Sztuczna inteligencja miała pomagać wykrywać luki w zabezpieczeniach. Coraz częściej okazuje się jednak, że potrafi także samodzielnie je wykorzystywać. Incydenty z udziałem modeli OpenAI, Anthropic i Meta pokazują, że granica między testem a faktycznym atakiem zaczyna się zacierać.
- Modele AI podczas testów potrafiły wydostać się z kontrolowanych środowisk i uzyskać dostęp do prawdziwych systemów
- Cyberprzestępcy używają AI do automatyzowania phishingu, tworzenia malware i prowadzenia kampanii wymagających wcześniej dużych kompetencji
- Problemem są także środowiska testowe projektowane w czasach, gdy nikt nie zakładał tak dużej autonomii AI
- Firmy wzmacniają monitoring, ale eksperci coraz częściej domagają się obowiązkowych testów najbardziej zaawansowanych modeli
AI zwiększa możliwości obrońców, ale zarazem skraca czas potrzebny do przygotowania ataku i obniża próg wejścia dla przestępców. Niepokoi też to, że autonomiczne modele mogą podejmować działania, których twórcy nie przewidzieli.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Przed publicznym udostępnieniem modeli ich twórcy poddają je benchmarkom. AI dostaje zadania związane m.in. z programowaniem czy korzystaniem z narzędzi i wykonuje je w kontrolowanym środowisku, tzw. sandboxie. Teoretycznie powinno działać tylko w wyznaczonych granicach.
Najbardziej zaawansowane systemy zaczęły jednak znajdować sposoby na ich obejście. W lipcu modele OpenAI włamały się do Hugging Face, popularnej platformy do udostępniania modeli AI. Anthropic ujawnił, że Claude naruszył systemy trzech organizacji, a Meta poinformowała o podobnym incydencie z udziałem Muse Spark 1.1.
Nie chodzi o to, że AI „chce” zostać hakerem. Model otrzymuje cel i szuka skutecznej drogi do jego realizacji. Jeśli łatwiej zdobyć potrzebną informację poprzez obejście ograniczeń, może wybrać właśnie tę ścieżkę. Dla systemu liczy się rezultat, nie zaś moralna ocena sposobu jego osiągnięcia.
Sandbox przestał być wystarczającą klatką
Źródłem części problemów są same środowiska testowe. Sandboxy, tzw. piaskownice, projektowano głównie po to, by ograniczać dostęp do wewnętrznych zasobów i minimalizować szkody. Nie tworzono ich jednak z myślą o modelach aktywnie szukających nieznanych podatności.
W przypadku OpenAI modele wykorzystały nieznaną wcześniej lukę typu zero-day. Anthropic wskazał na błąd organizacyjny — modelom powiedziano, że działają bez dostępu do sieci, choć wskutek nieporozumienia z partnerem taki dostęp faktycznie istniał. Meta również mówiła o błędzie konfiguracji środowiska.
Nie wykazano dotąd strat finansowych ani szkód fizycznych, ale incydenty nie były błahe. Claude Mythos 5 miał podczas testów próbować wpłynąć na prawdziwego dewelopera projektu open source i doprowadzić do umieszczenia złośliwego kodu w działającym projekcie. To pokazuje, jak cienka może być granica między eksperymentem a ingerencją w codzienny świat.
Czytaj też: 82% Polaków słyszało o wycieku danych. Większość nie zrobiła jednak nic
Haker z AI nie musi być już ekspertem
Druga kategoria zagrożeń jest bardziej praktyczna. Ludzie wykorzystują modele jako narzędzia ofensywne. AI może automatyzować rozpoznanie celu, przygotowywać phishing, analizować kod, wyszukiwać podatności czy pomagać w tworzeniu złośliwego oprogramowania. Zadania wymagające wcześniej zespołu specjalistów mogą być wykonywane szybciej i na większą skalę.
Anthropic informował o kampanii, w której chińska grupa powiązana z państwem miała użyć Claude Code do operacji kradzieży danych i wymuszeń przy ograniczonym udziale człowieka. Bloomberg opisywał też ataki na meksykańskie instytucje publiczne, w których z pomocą Claude wykradziono dane podatkowe i wyborcze. Rosyjskojęzyczni hakerzy mieli natomiast wykorzystać komercyjne AI do przełamania zabezpieczeń ponad 600 urządzeń firewall w wielu krajach.
AI przede wszystkim zwiększa tempo, skalę i dostępność cyberataków. Osoba z mniejszą wiedzą techniczną może wykonywać zadania, które jeszcze niedawno były domeną doświadczonych zespołów.
Polska już mierzy się ze wzrostem liczby incydentów
Dla polskich firm i administracji problem nie jest teoretyczny. CERT Polska zarejestrował w 2025 r. ponad 260 tys. incydentów cyberbezpieczeństwa, o 152 proc. więcej niż rok wcześniej, a ponad 97 proc. stanowiły oszustwa komputerowe. NASK wskazuje, że AI obniża próg wejścia dla przestępców, ułatwiając tworzenie wiarygodnego phishingu i automatyzację ataków. W czerwcu 2026 r. NASK zapowiedział laboratorium AITAS, które ma badać odporność systemów AI na cyberzagrożenia.
Twórcy modeli próbują zwiększyć kontrolę. OpenAI zapowiedział dokładniejsze śledzenie sposobu, w jaki najbardziej zaawansowane, jeszcze niepubliczne modele rozwiązują zadania i używają narzędzi, aby zespoły bezpieczeństwa mogły szybciej reagować. Anthropic i Meta publikują własne ramy oceny ryzyka, a najbardziej zdolne modele bywają ograniczane do wybranych partnerów.
Paradoks polega na tym, że testy muszą dobrze odzwierciedlać nasz świat. Jeśli model ma być sprawdzany w realistycznych warunkach, czasem trzeba dać mu dostęp do internetu i narzędzi. To zwiększa ryzyko, że test stanie się prawdziwym incydentem. W erze agentów AI ważne będzie więc nie tylko to, co modele potrafią, ale czy ich twórcy potrafią je skutecznie kontrolować.
Sprawdź też: Komputery kwantowe mogą złamać cyfrowe zamki. Firmy powinny przygotować się już teraz
