Kiberbiztonsági fenyegetést jelent az élvonalbeli mesterséges intelligencia

Megosztás Tetszik

Az EU kiberbiztonsági hivatala, az ENISA 2026 júliusában közzétett állásfoglalása szerint a legfejlettebb, úgynevezett frontier AI modellek alapvetően változtatják meg a kiberbiztonság működési környezetét, amelyre mindenkinek figyelni kell. A mesterséges intelligencia alapú rendszerek ugyanis könnyen behatolhatnak az adatbázisunkba, illetve akár adatokhoz férhetnek hozzá. Az ilyen incidensek sajnálatos módon egyre gyakoribbak. Ismertetjük a kihívásokat és a kapcsolódó javaslatokat.

A probléma nem pusztán abban áll, hogy a mesterséges intelligencia több sérülékenységet képes felfedezni, hanem abban is, hogy lerövidíti a teljes támadási életciklust, a felderítéstől a sérülékenységek összekapcsolásán és kihasználásán át egészen az oldalirányú mozgásig és az adatkivonásig. Az ENISA szerint a korábban évekre, majd hónapokra tehető időablak a sérülékenység felfedezése és tényleges kihasználása között mára akár órákra vagy percekre csökkenhet. Ez azért jelent strukturális változást, mert a hagyományos védekezési mechanizmusok jelentős része még mindig emberi döntési és jóváhagyási sebességre épül.

Ha egy AI-ügynök percek alatt megtalál, elemez és kihasználhatóvá tesz egy hibát például egy bankban, akkor egy többórás vagy többnapos patch-jóváhagyási folyamat egyszerűen túl lassú lehet. Az ENISA ezt részben „authority gap”-ként írja le: a technikai reagálási képesség gyorsul, de a szervezeti döntési mechanizmusok nem tartanak lépést vele. Ez különösen kritikus lehet olyan környezetben, ahol minden változtatás többszintű, többszemélyes Change Advisory Board jóváhagyást igényel.

Az MI az összetett rendszereket is átlátja, ki tudja használni

A második nagy probléma a sérülékenység-felfedezés és a csalások iparosodása. Az AI jelentősen csökkenti egy-egy hiba megtalálásának marginális költségét, ezért a szervezetek olyan mennyiségű sérülékenységi jelentéssel szembesülhetnek, amelyet már nem lehet hagyományos emberi kapacitással megfelelően feldolgozni.

Az ENISA egy iparági példát is idéz, amelyben az élvonalbeli AI-eszközök használatakor extrém napi jelentésszám alakult ki. Ez a jelenség nemcsak „zajt” generál, hanem a valóban kritikus jelzések felismerését is megnehezíti. A szűk keresztmetszet ezért egyre kevésbé a sérülékenységek megtalálása, és egyre inkább azok verifikációja, priorizálása és javítása.

A frontier AI egy további veszélye, hogy nem egyszerűen izolált hibákat talál. A fejlett modellek képesek több különálló sérülékenységet, konfigurációs hiányosságot, hitelesítő adatot és API-hozzáférést összekapcsolni, és ezekből működő támadási láncot kialakítani. Az ENISA idézett értékelése szerint éppen ez az, ami egy „hibalistából” tényleges támadási útvonalat képes létrehozni. A támadó AI tehát nem statikus kódelemzőként működik, hanem egyre inkább autonóm támadásszervezőként.

Cseréljük le a túl régi rendszereket!

A mesterséges intelligencia felgyorsítja a régi kódok visszafejtését és sérülékenységeinek azonosítását, miközben sok szervezet olyan termékeket használ, amelyek már elérték vagy hamarosan elérik az életciklusuk végét. Ezek a rendszerek azonban nem feltétlenül válnak automatikusan védhetetlenné: hardeninggel (biztonsági megerősítés), hálózati szegmentációval, monitoringgal és fokozatos modernizációval továbbra is csökkenthető a kockázat.

Az ENISA ugyanakkor arra számít, hogy a fenntartási terhek és kockázatok miatt különösen a kisebb szervezetek egy része fokozottan felhőalapú szolgáltatások felé mozdulhat el.

Sok esetben belülről jön a támadás

Kiemelt kockázat az úgynevezett „inside-out” támadás is. Ilyenkor a támadó nem klasszikusan kívülről töri át a hálózati peremet, hanem egy kompromittált szoftverfrissítésen, beszállítón vagy open-source komponensen keresztül eleve megbízható környezeten belülre kerül. Az ilyen támadások ellen a hagyományos perimeter security (külső védelmi gát) önmagában kevés, mert a védekezésnek abból kell kiindulnia, hogy az ellenfél már jelen lehet a rendszeren belül.

Ez a megközelítés közvetlenül kapcsolódik a zero trust (nulla bizalom) és az assume breach (feltételezzed a behatolást) modellekhez.

Ha lehet, automatizáció kell emberi ellenőrzéssel

Az ENISA egyik legfontosabb megállapítása, hogy a hagyományos biztonsági alapelvek nem veszítik el jelentőségüket, hanem éppen ellenkezőleg: fontosabbá válnak. A változás elsősorban a sebességben és az automatizáció mértékében következik be. A szervezeteknek ezért a sérülékenység-felfedezés helyett egyre nagyobb erőforrást kell fordítaniuk a kockázatalapú priorizálásra, gyors triage-ra (értékelés), remediationre (orvoslás) és kockázatcsökkentésre.

Fontos, hogy a biztonsági műveleteket minél nagyobb mértékben szabályozott, automatizálható és gépi sebességgel végrehajtható folyamatokká kell alakítani.

Szervezeti és humán következtetések

Az ENISA külön figyelmet fordít az emberi tényezőre is. Bár az AI képes lesz gyorsabban kódot írni, sebezhetőséget keresni és hálózatot védeni, az emberi szakértelem nem válik feleslegessé. Ellenkezőleg, a kiberbiztonsági szakembereknek érteniük kell azokat a rendszereket, amelyekért felelősséget vállalnak, és képesnek kell lenniük az AI által javasolt intézkedések ellenőrzésére. Ez gyorsított upskillinget és reskillinget (azaz a képességek növelését, új képességek megszerzését) tesz szükségessé valamennyi szervezeti szinten.

Nemzeti szinten az ENISA további kapacitásproblémára hívja fel a figyelmet: a NIS2 és más szabályok miatt növekvő incidensjelentési volumen egybeeshet az AI által felgyorsított támadások tömegével. Az ENISA kifejezetten javasolja a többincidenses válsághelyzetek stressztesztelését és az iparág bevonását a nemzeti válságtervezésbe.

Az ENISA szerint az AI-sebességű fenyegetésekkel szemben AI-sebességű védelemre van szükség, de úgy, hogy az emberi felelősség, auditálhatóság és döntési kontroll ne tűnjön el a rendszerből.