Przejdź do treści
INDEKS ANALIZ BREACHROAD / NOTA TECHNICZNA

AI i cyberataki do 2028: prognoza NCSC bez marketingu

Brytyjskie NCSC ocenia wpływ AI na cyberataki do 2028 roku. Oddzielamy scenariusze prawdopodobne od spekulacji i przekładamy raport na plan obrony.

MATERIAŁ PUBLICZNY
AUTOR
/ CEO Breachroad · OSCP · PNPT
PUBLIKACJA
8 listopada 2026
CZAS CZYTANIA
18 min czytania
TEMAT
Bezpieczeństwo AI
AI i cyberataki do 2028: prognoza NCSC bez marketingu

Brytyjskie National Cyber Security Centre opublikowało 3 listopada 2026 roku ocenę „Artificial intelligence and cyber intrusion”. Raport prognozuje rozwój zdolności do 2028 roku, stosując formalną skalę prawdopodobieństwa. Najważniejszy wniosek nie brzmi „AI zastąpi hakerów”, lecz: automatyzacja zwiększy tempo, zasięg i dostępność operacji, podczas gdy infrastruktura krytyczna nadal będzie cierpieć z powodu znanych, długo nieusuwanych podatności.

NCSC ocenia, że do 2028 roku podmioty państwowe będą wysoce prawdopodobnie rutynowo używać AI w operacjach cybernetycznych. Uważa także za wysoce prawdopodobne pojawienie się złośliwego oprogramowania wspieranego przez AI w działaniach ransomware przeciw brytyjskiej infrastrukturze krytycznej. Raport wskazuje jednocześnie nową powierzchnię ataku związaną z systemami AI.

Prognoza nie jest raportem o incydencie

To rozróżnienie jest kluczowe dla rzetelnego czytania. NCSC nie twierdzi, że wszystkie opisane scenariusze już wystąpiły ani nie przypisuje konkretnej kampanii każdej tezie. Dokument jest oceną wywiadowczą wykorzystującą skalę prawdopodobieństwa. Sformułowania „likely” i „highly likely” nie oznaczają pewności.

Organizacja nie powinna więc kupować narzędzia wyłącznie dlatego, że prezentacja używa hasła „autonomiczny atak”. Powinna zapytać, które fragmenty jej obecnego modelu obrony przestają działać, gdy rozpoznanie, przygotowanie przynęt, analiza kodu i iteracja ataku stają się szybsze i tańsze.

Trzy zmiany o największym znaczeniu

Pierwsza to skalowanie znanych technik. AI może pomagać dopasować wiadomość phishingową, analizować publiczną dokumentację, klasyfikować odpowiedzi i priorytetyzować cele. Obrona oparta na tym, że atakujący „nie będzie miał czasu”, staje się słabsza.

Druga to krótszy czas od ujawnienia do wykorzystania. Model może pomóc zrozumieć poprawkę, znaleźć podobny wzorzec i przygotować test. Nie oznacza to, że każda luka otrzyma niezawodny exploit w kilka minut, ale organizacje powinny projektować proces patchowania dla presji czasowej, nie dla spokojnego cyklu miesięcznego.

Trzecia to atak na samą warstwę AI. Dane, modele, pipeline’y, agenci, narzędzia, pamięć i tożsamości tworzą dodatkowy łańcuch zaufania. Atakujący może nie tylko użyć AI, lecz również wpłynąć na model używany przez obrońcę lub aplikację biznesową.

Dlaczego stara infrastruktura pozostaje centralnym problemem

NCSC zwraca uwagę na znane podatności w systemach legacy infrastruktury krytycznej. AI nie musi tworzyć egzotycznej techniki, jeśli Internet nadal wystawia urządzenie z publicznym panelem i wielomiesięczną zaległością aktualizacji. Automatyczne wyszukiwanie, klasyfikacja banera i dobór istniejącej metody mogą zwiększyć liczbę prób.

Dlatego inwestycja w AI SOC nie może konkurować z podstawami: spisem aktywów, właścicielem usługi, segmentacją, kopią zapasową, MFA, planem awaryjnym i telemetrią. Narzędzie podsumowujące alerty nie naprawi urządzenia, którego organizacja nie wie, że posiada. Zarządzanie powierzchnią ataku i program zarządzania podatnościami pozostają bardziej strategiczne niż pogoń za pojedynczą funkcją AI.

AI w operacjach państwowych

Rutynowe użycie może oznaczać wsparcie analityka na wielu etapach, nie całkowicie samodzielnego agenta. Modele mogą tłumaczyć dokumenty, analizować kod, tworzyć warianty skryptu, porządkować dane i proponować kolejne hipotezy. Człowiek nadal może wybierać cel, nadzorować ryzykowne działania i oceniać wartość wyniku.

To ważne dla obrony, bo detekcja „treści wygenerowanej przez AI” nie rozwiązuje problemu. E-mail napisany z pomocą modelu nadal jest phishingiem; skrypt zmodyfikowany przez model nadal wykonuje konkretne operacje; logowanie skradzionym tokenem nadal powinno naruszyć politykę tożsamości. Zespół musi wykrywać zachowanie i skutki, nie próbować odgadywać narzędzie autora.

Ransomware wspierany przez AI

Raport opisuje prawdopodobny kierunek, a nie jedną rodzinę malware. AI może usprawniać rozpoznanie środowiska, wybór danych, analizę mechanizmów bezpieczeństwa czy zmianę kodu. Nie należy z tego wyciągać wniosku, że klasyczne zabezpieczenia przestają działać. Segmentacja, ograniczenie uprawnień, odporne kopie, EDR i przygotowany proces odtworzenia nadal odbierają napastnikowi kluczowe możliwości.

Zmienia się natomiast wymagany czas reakcji. Jeśli przeciwnik szybciej przechodzi między etapami, alert czekający do poniedziałku może mieć mniejszą wartość. Organizacja powinna mierzyć nie tylko MTTD, lecz czas od sygnału do rzeczywistego odcięcia konta, hosta albo segmentu. Automatyzacja obronna ma sens, gdy ma jawne warunki, audyt i możliwość cofnięcia.

Nowa powierzchnia ataku AI

System AI to więcej niż model. Obejmuje dane treningowe i kontekstowe, warstwę retrieval, prompt systemowy, broker narzędzi, bazę pamięci, tokeny, modele zewnętrzne i interfejs użytkownika. Każdy element ma inne granice zaufania. Ataki mogą celować w instrukcje, uprawnienia agenta, integralność źródła albo dostęp do klucza.

W architekturze sandboxa agentów AI opisujemy izolację narzędzi, a w materiale o tożsamościach NHI — krótkotrwałe uprawnienia. Dojrzały projekt łączy oba podejścia z kontrolą danych i rejestrem działań. Sam filtr wejścia nie zatrzyma legalnie uwierzytelnionego agenta o zbyt szerokich prawach.

Program obrony na lata 2026–2028

Pierwszy strumień to redukcja zaległego ryzyka. Stwórz listę systemów brzegowych i krytycznych, ustal maksymalny czas naprawy aktywnie wykorzystywanej luki, usuń nieużywane usługi i testuj odzyskiwanie. Każdy wyjątek musi mieć właściciela, termin oraz kompensującą kontrolę.

Drugi strumień to bezpieczne użycie AI. Prowadź rejestr modeli i agentów, określ dozwolone dane, testuj integracje, ogranicz narzędzia i monitoruj koszty. Zmiana modelu lub system promptu powinna przechodzić wersjonowanie oraz ocenę jak inna istotna zmiana oprogramowania.

Trzeci strumień to szybkość operacyjna. Koreluj tożsamość, endpoint, chmurę i aplikację; przygotuj działania containment; przeprowadź ćwiczenia poza godzinami biurowymi. Automatyzuj powtarzalne kroki, ale zachowaj progi dla działań o dużym skutku biznesowym.

Czwarty strumień to kompetencje. Analitycy potrzebują umiejętności weryfikacji odpowiedzi modelu, a zespoły ML — podstaw threat modelingu i IR. Szkolenia cyberbezpieczeństwa powinny używać scenariuszy właściwych dla organizacji, nie jednego ogólnego quizu.

Pytania dla zarządu

Zarząd nie musi oceniać architektury modelu, ale powinien uzyskać konkretne odpowiedzi:

  1. Które usługi są krytyczne i ile czasu mogą działać bez systemu AI?
  2. Czy znamy wszystkie publiczne aktywa i ich właścicieli?
  3. Jak szybko usuwamy CVE z KEV, również w weekend?
  4. Które agenty mogą wykonywać działania, a nie tylko generować tekst?
  5. Jak odcinamy skompromitowaną tożsamość maszynową?
  6. Czy potrafimy odzyskać usługę bez płacenia okupu?
  7. Kiedy ostatnio ćwiczyliśmy scenariusz łączący atak na AI i tradycyjną infrastrukturę?

Te pytania tworzą mierzalny program. Liczba zakupionych licencji „AI security” nie jest miernikiem odporności.

Co testować w red teamie

Test powinien objąć zarówno użycie AI przez atakującego, jak i podatności aplikacji AI. W pierwszej części mierzymy, czy szybsze rozpoznanie i warianty treści omijają procesy, a nie czy detektor rozpozna styl modelu. W drugiej sprawdzamy prompt injection, retrieval, narzędzia, pamięć, kontrolę danych i eskalację uprawnień.

Zakres musi mieć granice, limity kosztów i procedurę przerwania. Dobre AI red teaming kończy się dowodami, priorytetem i poprawką, a nie kolekcją efektownych promptów. Powtórny test powinien potwierdzić, że kontrola działa również po zmianie modelu.

Fakty NCSC i wnioski Breachroad

Fakty NCSC: do 2028 roku podmioty państwowe wysoce prawdopodobnie będą rutynowo wykorzystywać AI; złośliwe oprogramowanie wspierane przez AI wysoce prawdopodobnie pojawi się w ransomware przeciw UK CNI; znane podatności legacy i nowa powierzchnia AI pozostają ważne. Wnioski Breachroad: cztery strumienie programu, pytania zarządcze i sposób testowania to interpretacja defensywna. Nie przedstawiamy prognozy jako potwierdzonego incydentu.

Najważniejszy krok teraz

Nie próbuj przewidzieć każdej przyszłej techniki. Wybierz jeden krytyczny proces i sprawdź jego aktywa, tożsamości, zaległe podatności, systemy AI, telemetrię i odtwarzanie. Następnie przeprowadź ćwiczenie z założeniem, że przeciwnik iteruje szybciej niż dotychczas.

Audyt bezpieczeństwa może uporządkować zależności, a bezpieczne wdrożenie AI zbudować kontrolę dla nowych komponentów. Raport NCSC nie jest powodem do paniki. Jest powodem, by skrócić czas reakcji i usunąć te słabe punkty, których szybszy przeciwnik nie powinien znaleźć pierwszy.

Jak pracować z prawdopodobieństwem

Ocena wywiadowcza nie jest prognozą punktową. „Wysoce prawdopodobne” powinno wpłynąć na planowanie, ale nie uzasadnia twierdzenia, że dane zdarzenie nastąpi w każdej branży do konkretnej daty. Zapisuj założenie, źródło niepewności, wskaźniki wyprzedzające i moment ponownego przeglądu.

Przykładowo zespół może obserwować skracający się czas od publikacji CVE do masowego skanowania, wzrost liczby wariantów socjotechniki i nowe uprawnienia agentów w organizacji. Gdy wskaźnik się zmienia, aktualizuje priorytety. Dzięki temu raport nie trafia do szuflady ani nie staje się uniwersalnym argumentem za każdym zakupem.

Scenariusze dla różnych organizacji

Operator infrastruktury krytycznej powinien priorytetyzować legacy, dostęp dostawców, ręczne sterowanie i odtwarzanie. Firma SaaS skupia się na pipeline, API, tożsamościach maszynowych i izolacji tenantów. Organizacja usługowa potrzebuje odporności na spersonalizowany phishing, ochrony danych klientów i kontroli agentów biurowych.

W każdym przypadku ten sam trend prowadzi do innego backlogu. Strategia nie powinna kopiować listy NCSC bez kontekstu. Najpierw wybierz krytyczny rezultat biznesowy, następnie zidentyfikuj techniki, które AI może przyspieszyć, oraz kontrole ograniczające skutek.

Bezpieczna automatyzacja obrony

Obrońca także może używać AI do triage, tłumaczenia i wzbogacania alertów. Model nie powinien samodzielnie usuwać konta, blokować całego segmentu albo publikować przypisania. Oddziel rekomendację od wykonania, a przy działaniach odwracalnych stosuj automatyczne progi i pełny log.

Mierz false positive, czas analityka, odsetek decyzji skorygowanych przez człowieka i wpływ na MTTContain. Szybsze zamykanie alertów nie jest sukcesem, jeśli model pomija trudne przypadki. Zestaw kontrolny musi zawierać incydenty rzadkie oraz dane spoza okresu treningowego.

Zdolność działania podczas degradacji AI

Jeżeli SOC lub proces biznesowy zależy od modelu, przygotuj tryb bez niego. Ustal, które reguły działają deterministycznie, jak analityk odzyskuje kontekst i gdzie znajdują się procedury. Awaria dostawcy, błąd modelu lub podejrzenie manipulacji nie może zatrzymać całej obrony.

Ćwicz przełączenie na manualny triage oraz powrót. Zaległa kolejka musi mieć priorytety, aby najstarszy alert nie był automatycznie najważniejszy. Plan reagowania na incydenty powinien uwzględniać utratę własnych narzędzi AI.

Przegląd kwartalny

Co kwartał porównaj nowe dowody z założeniami NCSC: aktywność państwową, ransomware, czas eksploatacji, powierzchnię systemów AI i własny dług legacy. Zamknij kontrolę, która nie zmniejsza ryzyka, i przenieś zasoby tam, gdzie zmieniła się ekspozycja. Dobra strategia AI-cyber jest aktualizowaną hipotezą, nie trzyletnią listą zakupów.

UDOSTĘPNIJ / KOPIUJ