Cyberataki w erze AI: F5 ostrzega przed nowymi celami i skalą zagrożeń

Wraz z dynamicznym rozwojem sztucznej inteligencji, krajobraz cyberzagrożeń ulega znaczącej transformacji. Firma F5 alarmuje, że ataki coraz częściej celują nie tylko w same modele AI, ale także w narzędzia deweloperskie, interfejsy API oraz komponenty integracyjne, co potwierdzają incydenty z marca 2026 roku, w tym spektakularny wyciek ponad 131 terabajtów danych.

AI zmienia skalę, nie naturę ryzyka

Mariusz Sawczuk, Senior Solution Engineer w F5, podkreśla, że sztuczna inteligencja nie tyle modyfikuje charakter ryzyka, co drastycznie przyspiesza tempo, w jakim podatności są identyfikowane i wykorzystywane. Ostatnie wydarzenia pokazują, że punkty krytyczne pojawiają się na wielu poziomach architektury systemów, od dostępu do danych, przez narzędzia dla programistów, aż po elementy odpowiedzialne za integrację.

W marcu 2026 roku odnotowano serię poważnych incydentów, które dobitnie ilustrują ten trend. Obejmowały one m.in. nieautoryzowany dostęp do ogromnej hurtowni danych, ujawnienie kluczowych elementów architektury bezpieczeństwa narzędzia deweloperskiego oraz kompromitację komponentu służącego do komunikacji z modelami sztucznej inteligencji.

131 TB danych na widoku

Jednym z najbardziej alarmujących przypadków było odkrycie firmy badawczej CodeWall. Ujawniła ona możliwość uzyskania dostępu do hurtowni danych BCG X Portal. Wszystko za sprawą niechronionego interfejsu API. Zasób ten zawierał około 3,17 biliona rekordów o łącznej objętości 131,2 terabajta. Wśród nich znalazły się wrażliwe informacje, takie jak historia zatrudnienia, dane transakcyjne oraz szczegóły dotyczące wynagrodzeń partnerów biznesowych.

CodeWall wyjaśniła, że autonomiczny agent badawczy, bazując na hipotezie o podobieństwie technologii w tej samej branży, przeprowadził rozpoznanie infrastruktury. Zidentyfikował publicznie dostępne endpointy API oraz interfejs pozwalający na wykonywanie zapytań SQL bez jakiegokolwiek uwierzytelnienia. Ten przypadek pokazuje, jak modele AI mogą samodzielnie formułować hipotezy i analizować zależności branżowe, by odkrywać luki w systemach o zbliżonej architekturze. Pojedyncza podatność może więc wskazywać na analogiczne ryzyko w wielu innych organizacjach, korzystających z porównywalnych rozwiązań.

Pół miliona linii kodu ujawnionych

Kolejny incydent dotyczył narzędzia Claude Code. W wyniku błędu podczas budowania pakietu do publicznego repozytorium trafiły tzw. source maps. Obejmowały one ponad 500 tysięcy linii kodu TypeScript w 1884 plikach. Zawierały szczegółowe informacje o mechanizmach kontroli bezpieczeństwa, konfiguracji uprawnień oraz sposobie działania systemów oceniających ryzyko operacji wykonywanych przez model.

Ujawniony kod zawierał między innymi zmienne środowiskowe, które pozwalały na wyłączanie wybranych zabezpieczeń, logikę klasyfikatora automatycznych uprawnień oraz elementy weryfikujące autentyczność zapytań. Publiczna dostępność tych danych znacząco ułatwia analizę działania zabezpieczeń, a co za tym idzie, identyfikację potencjalnych scenariuszy ich obejścia. Bezpieczeństwo modeli AI zależy nie tylko od ich architektury, ale również od sposobu implementacji i konfiguracji mechanizmów kontrolnych. Ujawnienie tych informacji może mieć wpływ na projektowanie ataków.

Atak na warstwę integracyjną

Trzeci incydent skupił się na narzędziu LiteLLM, które pełni rolę warstwy integracyjnej między organizacjami a modelami AI różnych dostawców. W wyniku ataku na łańcuch dostaw oprogramowania, do procesu publikacji pakietu wprowadzono złośliwy kod. Umożliwiło to pozyskiwanie danych uwierzytelniających oraz informacji o konfiguracji środowiska.

Zmodyfikowane wersje pakietu potrafiły między innymi wykradać klucze API, dane dostępowe do usług chmurowych oraz informacje o środowisku, w którym uruchamiano aplikacje. Ekspert F5 zwraca uwagę, że komponenty pośredniczące w komunikacji z modelami AI często mają dostęp do szerokiego zakresu informacji wykorzystywanych w procesie generowania odpowiedzi. To z kolei zwiększa znaczenie kontroli bezpieczeństwa również w tej warstwie środowiska technologicznego.

Wszystkie te przypadki jasno pokazują, że ocena bezpieczeństwa systemów opartych na sztucznej inteligencji musi dziś obejmować znacznie szersze spektrum elementów środowiska technologicznego. Nie chodzi już tylko o pojedyncze podatności, ale o sposób współdziałania modeli, danych i narzędzi wykorzystywanych w procesie ich wdrażania.

Źródło: Informacja prasowa F5

Zobacz co słychać w świecie rozrywki na