Przejdź do treści
czwartek, 19 listopada 2026
Tenesys AI News
Subskrypcja

Cyberbezpieczeństwo

Podatności, zagrożenia i incydenty, komunikaty CERT-EU, ENISA, CISA i NCSC, bezpieczeństwo AI i regulacje (NIS2, CRA).

PilneCyberbezpieczeństwo· 🧪 Warte przetestowania

Microsoft wprowadza Perception – automatyzację bezpieczeństwa dla ery AI agentów

Firma Microsoft zaprezentowała „Perception” – platformę zabezpieczeń zaprojektowaną do zarządzania ryzykiem wynikającym z automatycznych cyberataków wspomaganych przez sztuczną inteligencję. Platforma koordynuje agentów działających w ramach „czerwonych”, „niebieskich” i „zielonych” zespołów, automatyzując procesy wykrywania, badania i usuwania luk w zabezpieczeniach. Wprowadzono również nowe funkcje ochrony „agentowych insiderów” – czyli agentów AI działających wewnątrz korporacyjnych sieci.

Microsoft Security

Phishing kodów urządzeń wymierzony w agenty programistyczne AI

Badacze bezpieczeństwa Microsoft przeprowadzili symulację, w której atakujący wykorzystują phishing do przejmowania narzędzi programistycznych AI poprzez przepływy kodu urządzenia OAuth. Oszukując użytkowników, aby zatwierdzili pozornie autentyczną prośbę, atakujący mogą uzyskać dostęp do prywatnych repozytoriów, historii sesji i kontrolować aktywne sesje agentów w wierszu poleceń.

Microsoft Security
Cyberbezpieczeństwo· Ważne· 🧪 Warte przetestowania

Dlaczego aktywne poszukiwanie zagrożeń jest kluczowe dla cyberbezpieczeństwa

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.

NCSC UK
Cyberbezpieczeństwo· Ważne· 🧪 Warte przetestowania

Nowe badania ujawniają uniwersalne luki w użyteczności modeli LLM

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.

arXiv cs.CL