Хакеры используют ИИ, чтобы найти самые ценные данные в уже скомпрометированных сетях компаний

Киберпреступники перестали воспринимать ИИ как обычный генератор вредоносного кода и начали задействовать его на всех этапах атаки — от разведки до вывоза похищенных баз данных. Исследователи Gambit Security разобрали 3 кампании, где нейросети анализировали инфраструктуру жертв, отбирали самые ценные файлы и управляли уже начатыми взломами.

Российские компании и пользователи попадают в ту же зону риска, поскольку описанные схемы легко переносятся на любую цифровую среду.

Один из операторов вымогательской группировки задействовал Claude Code с моделью Claude Sonnet 4.6 при атаках минимум на 6 организаций в конце июня 2026 года. Среди жертв оказались энергетическая компания из Австралии, а также организации финансового, производственного, IT и логистического секторов. Нейросеть генерировала команды разведки, писала вредоносные скрипты, анализировала внутреннюю сеть, помогала менять настройки межсетевых экранов и определяла системы с наибольшей ценностью для взлома.

Показательный эпизод связан с базами данных. Получив доступ к внутренней сети, оператор попросил Claude выбрать самые ценные хранилища. Модель проанализировала обнаруженные системы и выделила рабочую производственную базу и хранилище документов клиентов.

Стоит обратить внимание, что после этого ИИ помог выполнить команды резервного копирования SQL Server и подготовить 2 сжатых дампа баз данных для последующей кражи — один из файлов злоумышленники действительно вывезли с сервера жертвы.

Нейросеть фактически выполняла роль технического аналитика — человеку уже не обязательно самостоятельно копаться в десятках серверов и гигабайтах информации. При этом ИИ способен ошибаться грубо. При атаке на австралийскую энергетическую компанию Claude попытался изменить настройки сетевого экрана, стандартные API-команды не сработали, модель скачала конфигурацию устройства, изменила её и загрузила обратно. После этой правки межсетевой экран перестал быть доступен.

Защитные ограничения нейросети не всегда становились преградой. В одном эпизоде Claude отказался продолжать работу, поняв, что взаимодействует с реальной производственной системой без подтверждённого разрешения. Оператор просто начал новую сессию и заявил, что проводит авторизованное тестирование безопасности — после этого модель продолжила выполнение инструкций.

Вторая кампания Gambit Security показывает автоматизированный поиск случайно опубликованных секретов. Операторы группировки Zerofot создали инструмент auto_scan для сканирования открытых файлов и каталогов в интернете. Программа загружала найденные материалы и автоматически проверяла содержимое на наличие ценных данных:

• API-ключи разработчиков и служебных учётных записей;
• токены доступа к внутренним сервисам компаний;
• SSH-ключи для удалённого управления серверами;
• AWS-ключи от облачных ресурсов;
• доступы к сервисам Google Gemini, OpenAI, GitHub и Anthropic.

Сам инструмент был создан при помощи OpenAI Codex и Claude Code. Чтобы снизить вероятность отказа моделей, разработчики представляли задачу как работу в авторизованной CTF-песочнице. С 5 апреля по 23 мая 2026 года Zerofot обнаружила 2975 действующих ключей и учётных данных на 1742 узлах.

Получается замкнутая схема — ИИ помогает создавать инструмент, который затем автоматически ищет секреты, открывающие доступ к другим ИИ-сервисам и облачной инфраструктуре. Схожие утечки регулярно фиксируются и у российских разработчиков, публикующих код с секретами в открытых репозиториях.

Третий случай связан с фреймворком RAGE — набором Python-инструментов для автоматического поиска уязвимых интернет-сервисов, эксплуатации найденных слабостей, кражи учётных данных и установки криптомайнеров. Значительная часть RAGE и сопутствующих скриптов, по оценке исследователей, была создана с помощью ИИ. Более того, нейросеть встроена в сам фреймворк — через подключённый DeepSeek работает AI Orchestrator, помогающий оператору управлять криптомайнинговой сетью.

RAGE атакует популярные сервисы, широко распространённые в том числе в российских инфраструктурах:

• Redis, Elasticsearch, Docker и Tomcat в качестве основных целей;
• Jenkins и Hadoop YARN через дополнительные модули;
• Confluence и Supervisord для расширенного охвата;
• облачные метаданные для получения ключей доступа;
• механизмы повышения привилегий и установки майнеров.

В одном из инцидентов злоумышленники получили AWS-учётные данные через неправильно защищённый Redis. После проникновения в облачную среду они задействовали дополнительные скрипты для поиска других ключей и конфиденциальной информации.

Отмечается, что ИИ постепенно превращается из инструмента для генерации вредоносного кода в полноценный слой автоматизации кибератаки — раньше преступнику приходилось самому анализировать результаты сканирования, а теперь значительную часть работы можно поручить языковой модели.

О полностью автономных хакерах речь пока не идёт. В рассмотренных случаях человек по-прежнему ставил задачи, контролировал действия и принимал решения. Но ИИ заметно сокращает объём ручной работы и позволяет одному оператору обрабатывать гораздо больше целей одновременно.

Опасным становится сочетание нескольких технологий подряд. ИИ пишет инструменты, автоматически ищет уязвимые системы, извлекает учётные данные, анализирует инфраструктуру, определяет самые ценные данные и помогает провести дальнейшую атаку. Российские организации входят в этот периметр наравне с зарубежными — Redis, Elasticsearch, Docker и Confluence используются в отечественных компаниях так же массово.

Ранее сообщалось, что киберпреступники нашли способ покупать не просто адреса сайтов, а готовую цифровую репутацию. Группировка Sable Squirrel потратила почти 7 млн долларов на домены с истёкшей регистрацией, превратив их в инфраструктуру для нелегальных трансляций, рекламы азартных сервисов и распространения вредоносного ПО. Схема оказалась массовой — ежедневно в популярных доменных зонах перерегистрируется около 50 400 освободившихся адресов.

Эксперты CISOCLUB прокомментировали ситуацию и обратили внимание на несколько моментов. Автоматизация меняет саму экономику атак, снижая порог входа для менее квалифицированных злоумышленников. Небольшая группа теперь способна выполнять работу целой команды прежних лет, а скорость подготовки атаки сокращается с недель до дней.

Российским компаниям стоит пересматривать модели угроз с учётом ИИ-компонента, а не только классических векторов проникновения. Ротация ключей и токенов, а также ограничение доступа к тестовым средам становятся обязательной практикой, а не рекомендацией. Мониторинг аномального поведения внутри сети выходит на первый план, поскольку ИИ помогает злоумышленникам маскировать действия под легитимную активность.