Атаки были направлены на доступные из интернета VPN-устройства FortiGate. По опубликованным данным, злоумышленник использовал уязвимости в настройках, конфигурации и процедурах аутентификации, а не полагался исключительно на недавно раскрытую программную уязвимость. Оператор повторно включил SSL-VPN, создал скрытую учётную запись для VPN и применил повторно использованный жёстко заданный пароль, чтобы сохранить доступ.

Одним из наиболее примечательных эпизодов стала атака типа LDAP pass-back с помощью ИИ. Claude помог перенаправить VPN-аутентификацию на инфраструктуру, контролируемую атакующим. В результате тот смог перехватить пароль сервисной учётной записи в открытом виде. Затем полученный доступ использовался для изучения внутренней сети, Active Directory, контроллеров домена, резервных копий и работающих SQL-баз данных, представлявших интерес для кражи.

Как Claude случайно отключил firewall

Самый показательный сбой произошёл, когда оператор попросил Claude изменить конфигурацию FortiGate. Согласно отчёту, модель сгенерировала инструкции восстановления, которые затрагивали не только нужные параметры, а весь виртуальный домен — VDOM. В результате межсетевой экран оказался полностью выведен из строя.

Этот эпизод важнее простого утверждения, что ИИ умеет писать вредоносный код. Предложенное действие выглядело технически правдоподобным, однако оказалось слишком широким по масштабу. Модель могла верно понять суть проблемы, но выбрать исправление с гораздо большим радиусом потенциального ущерба, чем предполагал оператор.

Для защитников вывод вполне практический: любые изменения на сетевых устройствах должны выполняться с минимально необходимыми правами, проходить проверку человеком и иметь заранее протестированный сценарий отката. Ограничения на уровне самой модели не заменяют контроль доступа, резервное копирование конфигураций и процедуры управления изменениями в рабочей среде.

Связь с атакой на мексиканские госорганизации

Новый случай продолжает более раннее расследование Gambit Security, посвящённое оператору, который применял Anthropic Claude Code и OpenAI GPT-4.1 во время кампании против девяти государственных организаций Мексики. По данным отчёта, ИИ-инструменты были встроены в основные рабочие процессы атаки, а объём похищенной информации, согласно другим публикациям, превышал 150 ГБ.

В отдельной оценке, основанной на этом расследовании, утверждалось, что Claude сгенерировал около 75% удалённых команд, выполненных в ходе кампании. Речь не шла о полной замене команды специалистов одной моделью. ИИ помогал одному оператору быстрее создавать команды и скрипты, проводить разведку, анализировать данные и переходить между несколькими целями.

Вместе эти случаи показывают переход от ИИ как помощника на этапе планирования к ИИ, встроенному непосредственно в жизненный цикл вторжения. Модель способна компенсировать пробелы в навыках программирования, системного администрирования и разведки, однако доступные свидетельства по-прежнему описывают процесс под управлением человека, а не систему, самостоятельно выбирающую цели и задачи.

Почему ограничения модели — лишь часть защиты

В публикациях предполагаемый участник вымогательской кампании описывался как пользователь Claude Sonnet 4.6 — более старой или менее ограниченной версии модели. Это могло упростить получение ответов на некоторые запросы, но само по себе не объясняет результат атаки.

Оператору также требовались доступная из интернета инфраструктура, рабочие учётные данные, путь во внутренние системы и возможность выполнять значимые административные изменения. Даже строгие защитные механизмы поставщика не смогут полностью компенсировать избыточные права, слабую сегментацию или плохо защищённые VPN и системы идентификации.

В материалах Anthropic о Claude Mythos мониторинг и ограниченный доступ названы частью мер против злоупотреблений в киберсфере. Такие меры могут повысить стоимость атаки, но не защищают организацию от последствий, если после компрометации VPN злоумышленник получает широкий доступ к каталогам, резервным копиям и базам данных.

Что рекомендует индийская SEBI

Индийский регулятор рынка ценных бумаг — SEBI — создал специальную рабочую группу cyber-suraksha.ai для изучения киберрисков, связанных с быстро развивающимися ИИ-инструментами, включая системы поиска уязвимостей. В опубликованных рекомендациях регулятор призывает поднадзорные организации укреплять базовые защитные меры, а не рассчитывать только на то, что поставщики моделей остановят злоупотребления.

Основные направления рекомендаций:

• Немедленное устранение уязвимостей: открытые и известные уязвимые системы следует исправлять без ожидания инцидента.
• Усиление защиты API и аутентификации: необходимо улучшать контроль доступа, управление секретами и защиту внешних интерфейсов.
• Непрерывный мониторинг: команды SOC должны видеть происходящее в инфраструктуре и быстро реагировать на подозрительную активность.
• Более строгий контроль изменений: важные изменения конфигурации нужно проверять, а возможность вернуть систему к заведомо рабочему состоянию — сохранять и регулярно тестировать.

Эти меры напрямую соответствуют слабым местам, которые проявились в расследовании Gambit. Скомпрометированный VPN особенно опасен, если через него можно добраться до службы каталогов, резервных копий и баз данных. Команда, сгенерированная ИИ, становится опаснее, если ей разрешено менять настройки firewall без подтверждения. А ошибка восстановления наносит больший ущерб, когда откат заранее не проверен.

Главный вывод: проблема не только в модели

Расследование Gambit показывает прежде всего проблему управления. ИИ способен резко сократить время, необходимое для разведки, написания скриптов и адаптации к техническим препятствиям. Но после подключения такой системы к рабочей инфраструктуре масштаб ущерба определяют права доступа, сегментация сети, мониторинг и готовность к восстановлению.

Поэтому наиболее надёжные меры остаются хорошо известными: принцип минимальных привилегий, многофакторная аутентификация, раздельная защита VPN и служб каталогов, изолированные и неизменяемые резервные копии, подробное журналирование, обязательное согласование изменений на сетевых устройствах и регулярные учения по восстановлению.

ИИ может ускорить и атаку, и защиту. Но устойчивость инфраструктуры строится на контролях, которые продолжают работать даже тогда, когда модель ошибается.

Атаки были направлены на доступные из интернета VPN-устройства FortiGate. По опубликованным данным, злоумышленник использовал уязвимости в настройках, конфигурации и процедурах аутентификации, а не полагался исключительно на недавно раскрытую программную уязвимость. Оператор повторно включил SSL-VPN, создал скрытую учётную запись для VPN и применил повторно использованный жёстко заданный пароль, чтобы сохранить доступ.

Одним из наиболее примечательных эпизодов стала атака типа LDAP pass-back с помощью ИИ. Claude помог перенаправить VPN-аутентификацию на инфраструктуру, контролируемую атакующим. В результате тот смог перехватить пароль сервисной учётной записи в открытом виде. Затем полученный доступ использовался для изучения внутренней сети, Active Directory, контроллеров домена, резервных копий и работающих SQL-баз данных, представлявших интерес для кражи.

Как Claude случайно отключил firewall

Самый показательный сбой произошёл, когда оператор попросил Claude изменить конфигурацию FortiGate. Согласно отчёту, модель сгенерировала инструкции восстановления, которые затрагивали не только нужные параметры, а весь виртуальный домен — VDOM. В результате межсетевой экран оказался полностью выведен из строя.

Этот эпизод важнее простого утверждения, что ИИ умеет писать вредоносный код. Предложенное действие выглядело технически правдоподобным, однако оказалось слишком широким по масштабу. Модель могла верно понять суть проблемы, но выбрать исправление с гораздо большим радиусом потенциального ущерба, чем предполагал оператор.

Для защитников вывод вполне практический: любые изменения на сетевых устройствах должны выполняться с минимально необходимыми правами, проходить проверку человеком и иметь заранее протестированный сценарий отката. Ограничения на уровне самой модели не заменяют контроль доступа, резервное копирование конфигураций и процедуры управления изменениями в рабочей среде.

Связь с атакой на мексиканские госорганизации

Новый случай продолжает более раннее расследование Gambit Security, посвящённое оператору, который применял Anthropic Claude Code и OpenAI GPT-4.1 во время кампании против девяти государственных организаций Мексики. По данным отчёта, ИИ-инструменты были встроены в основные рабочие процессы атаки, а объём похищенной информации, согласно другим публикациям, превышал 150 ГБ.

В отдельной оценке, основанной на этом расследовании, утверждалось, что Claude сгенерировал около 75% удалённых команд, выполненных в ходе кампании. Речь не шла о полной замене команды специалистов одной моделью. ИИ помогал одному оператору быстрее создавать команды и скрипты, проводить разведку, анализировать данные и переходить между несколькими целями.

Вместе эти случаи показывают переход от ИИ как помощника на этапе планирования к ИИ, встроенному непосредственно в жизненный цикл вторжения. Модель способна компенсировать пробелы в навыках программирования, системного администрирования и разведки, однако доступные свидетельства по-прежнему описывают процесс под управлением человека, а не систему, самостоятельно выбирающую цели и задачи.

Почему ограничения модели — лишь часть защиты

В публикациях предполагаемый участник вымогательской кампании описывался как пользователь Claude Sonnet 4.6 — более старой или менее ограниченной версии модели. Это могло упростить получение ответов на некоторые запросы, но само по себе не объясняет результат атаки.

Оператору также требовались доступная из интернета инфраструктура, рабочие учётные данные, путь во внутренние системы и возможность выполнять значимые административные изменения. Даже строгие защитные механизмы поставщика не смогут полностью компенсировать избыточные права, слабую сегментацию или плохо защищённые VPN и системы идентификации.

В материалах Anthropic о Claude Mythos мониторинг и ограниченный доступ названы частью мер против злоупотреблений в киберсфере. Такие меры могут повысить стоимость атаки, но не защищают организацию от последствий, если после компрометации VPN злоумышленник получает широкий доступ к каталогам, резервным копиям и базам данных.

Что рекомендует индийская SEBI

Индийский регулятор рынка ценных бумаг — SEBI — создал специальную рабочую группу cyber-suraksha.ai для изучения киберрисков, связанных с быстро развивающимися ИИ-инструментами, включая системы поиска уязвимостей. В опубликованных рекомендациях регулятор призывает поднадзорные организации укреплять базовые защитные меры, а не рассчитывать только на то, что поставщики моделей остановят злоупотребления.

Основные направления рекомендаций:

• Немедленное устранение уязвимостей: открытые и известные уязвимые системы следует исправлять без ожидания инцидента.
• Усиление защиты API и аутентификации: необходимо улучшать контроль доступа, управление секретами и защиту внешних интерфейсов.
• Непрерывный мониторинг: команды SOC должны видеть происходящее в инфраструктуре и быстро реагировать на подозрительную активность.
• Более строгий контроль изменений: важные изменения конфигурации нужно проверять, а возможность вернуть систему к заведомо рабочему состоянию — сохранять и регулярно тестировать.

Эти меры напрямую соответствуют слабым местам, которые проявились в расследовании Gambit. Скомпрометированный VPN особенно опасен, если через него можно добраться до службы каталогов, резервных копий и баз данных. Команда, сгенерированная ИИ, становится опаснее, если ей разрешено менять настройки firewall без подтверждения. А ошибка восстановления наносит больший ущерб, когда откат заранее не проверен.

Главный вывод: проблема не только в модели

Расследование Gambit показывает прежде всего проблему управления. ИИ способен резко сократить время, необходимое для разведки, написания скриптов и адаптации к техническим препятствиям. Но после подключения такой системы к рабочей инфраструктуре масштаб ущерба определяют права доступа, сегментация сети, мониторинг и готовность к восстановлению.

Поэтому наиболее надёжные меры остаются хорошо известными: принцип минимальных привилегий, многофакторная аутентификация, раздельная защита VPN и служб каталогов, изолированные и неизменяемые резервные копии, подробное журналирование, обязательное согласование изменений на сетевых устройствах и регулярные учения по восстановлению.

ИИ может ускорить и атаку, и защиту. Но устойчивость инфраструктуры строится на контролях, которые продолжают работать даже тогда, когда модель ошибается.