kontroli dostawców i regularnych ćwiczeń kryzysowych. Singapur zapowiedział również silniejsze mechanizmy wykrywania zagrożeń oraz współpracę z dostawcami chmury, aby pomóc właścicielom takiej infrastruktury zabezpieczać systemy.
Ta sama zasada dotyczy organizacji zależnych od kluczowych dostawców. Luka w używanej wspólnie platformie, usłudze zarządzanej lub zależności programistycznej może stworzyć ryzyko wykraczające poza granice jednej firmy.
Szkolenia pracowników powinny obejmować phishing, podszywanie się pod inne osoby i deepfake’i wspomagane przez AI. Sama edukacja nie wystarczy — musi być połączona z kontrolami procesowymi. Zmiany dotyczące płatności lub kont o wysokim ryzyku powinny wymagać niezależnego potwierdzenia przez zaufany kanał, a pracownicy muszą mieć jasną ścieżkę zgłaszania podejrzanych wiadomości i próśb.
Wytyczne Monetary Authority of Singapore (MAS), singapurskiego organu nadzoru finansowego, wskazują na potrzebę dodatkowej weryfikacji transakcji wysokiego ryzyka i pracowników o uprzywilejowanym dostępie, w tym stosowania MFA dla kont o wysokich uprawnieniach i przy wrażliwych operacjach. MAS wskazuje także na takie mechanizmy jak wykrywanie oznak życia w systemach rozpoznawania twarzy i silniejsza weryfikacja, które mają przeciwdziałać oszustwom wykorzystującym deepfake’i.
MAS oraz Association of Banks in Singapore powołały następnie branżową grupę zadaniową zajmującą się wzmacnianiem wspólnej odporności cybernetycznej i technologicznej na zagrożenia napędzane przez AI. To pokazuje szerszą lekcję płynącą z rozwoju zaawansowanych modeli: pojedyncze organizacje potrzebują solidnych zabezpieczeń, ale gdy wiele podmiotów korzysta z tych samych dostawców i zależności, konieczne są również wymiana informacji, skoordynowane reagowanie i ćwiczenia prowadzone na poziomie całego sektora.
Zgłaszane znaczenie Claude Mythos Preview polega na potencjalnym skróceniu czasu między wykryciem podatności a jej wykorzystaniem. Dostępne dowody wskazują na zmianę tempa i skali istniejących technik ofensywnych, a nie na dowód stworzenia przez model całkowicie nowych kategorii cyberataków.
Dla organizacji w Singapurze odpowiedź jest przede wszystkim praktyczna: szybko łatać wystawione do internetu systemy krytyczne, wdrażać odporne na phishing MFA, ograniczać uprawnienia, stale monitorować środowisko, ćwiczyć scenariusze masowego wykorzystania luk i używać AI do poprawy obrony bez oddawania kontroli człowiekowi. W świecie przyspieszanych przez AI zagrożeń tempo instalowania poprawek oraz czas reakcji nie są już wyłącznie wskaźnikami zaplecza IT — są podstawowymi miarami odporności organizacji.