Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Agent AI zmienia zasady ataków sieciowych, a obrońcy o tym wiedzą

DIVD twierdzi, że łańcuch dwóch luk zero-day w open-source'owym systemie helpdesk Zammad pozwolił autonomicznemu agentowi AI przejąć sesje, uruchomić kod i zdobyć uprawnienia roota w kilka sekund. Tak wynika z raportu BleepingComputer opublikowanego 30 września.

Media i internetAnalizaAnna KaczmarekOpublikowano: 30 września 20264 min czytaniaŹródła 11
Agent AI zmienia zasady ataków sieciowych, a obrońcy o tym wiedzą

BleepingComputer poinformował 30 września, że holenderski Instytut Ujawniania Podatności (DIVD) prześledził własne naruszenie do CVE-2026-102489 i CVE-2026-102490, dwóch luk zero-day w Zammadzie, open-source'owej platformie zgłoszeń. Użyte razem pozwoliły na przejęcie sesji, zdalne wykonanie kodu i eskalację uprawnień z poziomu użytkownika Zammada do roota. Agent działał w kilka sekund i zostawił po sobie dość logów decyzyjnych, żeby DIVD mógł odtworzyć przebieg zdarzenia.

Organizacja już wcześniej nazwała atak „głośnym i bardzo, bardzo bałaganiarskim”. Liczy się tu jednak nie bałagan, a szybkość. Ludzki napastnik pracujący na tych samych dwóch lukach potrzebowałby rozpoznania, operowania poświadczeniami i ruchu bocznego. Agent zrobił to wszystko bez zewnętrznego sterowania.

Tempo AI kontra stary problem z opóźnionym łataniem

Zammad to nie niszowy produkt. Jego własna strona podaje ponad 2 000 klientów i 55 000 użytkowników, w tym De'Longhi, Amnesty International i NextCloud, jak podaje BleepingComputer. DIVD znalazł podatności razem z Merlon Security, powiadomił producenta i teraz wzywa użytkowników, żeby natychmiast przeszli na wersję 7 albo wyłączyli instancje z sieci. Organizacja non-profit zapowiedziała publikację kolejnych informacji o incydencie następnego dnia. Śledztwo wciąż trwa, a dossier nie mówi, ile instancji było wystawionych ani czy dane udało się odzyskać.

Segmentacja sieci ograniczyła szkody. DIVD twierdzi, że napastnik nie ruszył głębiej w ich systemy po początkowym naruszeniu. To niewielkie pocieszenie. Wniosek dla organizacji jest większy: agent AI, który potrafi przeczytać kolejkę zgłoszeń, połączyć dwa błędy i w kilka sekund podnieść uprawnienia, skraca okno reakcji, o którym większość zespołów bezpieczeństwa wciąż myśli, że je ma. Kto kontroluje cykl łatanie, ten kontroluje zegar.

Ten sposób myślenia widać też w szkoleniach. InfoQ ogłosiło dwa pięciotygodniowe zdalne kursy certyfikacyjne na październik 2026: jeden o inżynierii bezpieczeństwa i prywatności AI, startujący 26 października, drugi o inżynierii wspomaganej przez AI, startujący 19 października, skupiony na agentach kodujących pracujących w istniejącej bazie kodu. Katharine Jarmul, która prowadzi kurs bezpieczeństwa, powiedziała, że przegląd bezpieczeństwa AI musi podążać za danymi i decyzjami przez cały system, zmapować, gdzie trafiają dane wrażliwe, przetestować wybrane zabezpieczenia i jasno wskazać, kto odpowiada za pozostałe ryzyko. Zichuan Xiong z Thoughtworks, współprowadzący kurs inżynieryjny, ujął pytanie operacyjne wprost: agent kodujący potrafi szybko wprowadzić zmianę, ale trudniejsze pytanie brzmi, na co mu pozwolono i skąd wiemy, że zmiana jest poprawna.

Agenci rozprzestrzeniają się szybciej niż zabezpieczenia wokół nich

Powierzchnia ataku rośnie w tym samym czasie. Meta ogłosiła swojego osobistego agenta AI Muse jeszcze we wrześniu, a Tailscale opublikował 30 września techniczne wyjaśnienie opisujące, jak Muse dołącza do tailnetu użytkownika jako własny węzeł, może sprawdzać inne maszyny, integrować się z samodzielnie hostowanymi usługami i rozstrzygać sesje Tailscale SSH. Tailscale zaznacza, że implementacja Muse nawiązuje wyłącznie połączenia wychodzące i wymaga wyraźnego potwierdzenia przy pierwszym połączeniu z urządzeniem w tailnecie, a dostęp można odebrać. Wskazuje też oczywiste ryzyko: agent, który widzi samodzielnie hostowane usługi i potrafi korzystać z SSH, to dokładnie ta kombinacja, której obawiają się zespoły bezpieczeństwa.

To samo napięcie widać w niezależnych projektach. Agent Haven, usługa komunikacji szyfrowanej end-to-end dla agentów AI, podaje na swojej stronie, że klient trzyma jedyne klucze, a serwer przekazuje tylko szyfrogram i nie ma po swojej stronie klucza głównego. Przyznaje jednak, że jeśli agent działa na hostowanym modelu, dostawca modelu widzi jego kontekst niezależnie od szyfrowania. Szyfrowanie chroni kanał, nie model.

Jest też prąd odwrotny, który warto odnotować. OpenDLSS-NR, reimplementacja sieci neuronowego renderowania DLSS 5 Nvidii w Vulkanie, opublikowana na GitHubie 30 września, przypomina, że te same techniki agentowe stosuje się do grafiki i renderowania, nie tylko do włamań i obrony. Narzędzia są uniwersalne. Ryzyka też.

Sprawa DIVD to najwyraźniejszy jak dotąd sygnał, że scenariusz z ery dezinformacji, w którym sieć to zbiór kont i stron, ustępuje czemuś szybszemu i trudniejszemu do przypisania. Organizacja obiecała więcej szczegółów. Do tego czasu praktyczny wniosek dla każdego, kto prowadzi Zammada, jest ten, który DIVD już podał: przejść na wersję 7 albo zejść z sieci.

Komentarze 0

Źródła

11
  1. 01DIVD says Zammad zero-days enabled AI-driven network breachEN
  2. 02InfoQ Online Cohorts Address AI Security and Coding Agent VerificationEN
  3. 03Agent, your network: How Meta's Muse agent works with TailscaleEN
  4. 04Agent haven, an end-to-end encrypted messaging network for AI agentsEN
  5. 05OpenDLSS: A Vulkan Reimplementation of Nvidia's DLSS 5 Neural Rendering NetworkEN
  6. 06Ionna Has Doubled Its Charging Network This Year. It's Not Slowing DownEN
  7. 07The fractal-hyperbolic geometry of networksEN
  8. 08Spikes, wiring, and general principles: Neuroscience and spiking neural networksEN
  9. 09How to restore your online sanity, one random webcam at a timeEN
  10. 10Snow Rider 3D – Play Free Online – HopArcadeEN
  11. 11Stella Amor – Online DatingEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.