Использование модифицированных моделей искусственного интеллекта с открытым исходным кодом стало новым инструментом в арсенале хакерских группировок. Согласно отчету израильской компании Gambit Security, группа китайскоязычных злоумышленников успешно реализовала масштабную атаку, итогом которой стала компрометация более 600 тысяч номеров кредитных карт клиентов различных розничных сетей. Инцидент подчеркивает растущие риски, связанные с доступностью мощных нейросетевых инструментов, которые могут быть адаптированы для обхода систем киберзащиты.
Переход от коммерческих к открытым ИИ-решениям
В ходе расследования выяснилось, что изначально преступники пытались использовать популярные коммерческие платформы, такие как ChatGPT и Anthropic Claude (в материалах упоминается как Fable). Однако встроенные протоколы безопасности и этические фильтры этих сервисов создали значительные препятствия для генерации вредоносного кода и поиска уязвимостей. В результате хакеры сменили тактику, отдав предпочтение китайским моделям с открытым кодом.
- GLM 5.2: использовалась для анализа сетевых структур.
- DeepSeek v4 Pro: применялась для автоматизации поиска эксплойтов.
- Кастомизация: открытый код позволил злоумышленникам снять ограничения, установленные разработчиками.
Масштаб ущерба и цели атаки
Среди пострадавших организаций оказались не только представители розничной торговли, но и крупные корпоративные игроки. В частности, атаке подверглись магистральная американская авиакомпания и гостиничный оператор из списка Fortune 500. Злоумышленники использовали ИИ для автоматического обнаружения слабых мест в защите, что позволило им беспрепятственно проникнуть во внутренние сети и получить доступ к платежным данным.
Использование специализированных локальных моделей позволяет обходить системы фильтрации запросов, которые внедрены в облачные ИИ-сервисы, делая атаки более точными и быстрыми — отмечают эксперты Gambit Security.
Перспективы кибербезопасности
Текущая ситуация демонстрирует необходимость пересмотра подходов к защите корпоративных данных в эпоху доступного генеративного интеллекта. Эксперты прогнозируют, что количество инцидентов с применением «разлоченных» ИИ-моделей будет расти, так как они позволяют автоматизировать наиболее трудоемкие этапы хакерских операций. Для противодействия подобным угрозам компаниям потребуется внедрение адаптивных систем безопасности, также основанных на алгоритмах машинного обучения, способных распознавать аномальную активность искусственного происхождения в режиме реального времени.