ОтветыОпубликовано22 источники
Как ИИ меняет кибератаки: от вредоносного кода до вторжений под управлением LLM
ИИ делает привычные кибератаки быстрее, дешевле и гибче, но пока не превращает каждую кампанию в полностью автономную операцию. FunkSec и кампания RevengeHotels показывают использование LLM при разработке вредоносного кода, а LameHug — более существенный сдвиг: обращение вредоносной программы к языковой модели во вр...
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- ИИ делает привычные кибератаки быстрее, дешевле и гибче, но пока не превращает каждую кампанию в полностью автономную операцию.
- FunkSec и кампания RevengeHotels показывают использование LLM при разработке вредоносного кода, а LameHug — более существенный сдвиг: обращение вредоносной программы к языковой модели во время атаки для генерации кома...
- С января по апрель 2026 года Kaspersky выявила более 33 300 атак на малый и средний бизнес, где вредоносное ПО маскировалось под популярные ИИ сервисы — почти в пять раз больше, чем годом ранее.
- Защита должна учитывать не только сигнатуры, но и поведение: необычные скрипты, обращения к API языковых моделей, кражу учётных данных и подготовку файлов к выводу.
Промпт ИИ
openai.comCreate a landscape editorial hero image for this Studio Global article: How is artificial intelligence becoming deeply embedded in cyberattacks, according to Kaspersky and other cybersecurity researchers, and wha. Article summary: AI is becoming an operational layer across the attack chain: it helps criminals write and revise code, tailor phishing, automate reconnaissance, and vary payloads at machine speed. The clearest current evidence supports . Topic tags: general, general web, user generated. 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 fa
Искусственный интеллект становится рабочим слоем кибератак. Преступные и связанные с государствами группировки используют большие языковые модели (LLM), чтобы писать компоненты вредоносных программ, создавать убедительные фишинговые письма, отлаживать скрипты и быстро выпускать новые варианты атак.
Но наиболее точный вывод по имеющимся данным звучит осторожнее: ИИ прежде всего ускоряет и адаптирует знакомые методы, а не делает все атаки автономными.
Главное изменение — сжатие цикла атаки
Большинство вторжений по-прежнему строится на узнаваемых техниках: фишинге, вредоносных скриптах, троянах удалённого доступа (RAT) и краже данных. ИИ меняет экономику этих методов, сокращая время и уровень экспертизы, необходимые для их подготовки.
Злоумышленник может попросить LLM создать первоначальный скрипт, перевести и персонализировать приманку, исправить код после тестирования и подготовить отдельные варианты для разных целей. Эксперименты становятся дешевле, а промежуток между замыслом кампании и её запуском — короче. Для защитников это означает больше правдоподобных атак и меньше времени на реакцию.
При этом не всякое письмо с упоминанием ИИ следует называть «ИИ-атакой». Важно различать несколько уровней участия технологии: от помощи в написании кода до генерации команд непосредственно во время работы вредоносной программы.
FunkSec: ИИ помогает собирать вредоносный инструментарий
Исследование Kaspersky о группировке FunkSec даёт пример разработки вредоносного ПО с помощью ИИ. Программа-вымогатель на Rust объединяет шифрование, локальную кражу данных и самоуничтожение в одном исполняемом файле. Kaspersky также обнаружила признаки синтеза кода с помощью больших языковых моделей в связанных инструментах, включая генератор паролей и базовый инструмент для DDoS-атак. 28
39
Это не означает, что LLM самостоятельно спроектировала, развернула и провела всю кампанию. Пример показывает другое: генеративный ИИ способен помогать создавать функциональные компоненты вредоносного ПО и собирать более цельный набор инструментов при меньшем объёме ручной разработки.
RevengeHotels: ИИ усиливает обычную фишинговую цепочку
Кампания RevengeHotels 2025 года показывает, как ИИ может улучшать уже известный сценарий вторжения, не заменяя его. В период с июня по август 2025 года Kaspersky зафиксировала атаки на отели в Бразилии и испаноязычных странах. Фишинговые письма маскировались под запросы на бронирование, счета или заявления о приёме на работу. Ссылки вели на сайты, имитировавшие сервисы хранения документов, после чего скрипты доставляли трояны удалённого доступа, включая VenomRAT. 30
31
36
По оценке Kaspersky, значительная часть кода первоначального заражения и загрузчика, вероятно, была создана агентами на базе больших языковых моделей. 28 При этом сама атака по-прежнему опиралась на знакомые инструменты: социальную инженерию, выполнение скриптов и доставку RAT.
Иными словами, ИИ помогал быстрее создавать и менять отдельные звенья цепочки заражения. Это потенциально позволяет операторам эффективнее адаптировать кампании к разным регионам и целям, но не превращает их в полностью автономные операции.
LameHug: языковая модель подключается к атаке в реальном времени
Наиболее заметный технический сдвиг в доступных материалах связан с вредоносной программой LameHug. В отличие от ПО, которое лишь предположительно написано с помощью ИИ, LameHug использовала языковую модель уже во время выполнения.
Согласно анализу, основанному на данных CERT-UA, программа обращалась к API Hugging Face и использовала модель Alibaba Cloud Qwen2.5-Coder-32B-Instruct для динамической генерации команд Windows. Эти команды могли собирать сведения о системе и искать документы Office для последующей кражи. 2
3
7
Такой подход меняет поведение вредоносной программы сразу в нескольких отношениях:
- Последовательность команд не обязательно фиксируется заранее. Программа может запрашивать действия с учётом инструкций и среды, в которой оказалась.
- Используются обычные системные утилиты. Поэтому защите приходится анализировать поведение и последовательность команд, а не искать только уникальный исполняемый файл.
4
- Появляется внешняя зависимость. Необычные исходящие обращения заражённого компьютера к API языковой модели могут стать важным сигналом для обнаружения.
LameHug не доказывает, что вредоносные программы стали самостоятельными. Это свидетельство того, что LLM можно встроить непосредственно в операционный контур атаки — например, для генерации команд разведки и сбора данных по ходу вторжения.
Поддельные ИИ-сервисы становятся приманкой
ИИ используется не только для создания атак, но и как тема приманки. С января по апрель 2026 года решения Kaspersky выявили более 33 300 атак на малый и средний бизнес, в которых вредоносные или нежелательные программы для ПК выдавали себя за популярные ИИ-сервисы. По данным компании, показатель оказался почти в пять раз выше сопоставимого результата 2025 года. 50
51
Эта статистика отражает случаи маскировки программ под ИИ-сервисы. Она не доказывает, что каждый такой вредоносный файл был сгенерирован ИИ или что ИИ управлял каждой атакой. Более аккуратный вывод состоит в том, что злоумышленники используют доверие к известным брендам и стремительное распространение ИИ-инструментов в компаниях.
Для сотрудников риск вполне практический: поддельный генератор изображений, чат-бот или помощник для повышения продуктивности может стать способом доставки вредоносного ПО. Поэтому по-прежнему важны политика запрета несанкционированной установки программ, проверенные источники загрузки и защита конечных устройств.
Масштаб угрозы: что показывают данные Kaspersky
Региональная телеметрия Kaspersky подтверждает широкое распространение веб-угроз, но эти данные нельзя считать подсчётом именно атак, управляемых ИИ. В первом полугодии 2026 года системы компании заблокировали 5,7 млн атак из интернет-ресурсов в Южной Африке, 4,5 млн — в Кении и 1,6 млн — в Нигерии. В Турции доля пользователей, столкнувшихся с веб-угрозами, составила 22,8% — это был самый высокий показатель в представленном наборе данных по региону META, включающему Ближний Восток, Турцию и Африку. 14
В эти показатели входят угрозы, доставленные через сайты, электронную почту и веб-сервисы. Они показывают общий уровень воздействия онлайн-атак, но не подтверждают их причинную связь с ИИ. Такое различие важно: общую статистику киберугроз нельзя автоматически выдавать за доказательство автономных или сгенерированных ИИ кампаний.
Почему адаптация важнее автономности
Непосредственная опасность заключается не обязательно в скором появлении полностью самостоятельных «киберармий». Гораздо реалистичнее накопление небольших преимуществ на каждом этапе атаки:
- код создаётся и исправляется быстрее;
- фишинговые письма проще адаптировать под язык, отрасль и конкретный предлог;
- скрипты быстрее отлаживаются и перепаковываются;
- поведение вредоносного ПО можно менять под конкретную среду;
- разведку и сбор данных можно корректировать во время выполнения.
В совокупности эти преимущества снижают стоимость вторжения и позволяют проводить больше экспериментов. Кроме того, операторам с меньшей квалификацией становится проще имитировать методы, которые раньше требовали специализированных знаний.
Особенно уязвимы организации с небольшими командами информационной безопасности, большими объёмами чувствительных данных или сложной сетью подрядчиков. Однако заявления об атаках на критическую инфраструктуру требуют конкретных доказательств самого взлома, его последствий и роли ИИ. Одного заявления злоумышленников недостаточно, чтобы считать любой из этих фактов подтверждённым.
Как организациям выстроить защиту
Рассмотренные примеры говорят в пользу многоуровневой защиты, ориентированной на поведение. Сигнатуры и блокировка известных индикаторов остаются необходимыми, но их следует дополнять мониторингом активности, которая может указывать на использование LLM или динамическую адаптацию атаки.
Полезными сигналами могут быть:
- процессы Python или PyInstaller, неожиданно устанавливающие исходящие соединения с сервисами языковых моделей;
- закодированные в base64 запросы и необычные обращения к API с устройств, которые обычно не используют инструменты разработчика или ИИ;
- цепочки команд, объединяющие утилиты вроде
systeminfo,tasklist,dsqueryи рекурсивного поиска файлов; - подозрительное выполнение JavaScript, PowerShell и других скриптовых интерпретаторов;
- необычный доступ к учётным данным, подготовка документов к отправке или исходящие передачи данных;
- установка сотрудниками неутверждённых ИИ-приложений и расширений для браузера.
В рекомендациях Splunk по обнаружению LameHug отдельно отмечается активность Python или PyInstaller, которая обращается к API Hugging Face и модели Qwen для генерации команд. 4 Это наглядный пример того, как можно искать поведение вокруг атаки с участием LLM, не дожидаясь появления фиксированной сигнатуры вредоносного файла.
Вывод
ИИ постепенно встраивается в кибератаки, потому что упрощает создание, персонализацию и изменение уже существующих операций. FunkSec и RevengeHotels демонстрируют помощь ИИ при разработке вредоносного ПО, LameHug — обращение к LLM во время действующего вторжения, а статистика Kaspersky по малому и среднему бизнесу показывает, что популярность ИИ сама стала эффективной приманкой. 28
31
51
Поэтому наиболее точная формулировка звучит так: ИИ не заменил традиционный взлом, а превратился в слой эффективности и адаптации для фишинга, разработки вредоносных программ, разведки и кражи данных.
Организациям следует готовиться к более быстрому выпуску новых вариантов атак и более короткому времени на реакцию — одновременно отделяя подтверждённое участие ИИ от обычного киберпреступления, замаскированного под модную тему.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Как ИИ меняет кибератаки: от вредоносного кода до вторжений под управлением LLM»?
ИИ делает привычные кибератаки быстрее, дешевле и гибче, но пока не превращает каждую кампанию в полностью автономную операцию.
Какие ключевые моменты необходимо проверить в первую очередь?
ИИ делает привычные кибератаки быстрее, дешевле и гибче, но пока не превращает каждую кампанию в полностью автономную операцию. FunkSec и кампания RevengeHotels показывают использование LLM при разработке вредоносного кода, а LameHug — более существенный сдвиг: обращение вредоносной программы к языковой модели во время атаки для генерации кома...
Что мне делать дальше на практике?
С января по апрель 2026 года Kaspersky выявила более 33 300 атак на малый и средний бизнес, где вредоносное ПО маскировалось под популярные ИИ сервисы — почти в пять раз больше, чем годом ранее.
Источники
me-en.kaspersky.comKaspersky uncovers the cyber threats defining the first half ...
securelist.comA new RevengeHotels campaign targets Latin America
kaspersky.comKaspersky discovers the return of RevengeHotels, leveraging AI in ...