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
›

W sierpniu ujawniono 10 740 luk. AI przyspiesza ich wykorzystywanie

Google Threat Intelligence Group podało w środę, że między styczniem a sierpniem liczba ujawnianych co miesiąc luk wzrosła dwukrotnie i w sierpniu osiągnęła 10 740. Dużą część prac nad ich wykrywaniem i zamienianiem w ataki wykonują teraz agenci AI.

TechnologiaAnalizaAnna KaczmarekOpublikowano: 30 września 20264 min czytaniaŹródła 11
W sierpniu ujawniono 10 740 luk. AI przyspiesza ich wykorzystywanie

Dane pochodzą z raportu GTIG opublikowanego 30 września. W styczniu ujawniono 5 045 luk, a w lipcu i sierpniu liczba przekroczyła 10 000, podaje The Record. Łączna liczba różnych luk ujawnionych i wykorzystanych w tych ośmiu miesiącach jest już większa niż za cały 2025 rok. W tym roku wykorzystano 141 luk, rok wcześniej 127.

Sposób, w jaki GTIG stawia sprawę, znaczy więcej niż sama liczba z nagłówka. Badacze twierdzą, że wzrost w 2026 roku „wynika z szybkiego, celowego zamieniania groźnych exploitów w działające ataki, a nie z zalewu nowych zero-day”. Innymi słowy, napastnicy coraz szybciej przerabiają już załatane błędy na skuteczne ataki.

Kelli Vanderlee, starsza analityczka GTIG, powiedziała The Record, że zespół spodziewa się dalszego wzrostu liczby wykryć i ataków wspieranych przez AI w krótkiej i średniej perspektywie. Z raportu wynika, że grupom przestępczym łatwiej i taniej jest porównywać z pomocą LLM wersje produktów, poprawki i komunikaty o ujawnionych lukach z gotowym kodem proof-of-concept niż szukać nowych zero-day.

Jeden błąd, sześć grup, siedem dni

Przykład prześledzony w raporcie to CVE-2026-1731, luka w oprogramowaniu BeyondTrust, którą amerykańskie federalne zespoły cyberobrony wskazały w lutym. Według GTIG błąd znalazł samodzielnie zewnętrzny agent badawczy Hacktron AI. Cztery dni po publicznym ujawnieniu wykorzystywała go już jedna grupa. W ciągu siedmiu dni dołączyło pięć kolejnych. Działania po włamaniu obejmowały podniesienie uprawnień, wywóz danych i dodatkowe ładunki o nazwach SNOWLIGHT, SPARKRAT oraz koparki kryptowalut.

Właśnie ta sekwencja jest tu najważniejsza: autonomiczny agent znajduje błąd, wychodzi poprawka, a napastnicy w kilka dni zamieniają różnicę w atak. Badacze podali, że wiele tegorocznych ujawnień pochodziło od kilku dostawców, w tym od producenta firmware'u routerów Totolink i od Oracle.

Dane GTIG ukazały się w tym samym tygodniu, w którym kilka projektów open source odpowiedziało własnymi narzędziami. 30 września Archestra opublikowała OpenAPPA, deterministyczną warstwę kontroli między agentem a jego narzędziami, która sprawdza każde wywołanie według deklaratywnej polityki zapisanej w TOML. Własne testy projektu mówią, że w 1 320 ocenach żaden punktowany atak się nie powiódł, a zadania ukończono w 88 do 90 procent przypadków. W tych samych testach przeciwko Microsoft FIDES udawało się 31 procent ataków. To liczby dostawcy z repozytorium GitHub, nie niezależne wyniki.

Drugi projekt, UAI, opublikowany tego samego dnia, obrał inny kierunek: każdy agent dostaje tożsamość przypisaną do osoby odpowiedzialnej, uprawnienia ograniczone czasem i jurysdykcją oraz podpisane poświadczenia działań, które mogą zweryfikować osoby trzecie. W README wyraźnie zaznaczono, że protokół nie twierdzi, iż agent jest bezpieczny, a jedynie że jego działania da się przypisać.

Żaden z tych projektów nie zajmuje się samym procesem wykrywania luk. To trudniejszy problem i właśnie jego dotyczą liczby GTIG.

Strona ujawnień też jest pod presją

Opiekunowie open source mają własną wersję tego problemu. Projekt OpenSSL opublikował 29 września biuletyn dotyczący CVE-2026-84782, poważnej luki w DTLS, która może ujawnić pamięć sterty. Osobny biuletyn projektu LiteLLM, GHSA-7hp6-4w63-5g45, opisuje podniesienie uprawnień do administratora proxy, które może prowadzić do zdalnego wykonania kodu.

Problem skali przyciągnął uwagę nie tylko dostawców. Branżowa grupa muzyczna IFPI wykorzystała swoje zgłoszenie do unijnej listy obserwacyjnej podróbek i piractwa na 2027 rok, o którym pisał TorrentFreak, by wpisać na nią otwartoźródłowy program do pobierania z YouTube o nazwie yt-dlp jako usługę wyciągania strumieni. IFPI twierdzi, że narzędzie jest „trudne do opanowania i/lub usunięcia” ze względu na otwarty kod i społeczność deweloperów. W zgłoszeniu wymieniono czterech opiekunów po nickach z GitHuba i nie zażądano wobec nich żadnych konkretnych działań.

Chińskie repozytoria modeli pozycjonują się z kolei jako alternatywa dla Hugging Face, które Pekin zablokował w 2023 roku. ModelScope Alibaby hostuje ponad 170 000 modeli, a MoArk należące do OSChina około 20 000, podaje Rest of World. Prezes OSChina Xu Yong powiedział portalowi, że nie każdy może korzystać z VPN przez cały czas.

Wniosek z tego wszystkiego jest niewygodny. Ta sama zdolność agentów, która według GTIG przyspiesza wykorzystywanie luk, jest też reklamowana jako rozwiązanie, przez OpenAPPA, przez UAI i przez rosnącą gromadę startupów. Liczba 10 740 to na razie jedyna twarda dana w tej dyskusji.

Komentarze 0

Źródła

11
  1. 01Google: Vulnerability disclosures double to 10,000 per month as AI fuels exploitationEN
  2. 02OpenAPPA: Deterministic guardrails that don't break agentsEN
  3. 03UAI - An open protocol for identity and accountability of AI agentsEN
  4. 04OpenSSL Security Advisory: DTLS heap memory leak (CVE-2026-84782)EN
  5. 05New LiteLLM Vulnerability: Privilege Escalation to Proxy Admin and RCEEN
  6. 06IFPI Wants Open Source YouTube Downloader Yt-Dlp on EU Piracy Watch ListEN
  7. 07The open-source AI platforms vying to become China's Hugging FaceEN
  8. 08OpenAI's dirty deeds Down Under included security bypass attempts, using exposed keys, source code siphonEN
  9. 09US trade regulator opens investigation into AI giants including Anthropic and OpenAIEN
  10. 10FTC is investigating OpenAI, Anthropic and other AI companies over product risksEN
  11. 11"An AI did it" is no defense, says nonprofit suing OpenAI over Hugging Face hackEN

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.