Исследователи безопасности зафиксировали использование модели DeepSeek-V3 злоумышленниками для автоматизации процесса поиска и эксплуатации уязвимостей в веб-серверах. ИИ-агент, интегрированный с инструментами сканирования, самостоятельно анализировал сетевые ответы, выявлял слабые места в конфигурациях и подбирал векторы атак, что значительно снижает порог входа для проведения киберпреступлений и ускоряет цикл эксплуатации уязвимостей.
В ходе анализа инцидентов было установлено, что злоумышленники применяют модель для интерпретации результатов сканирования портов и автоматического написания эксплойтов под конкретные цели. Использование LLM позволяет атакующим обходить стандартные сигнатурные методы защиты, так как генерируемый код и последовательность действий каждый раз уникальны. Это демонстрирует переход от ручного поиска уязвимостей к масштабируемым агентным атакам, где ИИ берет на себя роль аналитика и исполнителя.
Эксперты отмечают, что текущие механизмы фильтрации запросов в моделях не всегда способны распознать вредоносный контекст, если он представлен в виде легитимных задач по анализу кода или сетевой безопасности. Подобные кейсы подчеркивают необходимость пересмотра подходов к защите инфраструктуры, так как скорость реагирования ИИ-агентов на появление новых уязвимостей (CVE) значительно превышает возможности ручного патчинга систем администраторами.
Ключевые факты
- Модель DeepSeek-V3 использовалась для автоматизированного анализа сетевых ответов и генерации кода эксплойтов.
- Атаки направлены на эксплуатацию известных уязвимостей в веб-серверах и неправильных конфигураций ПО.
- ИИ-агенты позволяют злоумышленникам автоматизировать процесс разведки и доставки полезной нагрузки без участия человека.
- Исследователи подчеркивают, что текущие методы защиты не успевают за скоростью генерации уникальных векторов атак с помощью LLM.