Искусственный интеллект (AI) ускоряет промышленные киберугрозы с помощью автоматизированных инструментов атаки

Ландшафт промышленной кибербезопасности претерпевает глубокую трансформацию: искусственный интеллект (AI) перестаёт быть теоретическим риском и превращается в мощную оперативную силу для злоумышленников. Недавний анализ SANS и данные ecrime.ch показывают, что AI стимулирует резкое увеличение скорости и масштаба атак, нацеленных на операционные технологии (Operational Technology, OT). Хотя «автономный цифровой солдат» во многом остаётся мифом, реальность не менее тревожна: AI выступает в роли множителя силы, снижая барьеры входа и сокращая время, необходимое для разведки, фишинга и генерации эксплойтов.

Согласно новому докладу, опубликованному 1 февраля 2026 года, интеграция AI-инструментов в арсенал атакующих фундаментально бросила вызов традиционным парадигмам защиты. Специалисты по безопасности теперь сражаются не просто с человеческой изобретательностью, а с людьми-противниками, усиленными автоматизацией на машинной скорости. Этот сдвиг особенно очевиден в росте инцидентов с программами-вымогателями (ransomware) и в сложном использовании больших языковых моделей (Large Language Models, LLMs) для обхода установленной политики безопасности.

Автоматизированный арсенал: скорость и масштаб атак на OT

Основная роль AI в текущем ландшафте угроз — не замена человеческих атакующих, а ускорение их рабочих процессов. Анализ SANS подчёркивает, что злоумышленники используют AI для автоматизации трудоёмких этапов жизненного цикла атаки. Задачи, которые ранее требовали специализированных команд и недель разработки — такие как создание работоспособного эксплойт-кода или картирование топологий сети — теперь могут выполняться за считанные минуты.

Эксперты предупреждают, что это ускорение наиболее опасно на этапах первоначального доступа и разведки. AI-инструменты способны анализировать огромные объёмы открытой информации (OSINT), чтобы генерировать высокоточные целевые атаки spear-phishing, имитирующие специфическую техническую лексику операторов подстанций или инженеров заводов. Кроме того, недавние кампании демонстрируют использование продвинутых ассистентов для кодирования, чтобы автоматизировать латеральное движение и кражу учётных данных после установления плацдарма.

Ниже приведена таблица, иллюстрирующая, как интеграция AI меняет динамику промышленных кибератак по сравнению с традиционными методами:

Сравнение традиционных и ускоренных AI промышленных атак

Статистика вымогательского ПО за 2025 год: рекордный год

Осязаемое влияние этих ускоренных возможностей отражено в резких статистических данных за 2025 год. По данным ecrime.ch, акторы программ-вымогателей разместили ошеломляющее число — 7,819 инцидентов — на сайтах утечек данных в течение года. Этот всплеск представляет значительную эскалацию объёма атак, частично обусловленную эффективностью, достигнутой за счёт автоматизированных инструментов.

Географически основным ударом страдали Соединённые Штаты, на долю которых пришлось почти 4 000 зарегистрированных инцидентов. Такое несоответствие подчёркивает уязвимость критической инфраструктуры в высоко оцифрованных промышленных странах. Другие западные экономики также столкнулись со значительными угрозами, хотя и в меньших объёмах по сравнению с США.

Наиболее атакованные страны в 2025 году:

• США: ~4,000 инцидентов
• Канада: >400 инцидентов
• Германия: 292 инцидента
• Великобритания: 248 инцидентов
• Италия: 167 инцидентов

Ландшафт акторов угроз по-прежнему доминируется устоявшимися группами программ-вымогателей, успешно адаптировавшими свои тактики для включения новых технологий. В 2025 году в числе лидеров по числу преступлений были Qilin, Akira, Cl0p, PLAY и SAFEPAY. Эти группы продемонстрировали устойчивость и адаптивность, используя AI не только для шифрования, но и для улучшения процесса вымогательства путем быстрого выявления ценных данных в скомпрометированных сетях.

Реальные кейсы: не только теоретические риски

Сдвиг в сторону угроз на базе AI подтверждается проверенными примерами, зафиксированными в полевых условиях. Пол Лукоуски (Paul Lukoskie), старший директор по разведке угроз в Dragos, выделил конкретные кампании, обозначенные как GTG-2002 и GTG-1002. В этих инцидентах было установлено, что атакующие использовали Claude Code от Anthropic для автоматизации нескольких слоёв вторжения. Это включало разведку, сканирование на уязвимости и оптимизацию путей атаки, демонстрируя, как коммерчески доступные AI-инструменты переориентируются для злонамеренных целей.

Фернандо Герреро Баутиста (Fernando Guerrero Bautista), эксперт по безопасности OT (OT security) в Airbus Protect, отметил, что AI в настоящее время функционирует как «сложный технический множитель силы». Он подчеркнул, что AI позволяет злоумышленникам с беспрецедентной скоростью реверс-инжинировать проприетарные промышленные протоколы. Эта возможность особенно опасна в средах OT, где безопасность часто основывается на «безопасности через неочевидность» — предположении, что атакующим не хватает узкоспециализированных знаний для манипуляции конкретными промышленными контроллерами. AI фактически нейтрализует эту защиту, предоставляя мгновенный доступ к техническим спецификациям и документации по протоколам.

Сдвиг в сторону тонкой деградации операций

Хотя катастрофические события вроде отключений электроэнергии привлекают внимание СМИ, возникает более коварная тенденция. Стив Мастерд (Steve Mustard), член ISA, предупреждает, что AI даёт возможность проводить атаки, ориентированные на «тонкую, постоянную деградацию операций». Вместо того чтобы вызывать немедленные тревоги масштабным сбоем, эти AI-поддерживаемые атаки нацелены на незначительное снижение эффективности, увеличение износа оборудования или манипуляции допусками качества.

Эти тонкие манипуляции разработаны так, чтобы обходить традиционные сигналы контроля систем, которые калибруются на обнаружение значительных отклонений. Работая в пределах погрешностей, злоумышленники могут причинять долгосрочный экономический ущерб и повреждения оборудования, имитирующие нормальное старение или проблемы технического обслуживания. Такой подход «медленной капли» создаёт замешательство, усложняет поиск неисправностей и подрывает доверие к надёжности критической инфраструктуры.

Дилемма защиты: почему Zero Trust недостаточно

В ответ на эволюцию этих угроз многие организации обращаются к архитектурам Zero Trust (Zero Trust). Хотя принципы, такие как микро-сегментация и доступ по наименьшим привилегиям, жизненно важны, эксперты утверждают, что они сами по себе недостаточны для остановки адаптирующихся к AI противников.

Основная проблема заключается в природе OT-среды, которая часто опирается на устаревшие системы и проприетарные протоколы (такие как Modbus), не имеющие встроенной поддержки современных механизмов аутентификации и шифрования. Внедрение строгих политик Zero Trust также может конфликтовать с требованиями безопасности и доступности, потенциально вводя задержки или блокируя критические команды в чрезвычайной ситуации.

Кроме того, атакующие с помощью AI эксплуатируют «разрыв контекста (Context Gap)» между командами IT-безопасности и операторами OT. Аналитики безопасности могут видеть пакеты данных, но не понимать физических последствий конкретной команды, в то время как операторы завода понимают физику процессов, но могут не распознать кибераномалию, замаскированную под колебание процесса. AI использует этот вакуум, скрывая свою активность в шве, где цифровая безопасность заканчивается и начинается физическое инженерное дело.

Переосмысление устойчивости в эпоху AI

По мере эволюции ландшафта угроз, определение устойчивости в промышленных секторах также должно измениться. Консенсус среди лидеров отрасли таков: профилактика одна не является жизнеспособной стратегией. Вместо этого устойчивость переопределяется как «плавное деградирование (Graceful Degradation)» — способность сохранять основные функции и возможности «чёрного старта» даже при компрометации цифрового уровня.

Этот подход требует возвращения к инженерным основам. Он предполагает, что цифровой периметр будет нарушен, и обеспечивает, чтобы человеческие операторы сохраняли возможность вручную переопределять «умные» системы для безопасного управления сетью или заводом.

Ключевые стратегии для обеспечения будущей защиты OT:

• Человек-В-Цикле (Human-ON-the-loop): Структуры управления должны позволять автоматизированным системам безопасности переходить в детерминированные безопасные состояния без ожидания человеческого разрешения, в то время как люди контролируют восстановление.
• Единое управление (Unified Governance): Установление чётких прав принятия решений между ИТ и OT командами до возникновения инцидента критично для устранения разрыва ответственности.
• AI для обороны (AI for Defense): Использование AI для повышения ситуационной осведомлённости, а не только для обнаружения угроз. AI может помогать защитникам обрабатывать огромные объёмы телеметрии, чтобы понять «физику» атаки, противодействуя преимуществу противника.

Промышленный сектор стоит на критической развилке. Интеграция AI в киберугрозы сократила временные рамки атаки и расширила поверхность потенциальных уязвимостей. Защита от этого требует не только новых инструментов, но и фундаментального смены мышления — перехода от опоры на периметральную безопасность к стратегии устойчивости, ручного резервирования и непрерывного обучения с поддержкой AI.