Исследователи Hunt.io описали кампанию, где коммерческие ИИ-инструменты использовали не для «аналитики на стороне», а прямо внутри атакующего контура. По их данным, Claude Code выполнял команды и автоматизировал действия, а DeepSeek-v4-pro помогал с логикой атаки: подбирал подходы, дорабатывал скрипты и отсекал тупиковые варианты. Для ИБ-команд это плохая новость по очень простой причине: рутинная часть атаки стала быстрее и дешевле.
Что именно нашли исследователи
Hunt.io 14 июля 2026 года сообщил, что вышел на открытую директорию, связанную с инфраструктурой TencShell, и нашёл там журналы операторов, вредоносные файлы, поддельные страницы входа и рабочие инструкции. В материалах фигурировали правительственные цели в Афганистане, Таиланде и на Тайване, а также финансовые организации в Европе, Австралии и Азии. По совокупности признаков исследователи с низкой или средней уверенностью связали кампанию с китайскоязычным актором.
Ключевая деталь не в самом наборе эксплойтов. Таких каталогов в сети хватает. Важнее разделение ролей между моделями: Claude Code отвечал за исполнение и автоматизацию, а DeepSeek-v4-pro использовали для рассуждений, адаптации эксплойтов, обходных ходов и генерации кода. Иначе говоря, одна система «думает, что делать дальше», вторая делает грязную работу в терминале.
Почему это уже не похоже на обычный набор скриптов
Судя по опубликованным фрагментам, ИИ в этой кампании не сводился к переписыванию чужого proof-of-concept из GitHub. Он участвовал в выборе тактики, помогал править код после неудачных попыток и ускорял подготовку фишинговых страниц и служебных скриптов. Это не «автономный хакер из кино», но уже и не банальный набор утилит, который запускают вручную.
Через десять дней появился ещё один показательный эпизод. 24 июля BleepingComputer со ссылкой на Hunt.io и Боба Дьяченко написал об атаке на Министерство финансов Таиланда с использованием агента Hermes в режиме YOLO, то есть без подтверждения опасных команд. Там ИИ автоматизировал уже постэксплуатацию: поиск путей повышения привилегий, перечисление сервисов, обход файловой системы и сбор данных. Этот случай важен как подтверждение тренда: агентные инструменты начинают закрывать не одну стадию, а сразу несколько.
Что это меняет для компаний
Для российских и СНГ-команд вывод вполне прикладной. Всё, что выставлено в интернет и живёт на известных конфигурациях, теперь можно перебирать машинным конвейером почти без усталости и пауз на «посмотреть руками». Под удар в первую очередь попадают внешние панели, забытые тестовые стенды, неактуальные версии open source-сервисов и плохо сегментированные административные узлы.
Вторая проблема ближе к разработке, чем кажется. Если компания сама строит внутренних ИИ-агентов с доступом к терминалу, репозиториям, браузеру и API, то удобный режим «делай без лишних вопросов» становится риском не только в теории. Разница между помощником для DevOps и инструментом для атаки иногда упирается не в модель, а в права, которые ей выдали.
Значение для рынка
Рынку ИБ придётся быстрее перестраиваться с защиты от отдельных операторов на защиту от дешёвых полуавтономных систем. Для стартапов это история про скорость и стоимость атаки, для корпораций — про контроль внешнего периметра и прав агентных инструментов, для интеграторов и МСБ — про новый спрос на аудит открытых сервисов и сценариев доступа. Проще говоря, если сервис можно быстро найти, проверить и добить по готовой цепочке, его будут проверять не стажёры в две смены, а машины без выходных.
Следующий логичный шаг для защитников — не спорить, «настоящий ли это ИИ-хакер», а считать такие связки рабочей частью современной модели угроз.
Источники: Hunt.io, 14 июля 2026; BleepingComputer, 24 июля 2026.