Grupa Storm-3358 coraz częściej wykorzystuje framework agentowy AI o nazwie ARTEX do przyspieszania ataków na organizacje finansowe. Framework ten automatyzuje skanowanie podatności, kradzież poświadczeń i przemieszczanie się wewnątrz sieci w czasie rzeczywistym, używając popularnych narzędzi typu Nmap i curl.
CISA dodała lukę CVE-2026-19868 do swojego katalogu znanych wykorzystywanych podatności (KEV). Luka dotyczy oprogramowania SonicWall SonicOS SSLVPN i umożliwia obejście uwierzytelniania.
Przestępcy coraz częściej wdrażają agentowe systemy AI, takie jak ARTEX, aby skanować publiczne repozytoria GitHub w poszukiwaniu wyciekłych danych uwierzytelniających i natychmiast inicjować ataki na usługi chmurowe. Agenty te samodzielnie analizują wyniki, dostosowują zapytania API po błędach i mogą przejść od rozpoznania do eksfiltracji danych z usług takich jak Azure Key Vault w ciągu kilku minut.
CISA, NSA oraz australijskie ACSC opublikowały zestaw pytań dla organizacji, mający pomóc w ocenie gotowości dostawców na przejście do szyfrowania odpornego na komputery kwantowe. Celem jest zapewnienie, że produkty i usługi stron trzecich będą w stanie oprzeć się przyszłym zagrożeniom kwantowym.
CISA zaktualizowała swój katalog znanych wykorzystywanych luk (KEV), dodając CVE-2024-27834, czyli błąd nieprawidłowego uwierzytelniania mający wpływ na różne produkty Apple. Wskazuje to, że luka jest obecnie aktywnie wykorzystywana w atakach.
Microsoft wprowadził nowe funkcje bezpieczeństwa do zarządzania ryzykiem związanym z agentami AI, w tym Dynamiczne Uprawnienia do ograniczania zakresu zadań oraz kontenery Microsoft Execution Containers (MXC) do izolacji na poziomie systemu operacyjnego. Microsoft Defender zyskał również możliwość wykrywania lokalnych agentów AI oraz ich konfiguracji MCP w systemach Windows i macOS.
Cloudflare adresuje wyzwania stwarzane przez zdalnie hostowanych agentów AI, którzy maskują tożsamość użytkownika i tworzą luki w odpowiedzialności dla operatorów witryn. Ponieważ agenci działają jako pośrednicy między użytkownikami a stronami, tradycyjne mechanizmy bezpieczeństwa, takie jak CAPTCHA czy fingerprinting urządzeń, stają się coraz mniej skuteczne.
Firma Anthropic wprowadziła w wersji beta listę dozwolonych adresów IP dla zapytań API oraz nowy punkt końcowy API dla administratorów do zrywania sesji użytkowników.
Firma Cloudflare wprowadziła nową kategorię „Personal Assistants” w swoich narzędziach Security Analytics, umożliwiając właścicielom serwisów śledzenie i zarządzanie ruchem generowanym przez osobistych agentów AI. Firmy mogą teraz ustawiać precyzyjne zasady dostępu dla poszczególnych agentów, co pozwala chronić przychody z reklam lub wrażliwe obszary strony, przy jednoczesnym wspieraniu użytecznych interakcji.
CISA dodała CVE-2026-119977, lukę typu „time-of-check time-of-use” (TOCTOU) w jądrze WordPress, do swojego katalogu znanych wykorzystywanych podatności (KEV). Potwierdzono aktywne ataki z użyciem tej luki, co stanowi poważne zagrożenie dla Twoich systemów.
Firma Collinear AI wprowadziła CWE-bench v2, zestaw testowy obejmujący 100 zadań dotyczących 91 powszechnych typów podatności. Narzędzie to umożliwia programistom programową ocenę skuteczności agentów AI w wykrywaniu i naprawianiu luk w zabezpieczeniach w repozytoriach open-source.
Brytyjskie centrum NCSC opublikowało ocenę ewolucji cyberzagrożeń wspomaganych przez sztuczną inteligencję w ciągu najbliższych dwóch lat. Raport ostrzega, że AI prawdopodobnie zwiększy szybkość i skalę ataków, ułatwiając wykrywanie i wykorzystywanie podatności w systemach. Przedstawione trzy scenariusze obrazują możliwe kierunki rozwoju, od wzrostu globalnych zagrożeń po skuteczną obronę dzięki lepszym zabezpieczeniom.
Analiza 383 000 luk w zabezpieczeniach przeprowadzona przez Microsoft od 1999 r. potwierdza, że mniej niż 0,5% z nich jest wykorzystywanych w rzeczywistych atakach. Atakujący wybierają głównie podatności umożliwiające przejęcie systemu, takie jak zdalne wykonanie kodu (RCE) lub eskalacja uprawnień, a narzędzia wspierane przez AI skróciły czas od ujawnienia luki do stworzenia exploita.
Naukowcy zaprezentowali CoFiBreak, mechanizm nagradzania podczas trenowania atakujących modeli LLM, który wymusza większą różnorodność strategii przełamywania zabezpieczeń. Dzięki zastosowaniu struktury nagród typu „coarse-to-fine” (od ogółu do szczegółu) w optymalizacji polityki grupowej (GRPO), metoda ta pozwala uniknąć typowej dla uczenia wzmacnianego zapaści, w której modele skupiają się na wąskim zestawie powtarzalnych promptów.