Новый уровень угроз: ИИ помогает взломщикам

Искусственный интеллект становится инструментом не только для защиты, но и для нападения. В мае 2026 года Google Threat Intelligence Group зафиксировала случай использования ИИ для создания эксплойта нулевого дня. Злоумышленники использовали Python-скрипт, который позволял обойти двухфакторную аутентификацию в популярном инструменте системного администрирования.

Исследователи пришли к выводу, что ИИ помог как в поиске уязвимости, так и в подготовке атаки. Об этом свидетельствовали необычно подробные комментарии в коде, сфабрикованный рейтинг уязвимости и специфический структурированный стиль написания, характерный для нейросетей. При этом сама уязвимость была связана не с техническим сбоем, а с логической ошибкой в доверительных процессах системы.

Рост числа уязвимостей в реальных атаках

Проблема использования ИИ в кибератаках не является единичным случаем. Согласно данным Google за 2025 год, количество эксплуатируемых уязвимостей нулевого дня в реальных условиях выросло: 90 случаев в 2025 году против 78 в 2024 году. Это рекордные показатели для базы данных компании.

Почти половина всех таких случаев (48%) приходится на корпоративное программное обеспечение и специализированные устройства. Это подчеркивает растущую значимость защиты сложных программных экосистем.

Проблема «невидимых» компонентов в контейнерах

Когда уязвимость становится публичной, главной задачей безопасности становится поиск мест, где этот код используется. В современных контейнерных средах это крайне сложная задача. Образ контейнера может содержать множество слоев: системные пакеты, библиотеки приложений и зависимости, которые были унаследованы от базового образа.

Уязвимый компонент может находиться на несколько уровней глубже основного приложения. Организация может даже не знать, что использует этот код, если он был добавлен как часть сторонней библиотеки. Масштаб этой проблемы наглядно показала уязвимость Log4Shell в 2021 году, когда библиотеку Log4j использовали в огромном количестве продуктов по всему миру.

Как ИИ помогает защитникам

Искусственный интеллект может значительно сократить время между обнаружением ошибки и выпуском исправления. Модели способны анализировать исходный код, сопоставлять отчеты об уязвимостях с реестрами пакетов и предлагать варианты исправлений. Например, система CodeMender от Google DeepMind за первые полгода помогла внести 72 исправления в открытые проекты, используя комбинацию логических рассуждений ИИ и методов тестирования.

Однако автоматизация не исключает человека. Исследователи должны проверять предложенные ИИ патчи, чтобы убедиться, что они устраняют причину ошибки, а не только ее внешние симптомы, и не ломают работу системы.

Что это значит

Скорость реагирования на угрозы зависит не только от совершенства инструментов анализа. Даже самый продвинутый ИИ не поможет быстро устранить проблему, если в компании нет четкого учета всех компонентов ПО. Организации, которые используют минимальные образы контейнеров и ведут точные инвентарные списки (Software Bill of Materials), смогут реагировать на атаки значительно быстрее за счет прозрачности своей инфраструктуры.