AI tăng tốc tấn công mạng, thách thức bảo mật

AI giúp kẻ tấn công nhanh chóng và dễ dàng hơn trong các cuộc tấn công mạng, nhưng mục tiêu và kỹ thuật tấn công vẫn không thay đổi. Ví dụ, ransomware JadePuffer sử dụng AI để tự động hóa chuỗi xâm nhập, trong khi lỗ hổng zero-day trong Langflow được khai thác để lấy thông tin bí mật.

Nội dung chính

• AI giúp kẻ tấn công tăng tốc và mở rộng quy mô các cuộc tấn công, nhưng mục tiêu và kỹ thuật tấn công vẫn không thay đổi.
• Ransomware JadePuffer sử dụng AI để tự động hóa chuỗi xâm nhập.
• Lỗ hổng zero-day trong Langflow được khai thác để lấy thông tin bí mật.
• AI giúp kẻ tấn công nhanh chóng phát hiện và khai thác lỗ hổng trong mã nguồn mở.
• Thời gian giữa việc phát hiện và khai thác lỗ hổng gần như bằng không.

Chi tiết sự việc

AI có thể giúp kẻ tấn công tăng tốc và mở rộng quy mô hoạt động của họ, nhưng nó chưa thay đổi mục tiêu hay kỹ thuật tấn công cơ bản của họ. Các kỹ thuật chính như lừa đảo qua email (phishing), phần mềm độc hại (malware) và khai thác lỗ hổng (vulnerability exploitation) vẫn được sử dụng. Theo các chuyên gia về an ninh mạng, việc sử dụng công cụ AI đã làm cho các cuộc tấn công dễ dàng hơn và rẻ hơn cho cả những kẻ tấn công ít kỹ năng hơn.

Kẻ tấn công vẫn xác định mục tiêu, thực hiện thám thính, thiết lập một điểm vào, di chuyển ngang, đạt được mục tiêu, che giấu hành động và chuyển sang mục tiêu tiếp theo. Thay đổi duy nhất là tốc độ và quy mô mà AI cho phép quá trình này diễn ra. Ngay cả trong cuộc tấn công AI mạnh nhất cho đến nay, Claude Code bị sử dụng bởi các nhà tài trợ nhà nước Trung Quốc để thực hiện một chiến dịch thám thính qua mạng AI vào tháng 9/2025, các kỹ thuật tấn công truyền thống và quy trình vẫn là nền tảng, với AI được sử dụng như một công cụ hỗ trợ để hỗ trợ thám thính, phát hiện lỗ hổng, khai thác, di chuyển ngang, thu thập thông tin tài khoản, phân tích dữ liệu và lấy đi dữ liệu.

Trong một chiến dịch ransomware được công bố vào tháng 7/2026, JadePuffer, công cụ AI đã tự động hóa hầu hết chuỗi xâm nhập. Khai thác ban đầu thông qua CVE-2025-3248, một lỗ hổng thiếu xác thực đã tồn tại một năm trong Langflow, một khung mã nguồn mở phổ biến để xây dựng ứng dụng và chu trình công việc của agent. Các instance internet-exposed Langflow bị truy cập để lấy thông tin tài khoản đám mây, API keys và các bí mật khác trước khi di chuyển ngang, nâng cao quyền và cuối cùng là mã hóa dữ liệu cơ sở dữ liệu.

JadePuffer cho thấy AI có tiềm năng tự động hóa các phương pháp tấn công truyền thống, nhưng nó cũng nhấn mạnh sự yếu kém của phần mềm nơi AI đã mang lại lợi thế lớn cho kẻ tấn công. Công cụ AI có thể tìm thấy các lỗ hổng có thể khai thác trong mã nguồn mở nhanh hơn so với việc bảo vệ chúng, một vấn đề lớn cho nhiều doanh nghiệp đang mang nợ kỹ thuật nhiều năm. Các chuyên gia về an ninh mạng thấy rằng các lỗi phần mềm là nguyên nhân gốc rễ của các vụ rò rỉ dữ liệu.

AI giúp kẻ tấn công nhanh chóng hơn trong việc thất bại hay thành công. Các nhà phòng thủ chứng kiến sự cải thiện về tốc độ, quy mô và khả năng vận hành từ kẻ tấn công liên quan mạnh mẽ với sự phát triển của công cụ AI. 'Adversaries are realizing the same gains in development velocity and operations that everyone else is getting from implementing AI,' Darren Meyer, một nhà nghiên cứu an ninh mạng tại Checkmarx, nói.

Ronald Lewis, giám đốc quản lý về an ninh mạng tại Black Duck, thấy rằng AI mở rộng phạm vi của kẻ tấn công và cho phép họ thử nghiệm nhiều hơn. 'Kẻ tấn công có thể điều tra nhiều cơ hội, thử nhiều cách tiếp cận và chuyển sang mục tiêu tiếp theo với tốc độ khó mà một đội ngũ nhân viên con người có thể theo kịp,' ông Lewis nói.

Điều này sẽ ngày càng thay đổi một giai đoạn quan trọng trong các mẫu tấn công truyền thống mà truyền thống là lợi thế cho các nhà phòng thủ. 'Gian đoạn này, thường kéo dài tuần hay tháng, là nơi phát hiện xảy ra,' Crystal Morin, một chiến lược gia an ninh mạng cao cấp tại Sysdig, nói. 'Trong khi kẻ tấn công trước đây hạ cánh, ngồi lại và khám phá, kẻ tấn công AI hỗ trợ đã cho thấy dấu hiệu của việc giảm thời gian phát hiện. Và các agent AI sẽ không chờ đợi.'

Bằng cách sử dụng AI agentic trong hoạt động của họ, hacker có thể truy cập vào một nguồn kiến thức chuyên môn sâu hơn - quản lý cơ sở dữ liệu, CI/CD, v.v. - so với đội ngũ tấn công nhân viên khác, nơi mỗi người thường chuyên về một lĩnh vực khác nhau như an ninh ứng dụng web hay phát triển phần mềm độc hại. 'Think of it as a database admin, a developer, an IT engineer, a DevOps specialist, a cloud architect, and a hacker combined into a single role,' Nazar Tymoshyk, CEO và người sáng lập của UnderDefense, nói. 'Chúng tôi gọi nó là agentic APT, và sự thay đổi quan trọng là nó không còn chỉ dành cho các nhà tài trợ nhà nước.'

Tymoshyk thêm: 'Một mối đe dọa trước đây yêu cầu một đội ngũ chuyên gia phối hợp có thể được triển khai bởi một người với câu lệnh đúng và mô hình đúng.'

security researchers, including underdefense, cho biết kẻ tấn công thường chọn các mô hình Trung Quốc, cụ thể là GLM và Kimi 3, thay vì các mô hình hạn chế hơn của phương Tây. các mô hình Trung Quốc có ít hạn chế nội dung hơn, giúp chúng dễ dàng hơn trong việc triển khai tấn công.

tymoshyk giải thích rằng, kẻ tấn công thay đổi giữa các mô hình tùy thuộc vào yêu cầu nhiệm vụ: một mô hình cho công tác tình báo, một cho việc tạo mã, và một cho việc tạo nội dung kỹ thuật xã hội. tính linh hoạt là một phần của thiết kế tấn công.

kẻ tấn công thường sử dụng các mô hình địa phương vì lợi ích về an ninh hoạt động và vì một số mô hình có thể có bảo vệ yếu hơn chống lại việc sử dụng độc hại.

nhà nghiên cứu khác cảnh báo rằng việc sử dụng các mô hình cụ thể là khó xác định và, trong mọi trường hợp, chỉ là vấn đề phụ so với vấn đề chính là bảo vệ chống lại các cuộc tấn công.

meyer từ checkmarx nói rằng, xác định nguồn gốc của các cuộc tấn công cụ thể từ các mô hình cụ thể là suy đoán hoàn toàn dựa trên bằng chứng mỏng. xác định chính xác chỉ có thể đến từ xâm nhập vào nhóm tấn công hoặc xâm phạm cơ sở hạ tầng của nhóm tấn công, cả hai đều hiếm khi có sẵn cho các nhà nghiên cứu công khai.

thực tế hiện tại của các cuộc tấn công bao gồm các hoạt động do AI điều phối, nơi mà các mô hình hiện diện, xác nhận và thực hiện các con đường tấn công. các nhà nghiên cứu an ninh báo cáo rằng có sự chuyển đổi chung từ các cuộc tấn công được hỗ trợ bởi AI và được tăng tốc bởi AI sang các cuộc tấn công hoàn toàn tự động, với vai trò con người chỉ còn hạn chế.

kinh tế của việc triển khai các cuộc tấn công cũng đang thay đổi - điều này quan trọng trong việc hiểu việc sử dụng AI ngày càng tăng của kẻ tấn công.

mô hình của một kẻ tấn công con người xây dựng một quy trình làm việc cho mỗi chiến dịch và tái sử dụng nó, vì vậy mỗi mục tiêu mới đều tốn thời gian kỹ sư để điều chỉnh. một kẻ tấn công đại diện mang thông tin về một lớp ứng dụng và tạo ra kế hoạch sống động chống lại bất cứ điều gì nó tìm thấy. ở đây, chi phí duy nhất là ngân sách suy luận. và khi chạy một cuộc tấn công phức tạp trở nên rẻ hơn, số lượng thử nghiệm sẽ tăng lên.

kẻ tấn công đại diện vẫn còn có lỗi, và sự đa dạng về kiến thức là thay thế kém cho sự sâu sắc về kiến thức.

các agent ảo tưởng và ồn ào, điều này thường là lý do tại sao chúng dễ dàng bị phát hiện. jadepuffer có lỗi trong giấy đòi tống tiền, mã hóa, ví và việc lấy cắp dữ liệu. vẫn còn nhiều lĩnh vực trong đó phân tích và kỹ năng con người vẫn vượt trội so với trí nhớ của agent.

các nhà quản lý rủi ro và tuân thủ Qualys, Nathan Smolenski, cho biết mục tiêu cơ bản của nhóm tấn công không thay đổi, nhưng thời gian cho một cuộc tấn công thành công đã bị thu hẹp đáng kể.

công cụ AI tiền tuyến tăng tốc việc phát hiện và vũ khí hóa các lỗ hổng, thu hẹp khoảng thời gian giữa việc công bố và khai thác gần như không có.

Khuyến nghị

• Đối mặt với thách thức mới, tổ chức bảo mật cần chuyển từ phòng thủ dựa trên con người sang phòng thủ tự động.
• Tăng cường bảo vệ cơ bản như cập nhật và kiểm soát xác thực.

Lưu ý: Bài viết được biên dịch và tóm tắt tự động bằng AI từ nguồn CSO Online. Vui lòng đối chiếu bài gốc trước khi sử dụng.