NCSC ostrzega, że standardowe monitorowanie bezpieczeństwa przestaje wystarczać do wykrywania zaawansowanych ataków, szczególnie gdy przeciwnicy wykorzystują AI do zwiększania skali działań. Organizacje muszą przejść na proaktywne polowanie na zagrożenia, skupiając się na trwałym zachowaniu atakujących (TTP), a nie tylko na zmieniających się wskaźnikach kompromitacji.
Firma Siemens załatała dwie luki w zabezpieczeniach serwera MCP w Mendix Studio Pro. Błędy te mogły umożliwić zdalny dostęp do serwera lub wykonanie nieautoryzowanych akcji poprzez ataki CSRF.
Naukowcy zaprezentowali EndoUT, framework typu adversarial, który identyfikuje uniwersalne wyzwalacze promptów zdolne do znacznego obniżenia użyteczności modeli LLM. Poprzez analizę zakłóceń w preferencjach modelu dotyczących początków odpowiedzi, atakujący mogą tworzyć stałe ciągi znaków, które wymuszają spadek wydajności w różnych zadaniach bez konieczności posiadania etykiet czy informacji zwrotnej o zadaniu.
Amazon Threat Intelligence zaobserwował autonomiczne agenty korzystające z frameworka open-source ARTEX do prowadzenia zakrojonych na szeroką skalę kradzieży danych uwierzytelniających i oszustw tożsamości z wykorzystaniem deepfake. Kampanie te wykorzystywały niezałatane luki w infrastrukturze AI i błędy konfiguracyjne do automatyzacji wieloetapowych operacji ofensywnych.
Od początku października gwałtownie wzrosła liczba frameworków do testów penetracyjnych opartych na sztucznej inteligencji, z tysiącami aktywnych instancji. Te autonomiczne narzędzia automatyzują cały łańcuch ataku cybernetycznego, pozwalając na łańcuchowe wykorzystywanie poświadczeń i szybkie przemieszczanie się wewnątrz infrastruktury.
Google przetestowało funkcję wykrywania anomalii agentów (Agent Anomaly Detection) przy użyciu pięciu zewnętrznych benchmarków, w tym AgentDojo i AgentHarm. Narzędzie wykryło 87% szkodliwych instrukcji wykonanych przez agentów, wykazując jednak mniejszą skuteczność w przypadku zatrutej pamięci długotrwałej.
Badacze Microsoft wykazali, że agenci AI do kodowania mogą zostać skompromitowani poprzez tzw. zatruwanie zbiorów danych lub zatruwanie modeli. Ataki te osadzają w modelach ukryte, uśpione zachowania, które uruchamiają szkodliwe wywołania narzędzi podczas rutynowych zadań użytkownika.
Napastnicy używają narzędzia open-source GSocket do utrzymywania stałego, szyfrowanego dostępu typu command-and-control do zainfekowanych serwerów Linux. Wykorzystanie publicznej sieci przekaźnikowej zamiast własnej infrastruktury pozwala ominąć tradycyjne blokowanie adresów IP i utrzymać dostęp nawet po załataniu pierwotnych luk.
Laboratorium FORGE firmy Microsoft wykorzystało system skanujący oparty na AI o nazwie kodowej MDASH do analizy podsystemów jądra Linux. Inicjatywa ta zaowocowała 59 publicznymi raportami i 33 przypisanymi numerami CVE, co pokazuje, że AI może znacznie przyspieszyć proces wykrywania podatności, choć weryfikacja przez człowieka pozostaje głównym wąskim gardłem w procesie naprawczym.
Firma Microsoft opublikowała comiesięczne aktualizacje bezpieczeństwa, usuwając 1095 luk w swoich produktach. Wśród nich znajduje się 64 krytycznych poprawek, obejmujących m.in. Azure OpenAI, Exchange Server oraz Active Directory.
Microsoft Research odkrył, że modele AI mogą zostać skompromitowane poprzez modyfikację mniej niż 10 konkretnych neuronów. Te „uśpione” furtki (backdoors) pozwalają atakującemu wywołać złośliwe polecenia, gdy w kontekście pojawią się określone ciągi znaków, nawet jeśli model przechodzi wszystkie standardowe testy bezpieczeństwa.
Badacze Microsoft odkryli 'Lazarus', technikę umożliwiającą przeprogramowanie uśpionych neuronów w modelach LLM w celu wstrzyknięcia złośliwych zachowań. Modyfikując mniej niż 10 neuronów, atakujący może wywołać wykonanie nieautoryzowanych poleceń bez wpływu na standardowe działanie modelu lub wyniki ewaluacji.
Projekt Git wydał poprawki dla sześciu luk bezpieczeństwa, w tym ryzyk związanych z dowolnym wykonywaniem kodu, przechodzeniem przez ścieżki (path traversal) i uszkodzeniem pamięci. Te wady dotyczą różnych operacji Git, takich jak rekurencyjne klonowanie, scalanie tagów i przetwarzanie binarnych łat.
Google DeepMind zaprezentowało AlphaProof Code, framework agentowy wykorzystujący modele Gemini Carbon do przeprowadzania formalnej weryfikacji złożonych protokołów kryptograficznych. Generując dowody w języku Lean, system skutecznie zweryfikował implementację protokołu Signal w cztery tygodnie – zadanie, które historycznie wymagało lat pracy ekspertów.
Laboratorium FORGE firmy Microsoft wykorzystało skaner podatności oparty na AI o nazwie Hyenas do odkrycia krytycznych problemów z bezpieczeństwem pamięci w standardowej bibliotece języka Rust. Badania pokazują, że nawet bezpieczny kod Rust może wywoływać niezdefiniowane zachowania, jeśli ukryte pod nim abstrakcje typu „unsafe” opierają się na błędnych założeniach dotyczących paniki lub implementacji cech (traits) dostarczonych przez użytkownika.
Firma Amazon udostępniła wielowarstwową architekturę obronną, zapobiegającą zatruwaniu pamięci (rodzaj pośredniego wstrzykiwania promptów) w agentach AI wykorzystujących pamięć trwałą. Rozwiązanie wykorzystuje interceptor Lambda w bramie AgentCore Gateway do walidacji zapisów w oparciu o dryf semantyczny, wzorce regex, granice przestrzeni nazw i limity częstotliwości.
Nowy raport Linux Foundation ujawnia, że wykorzystanie AI do kodowania powoduje gwałtowny wzrost liczby zależności zewnętrznych, co potwierdza 60% organizacji. Zespoły nie nadążają z ich obsługą, gdyż 58% organizacji wdraża kod szybciej, niż pozwalają na to procesy weryfikacji bezpieczeństwa, co prowadzi do narastania długu w zakresie bezpieczeństwa.
IBM wprowadziło Praxis Policy Engine (PPE), narzędzie typu open-source znajdujące się teraz w CNCF Sandbox, zaprojektowane do egzekwowania polityk bezpieczeństwa i dostępu w ruchu AI. Działa ono jako monitor referencyjny, który reguluje prompty, wywołania modeli oraz interakcje agentów przy użyciu wspólnego formatu danych.
OpenSSF wprowadziło przewodnik dotyczący wykrywania i usuwania luk w zabezpieczeniach za pomocą AI oraz zapowiedziało certyfikację „Secure AI Associate” (SAIA), która ruszy w grudniu 2026 roku. Inicjatywy te mają na celu wypełnienie luki w bezpieczeństwie spowodowanej szybką integracją AI w procesach wytwarzania oprogramowania.
Badacze zaprezentowali „RL-ATTACK”, nową metodę wykorzystującą uczenie ze wzmocnieniem do generowania ataków typu adversarial na modele językowe, bez potrzeby posiadania dostępu do gradientów modelu. Metoda ta, ucząc się na podstawie reakcji celu, osiąga wysoką efektywność przy niewielkiej liczbie zapytań i skutecznie omija mechanizmy bezpieczeństwa.
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.