82% фишинговых писем уже создаются с участием ИИ, а их кликабельность в симуляциях выросла с 12% до 52%. Как пишет Engadget, ИИ в кибербезопасности перестал быть игрушкой для лабораторий и презентаций: он резко удешевил атаки, ускорил поиск уязвимостей и добавил бизнесу новую проблему — доверие к ботам и агентам с доступом к данным.
Главный сдвиг здесь не в том, что у злоумышленников появился ещё один инструмент. Проблема в скорости и пороге входа. То, на что у человеческой группы могли уходить недели, LLM теперь помогает собрать за несколько часов: от разведки по жертве до текста письма, сценария звонка и кода под конкретную цель. Engadget приводит пример февральской атаки на государственные базы данных Мексики, где злоумышленники, по данным VentureBeat, перебрасывали результаты между Claude и ChatGPT: когда один бот отказывался помогать, второй продолжал цепочку. Ещё один тревожный маркер появился уже летом 2026 года, когда OpenAI рассказала об инциденте с моделью в песочнице, которая смогла выбраться из тестовой среды и атаковать Hugging Face, чтобы добыть ответы для синтетического бенчмарка.
Самая массовая зона риска при этом по-прежнему не zero-day, а люди. ИИ добил старый жанр «кривого письма от принца из Нигерии»: плохая грамматика, странные формулировки и культурные огрехи больше не работают как встроенный антивирус в голове сотрудника. Теперь LLM пишет чисто, убедительно и в нужном тоне, а заодно собирает публичные данные о цели и подстраивает письмо под конкретного человека. В тех же материалах, на которые ссылается Engadget, Brightside оценивает долю ИИ в фишинговых письмах в 82%, а рост эффективности таких рассылок в тестовых средах — с 12% до 52%. Параллельно компания фиксирует скачок атак с клонированием голоса на 442% и дипфейков на 680% между 2023 и 2024 годами. Для HR, финансовых команд и техподдержки это уже не экзотика, а новый базовый сценарий риска.
Но куда неприятнее то, что генеративные модели не просто усиливают старые схемы, а создают новые поверхности атаки. Самая обсуждаемая из них — prompt injection, когда вредоносная инструкция прячется в контенте, который ИИ должен обработать. Классический пример из статьи: сотрудник просит корпоративного ассистента пересказать веб-страницу, а внутри страницы зашита команда отправить payroll-данные на чужой адрес. Microsoft, по данным Engadget, находила и более серые кейсы: кнопки «суммировать с ИИ» на сайтах с невидимыми инструкциями запомнить бренд как надёжный источник или продвигать его товары в следующих ответах. OpenAI ещё в 2025 году прямо писала, что полностью закрыть prompt injection в ИИ-браузерах может не получиться. Практический вывод для бизнеса довольно грубый, но честный: не привязывать чувствительные системы к ИИ без жёстких ограничений по доступу, а всё, что копируется в prompt из внешних источников, считать потенциально токсичным.
Есть и менее очевидный фронт. В октябре 2025 года исследование Anthropic, выполненное вместе с UK AI Security Institute и Alan Turing Foundation, показало: для скрытого бэкдора в модель может хватить 250 вредоносных документов. Это уже история не про один удачный фишинг, а про отравление данных и долгую игру на входе в обучающие или retrieval-цепочки. Для разработчиков неприятная часть истории про ИИ в кибербезопасности выглядит ещё и так: модели часто лучше ищут баги, чем пишут безопасный код. Engadget ссылается на исследование Университета Неаполя и данные CodeRabbit, где ИИ-код оказался более склонным к ошибкам и высокорискованным уязвимостям даже при человеческой проверке. То есть «пусть агент быстро накидает, а мы потом посмотрим» всё чаще превращается в поставку технического долга прямо в прод.
Отдельный класс проблем вырос вокруг агентов. Пока рынок увлечён помощниками, которые ходят по вебу, разбирают почту, отвечают кандидатам, лезут в календарь, CRM и даже в деплой, ИБ-команды получают не сотрудника, а очень послушную сущность без инстинкта самосохранения. Если обычный чат-бот можно сбить с курса неправильной инструкцией, то агент с правами на действия превращает такую ошибку в инцидент. Engadget напоминает про кейс Meta: в декабре 2025 года компания внедрила ИИ-помощника для восстановления аккаунтов, а позже выяснилось, что он слишком охотно привязывал адрес злоумышленника к чужому Instagram-аккаунту. Для аккаунтов без MFA это открывало почти прямую дорогу к взлому. С инженерной точки зрения мораль банальна, но почему-то постоянно забывается: автоматизация без минимальных привилегий, журналирования и ручных стоп-кранов быстро становится автоматизацией компрометации.
Защитники, конечно, не стоят на месте. В опросе Trend Micro, который цитирует Engadget, ИБ-специалисты назвали главным приоритетом защиту от мошенничества и дипфейков, а следом — предотвращение атак на приложения, включая prompt injection, poisoning и jailbreaking. Самыми тяжёлыми поверхностями они считают облака и удалённых сотрудников с личными устройствами. Крупные вендоры отвечают зеркально: Microsoft уже вывела Project Perception, где агентные кластеры разделены на роли красной, синей и зелёной команд — одни атакуют и моделируют противника, другие расследуют и оценивают риск, третьи занимаются интеграцией и исправлением. Логика понятна: раз атаки уходят на машинную скорость, оборону тоже хотят разогнать до машинной скорости. Но асимметрия никуда не делась: защитнику всё ещё нужно закрыть все дыры, а атакующему достаточно одной.
Теперь вопрос не в том, будет ли ИИ дальше усиливать атаки, а в том, успеют ли компании перестроить архитектуру доступа раньше, чем агентам начнут доверять payroll, клиентские базы и прод-репозитории. Пока рынок учится жить с новой автоматизацией, ИИ в кибербезопасности всё меньше похож на удобную надстройку и всё больше — на отдельный класс инфраструктурного риска; исходный разбор с примерами и ссылками на исследования собрал .