Атакующие ИИ-агенты Dreadnode в тестах брали полный контроль над средой Active Directory меньше чем за шесть минут. Для команд, которые строят автоматизированную защиту, вывод неприятный, но полезный: машине пока проще атаковать, чем расследовать и сдерживать атаку.
Об этом пишет Dark Reading со ссылкой на исследование стартапа Dreadnode. Компания использует два инструмента с открытым кодом: DreadGOAD, который разворачивает воспроизводимую среду Active Directory, и Ares, где атакующие и защитные агенты работают в одной инфраструктуре и получают оценку по одним и тем же событиям.
Одна среда для атаки и расследования
DreadGOAD вырос из проекта GOAD и нужен не для стерильной лаборатории, а для среды, похожей на обычную корпоративную сеть с унаследованными настройками и старыми ошибками. Поверх этой среды работает Ares: красные агенты ищут узлы, повышают привилегии и доводят атаку до компрометации, а синие разбирают телеметрию, сортируют оповещения и пытаются остановить инцидент.
По данным Dreadnode, в таких прогонах атакующие агенты добирались до доминирования в домене менее чем за шесть минут. В собственной публикации компания добавляет еще одну неприятную цифру: в трехлесной среде Active Directory они получали права Domain Admin более чем в 95% запусков. Для рынка это плохой сигнал: разрыв между автоматизированной атакой и автоматизированной защитой уже не выглядит теорией для конференций.
Почему защите пока тяжелее
Исследователь Dreadnode Мартин Вендиггенсен объясняет перекос просто: успех атаки считать легче, чем успех защиты. Если агент взломал среду, это видно сразу. Если защитный агент должен понять, какие события связаны между собой, где началось боковое перемещение и когда пора изолировать сегмент, задача перестает быть двоичной.
Отсюда и разница в обучающих данных. Для наступательных сценариев их проще генерировать, а для оборонительных приходится собирать длинную цепочку сигналов, решений и ошибок. В переводе на язык бюджета это значит одно: обучать защитного агента дольше, дороже и больнее для команды.
Где синие агенты ломаются
Первые версии защитных агентов у Dreadnode, по словам Вендиггенсена, были попросту слабыми. Главная проблема оказалась знакомой любому SOC: агент захлебывался в потоке данных, быстро забивал контекстное окно и фактически прекращал расследование. Команде пришлось добавить отдельный менеджер контекста, который решает, что держать в активной памяти, что сжимать и что возвращать в анализ позже.
Вторая проблема еще ближе к реальной эксплуатации. Синие агенты обрабатывали первые несколько оповещений, но затем переставали искать дальнейшую активность и пропускали боковое перемещение. Во время живой атаки качество их рассуждений падало под нагрузкой. Для красивого демо это терпимо. Для боевого SOC это уже не баг, а прямая дорога к пропущенному инциденту.
Атаки стали учебными данными для защиты
Dreadnode начала использовать действия красных агентов как источник данных для обучения синих. Идея в том, что каждая симуляция атаки оставляет точную картину происходящего: что именно сделал атакующий, в каком порядке и к чему это привело. На таком материале защитным агентам проще учиться восстанавливать цепочку вторжения и точнее ставить себе подзадачи.
По мере таких прогонов защитные агенты начали прибавлять не только в качестве, но и в экономике. Вендиггенсен отмечает, что пара запросов к журналам событий Windows может стоить около 200 тысяч токенов. Но когда агент лучше понимает, какие данные действительно нужно отправлять в LLM, расходы падают. В тестах Dreadnode стоимость работы синих агентов снизилась примерно на 25%.
Значение для рынка
Для российских и СНГ-команд вывод практический: внедрение ИИ в SOC не сводится к покупке модели и новой панели мониторинга. Узкие места будут вполне приземленные: качество телеметрии, объем журналов, управление контекстом, цена запросов к API и способность системы не бросать расследование на середине. Если у компании уже есть полигон для тестов безопасности, следующий логичный шаг — использовать его не только для проверки атак, но и как фабрику данных для защитных агентов.
6 августа 2026 года Dreadnode обещает показать дополнительные результаты на Black Hat USA. Если они подтвердят текущую динамику, рынок получит не очередную историю про «ИИ взламывает быстрее человека», а более полезный вывод: хорошую защиту теперь придется учить на хороших атаках. Источник: .