ИИ в кибератаках пока чаще производит не прорывные техники, а плохо собранные фишинговые письма, открытые панели управления и неработающий вредоносный код. На фоне опросов, где до 84% атак-вымогателей связывают с ИИ, это полезное напоминание для российских команд безопасности: автоматизация действительно увеличивает поток угроз, но не отменяет проверку качества и человеческие ошибки злоумышленников.
Как сообщает Dark Reading, исследователи Proofpoint наблюдают это на примере группы TA4903, которая занимается кражей учётных данных и компрометацией деловой переписки. Раньше она убедительно маскировалась под структуры правительства США, готовила продуманные PDF-приманки, QR-коды и посадочные страницы. С марта 2026 года группа стала применять генеративный ИИ почти по всей цепочке атаки — от выбора жертв до сбора учётных данных. Результат оказался далёк от рекламных обещаний вокруг «автономных» атакующих агентов.
По данным Proofpoint, TA4903 начала собирать собственные фишинговые наборы в стиле vibe coding — быстро генерировать код по текстовым запросам без достаточной инженерной проверки. Из-за этого в открытом доступе оказывались панели управления, конфигурации Cloudflare, ссылки и шаблоны приманок, а иногда и похищенные данные. Для исследователей это означает возможность заранее увидеть инфраструктуру кампании и её потенциальные цели. Для атакующих — потерю главного ресурса: скрытности.
Деградировало и содержимое писем. Среди примеров — QR-коды, которые не отображаются в почтовом клиенте, оформленные PDF-файлы в письмах без текста и попытки выдать себя за реальные организации с неотредактированными автосгенерированными фрагментами. Это не делает кампанию безвредной: получатель всё равно может перейти по ссылке. Но такие артефакты упрощают работу почтовых фильтров, SOC и сотрудников, обученных замечать несоответствия.
Похожая картина видна и у групп, которые обычно относят к продвинутым постоянным угрозам. Исследователи Genians описали кампанию северокорейской Kimsuky против Украины, где ИИ-агенты и инфраструктура больших языковых моделей использовались для подготовки целевого фишинга и написания кода. В письмах путались украинские, южнокорейские и японские адресаты, менялись род и стиль обращения, а содержимое не совпадало с вложенными документами. Приглашение в Google Meet могло содержать ссылку на Zoom. Вредоносный код страдал от логических ошибок, слабой обфускации и пропущенных компонентов.
В марте Bitdefender также писал о смене подхода у пакистанской APT36, известной как Transparent Tribe. Группа переходила к «vibeware» — одноразовым полиглот-файлам, которые можно быстро сгенерировать под конкретную функцию. Массовость даёт преимущество: защитникам приходится разбирать больше образцов. Но сам по себе объём не помогает, если стилер на Go не умеет выводить украденные данные, а система управления ботами работает не по назначению.
Технический директор Bitdefender Мартин Зугец объясняет осторожность сильных групп просто: кибершпионаж требует минимального шума. Модель перебирает прямые и альтернативные способы выполнить запрос, оставляя больше следов, чем оператор, который заранее понимает цель операции. Для APT публичное исследование раскрытой кампании может отбросить разработку инструментов на годы, поэтому генеративный ИИ в кибератаках используют точечно — например, как вспомогательный инструмент при создании отдельных компонентов вредоносного ПО, а не как автопилот кампании.
Бизнесу и разработчикам не стоит делать из этой истории повод расслабиться. Генеративные инструменты снижают цену входа для менее квалифицированных преступников и способны увеличить число писем, доменов и одноразовых образцов. Но защите полезнее искать не мифическую «ИИ-атаку», а знакомые признаки: открытые сервисы, несогласованную инфраструктуру, ошибки в языке, нестыковки вложений и сетевую активность. В ближайшее время конкурентным преимуществом атакующих будет не доступ к модели, а способность не превратить её вывод в очередной цифровой мусор.