Краткий обзор
Ландшафт кибербезопасности фундаментально изменился. В сентябре 2025 года Anthropic раскрыла то, что считает первым задокументированным случаем крупномасштабной кибератаки, выполненной без существенного человеческого вмешательства, — поддерживаемая китайским государством группа использовала ИИ для автономного выполнения 80–90% операций атаки против примерно 30 глобальных целей. Этот переломный момент подтверждает то, о чём предупреждали исследователи безопасности: ИИ больше не просто инструмент для атакующих — он сам становится атакующим.
Статистика рисует тревожную картину. В 2025 году глобально прогнозируется 28 миллионов кибератак с использованием ИИ — рост на 72% год к году. 87% организаций столкнулись с атаками на основе ИИ, а 85% подверглись угрозам на базе deepfake. Фишинговые письма, сгенерированные генеративным ИИ, достигают показателя открытия 72% — почти вдвое выше традиционного фишинга, — а расходы на фишинг упали на 95% при автоматизации LLM. Экономика атак фундаментально изменилась.
В этом отчёте рассматриваются появление автономных атакующих агентов, превращение больших языковых моделей в оружие и новые категории угроз, которые создал ИИ. Понимание этих угроз необходимо организациям, адаптирующим свою защиту к эпохе ИИ.
Ландшафт угроз ИИ в цифрах
Атак на основе ИИ глобально в 2025
Подверглись атакам на основе ИИ
Рост атак с применением ИИ
Первый задокументированный шпионаж с ИИ
В середине сентября 2025 года Anthropic обнаружила высокотехнологичную шпионскую кампанию, где атакующие в беспрецедентной степени использовали «агентные» возможности Claude. Поддерживаемая китайским государством группа манипулировала Claude Code для попытки проникновения примерно к 30 глобальным целям, причём ИИ автономно выполнял 80–90% операций атаки с минимальным человеческим участием. Это представляет собой первый задокументированный случай крупномасштабной кибератаки, выполненной без существенного человеческого контроля, — парадигмальный сдвиг в ландшафте угроз.
Категории атак с применением ИИ
Фишинг, сгенерированный ИИ
82,6% фишинговых писем теперь используют языковые модели ИИ — рост на 53,5% с 2024 года. LLM создают 91% обнаруженных spear-phishing кампаний с показателем открытия 72%, почти вдвое выше традиционного фишинга.
Мошенничество с deepfake
Использование deepfake-видео в мошенничестве «под CEO» выросло на 83%, что привело к прямым убыткам оценочно в $1,1 млрд. 85% организаций столкнулись с угрозами на основе deepfake в 2025 году.
Автономная эксплуатация
LLM-агенты могут эксплуатировать до 13% уязвимостей zero-day и 25% уязвимостей one-day. 14% крупных корпоративных взломов в 2025 году были полностью автономными — после запуска ни один человек-хакер не вмешивался.
Атаки prompt injection
32% организаций сообщили об атаках prompt injection против своих ИИ-инструментов. Более 60 000 успешных нарушений политик произошли из 1,8 миллиона попыток prompt injection в соревнованиях ИИ-агентов.
Разведка с использованием ИИ
41% уязвимостей zero-day в 2025 году были обнаружены через обратную разработку атакующими с использованием ИИ. Автоматизированное сканирование достигло 36 000 запросов в секунду.
Ускоренный ransomware
Unit 42 продемонстрировал, что развёртывание нескольких ИИ-агентов в тандеме может сжать кампанию ransomware до 25 минут. Скорость атаки стала критически важным преимуществом.
Возможности атак LLM-агентов
Исследования наступательных возможностей LLM-агентов выявляют тревожные результаты. Это не теория — команды LLM-агентов продемонстрировали способность эксплуатировать реальные уязвимости zero-day.
| Возможность | Успешность | Последствия | Источник исследования |
|---|---|---|---|
| Эксплуатация zero-day | До 13% | ИИ способен обнаруживать и эксплуатировать неизвестные уязвимости | Академические исследования 2025 |
| Эксплуатация one-day | До 25% | Более быстрая эксплуатация раскрытых CVE | Академические исследования 2025 |
| Генерация фишингового контента | 52% атак | Публичные LLM используются для фишинговых payload'ов | Отраслевой анализ |
| Spear-phishing кампании | 91% создано LLM | Высоко персонализированные атаки в масштабе | Threat intelligence |
| Полная автономия во взломах | 14% крупных инцидентов | Никакого человеческого вмешательства после запуска | Данные реагирования на инциденты |
LLM Agent Honeypot: обнаружение ИИ-атакующих
Palisade Research провела революционный эксперимент по обнаружению ИИ-агентов в реальной среде. Они создали «LLM Agent Honeypot» с уязвимыми серверами, маскирующимися под правительственные и военные сайты, — привлекательные цели, которые приманивают сложных атакующих.
Среди более чем 11 миллионов попыток доступа исследователи обнаружили восемь потенциальных ИИ-агентов, подтвердив двоих, которые, по-видимому, происходят из Гонконга и Сингапура. Эти агенты демонстрировали поведенческие шаблоны, отличные от человеческих атакующих: систематическое исследование, быстрое переключение контекста и последовательные шаблоны эксплуатации, указывающие на автоматическое функционирование.
Это исследование подтверждает, что ИИ-агенты — не угроза будущего, они действуют уже сейчас. Задача состоит в том, чтобы отличить атаки, направляемые человеком с использованием ИИ-инструментов, от полностью автономных ИИ-агентов. Поведенческие сигнатуры тонки, но обнаруживаемы, что создаёт возможности для защитного ИИ выявлять и блокировать эти угрозы.
Экономика атак с применением ИИ
Расходы на фишинг сокращаются при автоматизации LLM
Хакеры создают атаки быстрее с применением ИИ
Полная кампания с командами ИИ-агентов
Хронология эволюции угроз ИИ
Защита от атак с применением ИИ
Разверните обнаружение на основе ИИ
Традиционное обнаружение на основе сигнатур не может угнаться за атаками, сгенерированными ИИ. Внедрите поведенческий анализ и обнаружение аномалий на основе машинного обучения для выявления новых шаблонов атак.
Усиленная защита электронной почты
При 72% открытий фишинга на основе ИИ электронная почта — критически важный вектор. Разверните продвинутую фильтрацию писем с возможностями обнаружения LLM, анализом контента и профилированием поведения отправителей.
Инструменты обнаружения deepfake
Внедрите технологии верификации видео и аудио для коммуникаций высокой ценности. Установите внеполосные протоколы верификации для финансовых транзакций и чувствительных запросов.
Безопасное использование ИИ-инструментов
32% организаций столкнулись с атаками prompt injection. Внедрите ограждения для внутренних ИИ-инструментов, мониторьте утечку данных и установите политики использования ИИ.
Ускоренное управление патчами
Поскольку ИИ обнаруживает и эксплуатирует уязвимости быстрее, окно для патчинга сужается. Внедрите автоматическое сканирование уязвимостей и приоритизированный патчинг на основе threat intelligence.
Архитектура Zero Trust
Предполагайте взлом. Атаки на основе ИИ могут компрометировать учётные данные и перемещаться латерально с беспрецедентной скоростью. Внедрите непрерывную верификацию, микросегментацию и доступ по принципу минимальных привилегий.
Протоколы человеческой верификации
Для критических действий требуйте человеческую верификацию через несколько каналов. ИИ может убедительно выдавать себя за людей — доверяй, но проверяй через установленные внеполосные методы.
Как TR7 защищает от угроз с применением ИИ
Поведенческий анализ
Анализ на базе ML обнаруживает аномальные шаблоны, характерные для атак на основе ИИ, включая автоматическую разведку и попытки эксплуатации.
Расширенное обнаружение ботов
Различение между людьми, легитимной автоматизацией и активностью ИИ-агентов. Блокировка вредоносного автоматического доступа при сохранении бизнес-операций.
WAAP с обнаружением ИИ
Правила Web Application Firewall, разработанные для обнаружения и блокировки атакующих payload'ов, сгенерированных ИИ, включая изощрённые попытки инъекций.
Threat intelligence в реальном времени
Непрерывный мониторинг появляющихся шаблонов атак ИИ. Быстрое обновление правил при выявлении новых сигнатур угроз.
Ограничение скорости и троттлинг
Интеллектуальное ограничение скорости обнаруживает и блокирует автоматическое сканирование и попытки эксплуатации, характерные для ИИ-агентов.
Контроль доступа Zero Trust
Непрерывная аутентификация и авторизация предотвращает латеральное перемещение, ограничивая влияние взломов с применением ИИ.
Источники и ссылки
Официальное раскрытие первой задокументированной кампании кибератак, оркестрованной ИИ. Подробности об операции, поддерживаемой китайским государством. https://www.anthropic.com/news/disrupting-AI-espionage
Анализ появляющихся возможностей атак ИИ-агентов и сдвиг в сторону автономных кибер-операций. https://www.technologyreview.com/2025/04/04/1114228/cyberattacks-by-ai-agents-are-coming/
Всесторонняя статистика кибератак на основе ИИ, включая показатели фишинга, мошенничество с deepfake и экономику атак. https://deepstrike.io/blog/ai-cyber-attack-statistics-2025
Данные о тенденциях атак ИИ, возможностях LLM-агентов и организационном воздействии. https://www.allaboutai.com/resources/ai-statistics/ai-cyberattack/
Исследование по обнаружению ИИ-агентов в реальной среде через системы honeypot. Доказательства действующих ИИ-атакующих.
Защитите свою инфраструктуру в эпоху угроз ИИ
Атаки на основе ИИ представляют собой фундаментальный сдвиг в ландшафте угроз. Интегрированная платформа безопасности TR7 предоставляет поведенческий анализ, автоматическое обнаружение и интеллектуальные возможности реагирования, необходимые для противодействия автономным угрозам.
Изучить управление ботами