Содержание
Почти автономная AI-атака скомпрометировала государственную инфраструктуру
Исследователи Dream раскрыли многоагентную систему, которая провела реальную кибератаку на государственные организации Тайваня. За четыре дня — с 1 по 4 июля — она организовала 12 волн атак, создала 1395 рабочих файлов, взломала 85 учётных записей и извлекла более 2564 записей о сотрудниках и пользователях. Исследование опубликовано 12 августа.
Как работала система AI-агентов
Фреймворк был собран на базе общедоступных Hermes и OpenClaw и запускал до восьми специализированных агентов параллельно. Одни искали открытые API и конфигурации авторизации, другие проверяли пароли, анализировали код и выстраивали цепочки для перемещения между связанными системами.
Система не просто выполняла заранее заданный сценарий. Она оценивала вероятность успеха атак, перераспределяла ресурсы между целями, искала новые техники в базах уязвимостей и на GitHub, а после каждой волны использовала результаты для следующего шага. По данным Dream, отказ моделей выполнять опасные запросы обходили, представляя операцию как разрешённое тестирование на проникновение.
Что удалось скомпрометировать
AI-агенты нашли незащищённые API, отладочные точки входа и ошибку проверки JWT, а также автоматически распознавали CAPTCHA. Полученные учётные данные использовали для доступа к другим системам через единый вход. Затем атака расширилась на подрядчиков, государственную почту, агентство по ядерной безопасности и более семи компаний энергетического сектора.
Почему это важно бизнесу
Главный вывод не в том, что AI полностью заменил хакеров: настройка такой системы всё ещё требует квалификации. Но агенты уже могут выполнять разведку, проверять гипотезы и масштабировать атаки значительно быстрее человека. Это снижает стоимость сложных операций и позволяет одновременно работать по большому числу целей.
Для компаний это повод проверить базовые меры, которые остановили бы значительную часть описанной атаки: обязательную многофакторную аутентификацию, защиту всех API, отключение отладочных эндпоинтов в продакшене, корректную проверку подписей JWT, ограничения загрузки файлов и мониторинг массовых попыток входа. AI-агенты усиливают атакующих, но чаще всего используют уже существующие ошибки в инфраструктуре.