Tổng hợp bài viết được gắn thẻ “ai”.
Cisco Talos theo dõi sự gia tăng sử dụng các nền tảng kiểm thử xâm nhập dựa trên AI. ARTEX, một nền tảng như vậy, được phát hành vào tháng 7 năm 2026 và đã được sử dụng trong các hoạt động tội phạm mạng. Nền tảng này có thể tự động hóa và chuỗi các hoạt động kiểm thử xâm nhập, làm giảm ngưỡng kỹ năng cho kẻ tấn công và tăng tốc các cuộc tấn công khi được sử dụng sai mục đích.
Năm 2026 chứng kiến số lượng lỗ hổng bảo mật Common Vulnerabilities and Exposures (CVEs) vượt 100,000, tăng gấp đôi so với năm 2025. Nguyên nhân chính là do công nghệ trí tuệ nhân tạo (AI) trong việc phát hiện lỗ hổng. Thời gian từ công bố lỗ hổng đến khi bị khai thác cũng giảm nhanh chóng.
Nhóm tác chiến trí tuệ nhân tạo của Nhà Trắng khuyến nghị các cơ quan quản lý không áp dụng các biện pháp trừng phạt đối với doanh nghiệp bị tấn công mạng do AI vượt qua khả năng phòng thủ. Họ đề xuất các hạn chế về trách nhiệm pháp lý cho việc báo cáo tự nguyện về các lỗ hổng an ninh mạng và sự cố trong 12 tháng tới.
Amazon Threat Intelligence đã theo dõi các nhóm tấn công sử dụng AI để khai thác thông tin cá nhân và gian lận tiền điện tử. Từ 3 tháng 10 đến 5 tháng 11 năm 2026, các nhà nghiên cứu phát hiện các hoạt động của ARTEX, một nền tảng AI tự chủ, trong các chiến dịch tấn công. Các hoạt động này bao gồm việc đánh cắp thông tin cá nhân để truy cập vào mô hình AI và sử dụng deepfake để vượt qua kiểm tra x
Nhóm tấn công ArcticRAT đã mở rộng Android malware để kiểm soát toàn bộ thiết bị và sử dụng AI phân tích thông tin bị truy xuất. Nghiên cứu này được đăng tải trên Dark Reading.
Trong tháng qua, số lượng các hệ thống kiểm thử xâm nhập và orchestrator dựa trên mô hình trí tuệ nhân tạo (LLM) đã tăng vọt. ARTEX, một hệ thống kiểm thử tự động duy nhất trước đây, đã bị thay thế bởi hàng chục phiên bản mới. Các công cụ này đã gây ra rò rỉ dữ liệu lớn và thách thức cho các tổ chức bảo mật. Cloudflare đề xuất mô hình an ninh hiện đại để đối phó.
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.
Bài viết so sánh chi phí dịch vụ MDR dựa trên tài sản và nhập liệu, giúp người đọc hiểu rõ về các yêu cầu và chi phí khác nhau giữa hai phương pháp này. Nó cũng đề cập đến cách xác định chi phí dựa trên dữ liệu thu thập và xử lý, cũng như cách xác định chi phí dựa trên số lượng tài sản được bảo vệ.
Nhóm tấn công sử dụng các khung tấn công tự động như ARTEX, CyberStrikeAI, Cairn, PentAGI và HexStrike để thực hiện các cuộc tấn công. Những khung này tự động hóa quá trình tấn công bằng cách sử dụng mô hình lớn (LLM) để lên kế hoạch và phân chia công việc. Các nhà nghiên cứu đã phát hiện rằng những khung này đã được sử dụng trong các cuộc xâm nhập thực tế, không chỉ trong các cuộc thử nghiệm giả
Một chiến dịch khác đã sử dụng một khung kiểm thử để đánh cắp thông tin tài khoản AWS. Nhóm tấn công liên kết Trung Quốc đã sử dụng công cụ trí tuệ nhân tạo trong chiến dịch nhằm vào ngành phòng vệ và bán dẫn của Mỹ.
