איומי סייבר מבוססי AI: כך סוכני בינה מלאכותית משנים את מפת התקיפות

סייבר בעידן הבינה המלאכותית: התוקף כבר לא חייב להיות מומחה

בדוח שפרסם צוות Frontier Red Team של אנתרופיק נבחנו 832 חשבונות שנחסמו בין מרץ 2025 למרץ 2026 בשל פעילות סייבר זדונית, ומופו מול מסגרת MITRE ATT&CK, אחת התשתיות המרכזיות בעולם להבנת טקטיקות, טכניקות ונהלים של תוקפים. הממצא החשוב ביותר אינו רק שתוקפים משתמשים בבינה מלאכותית, אלא שהם מתחילים להשתמש בה בשלבים שבהם בעבר נדרשה מומחיות גבוהה, סבלנות מבצעית והבנה עמוקה של רשתות ארגוניות.

במילים פשוטות, AI כבר אינו רק כלי שמנסח הודעת פישינג משכנעת או מסייע לכתוב מקטע קוד זדוני. הוא הופך לשכבת תפעול שמסוגלת לסייע בזיהוי חשבונות בתוך סביבה שנפרצה, לתמוך בתנועה רוחבית ברשת, להציע פעולות המשך ולחבר בין שלבים שונים של תקיפה. זו אינה אוטומציה רגילה, אלא מעבר הדרגתי לכיוון תקיפות סוכניות, שבהן המודל אינו רק עונה לשאלה אלא פועל כחלק ממכונת החלטות.

המספרים שמטרידים את מנהלי האבטחה

לפי הנתונים, השימוש הנפוץ ביותר ב-AI עדיין נמצא בשלב ההכנה לתקיפה, בעיקר כתיבת נוזקות, פעילות שנצפתה אצל 560 מתוך 832 החשבונות שנבדקו. אך הנתון המעניין יותר הוא הופעת שימושים מתקדמים: 54 חשבונות נעזרו ב-AI לצורך תנועה רוחבית, כלומר פעילות בתוך רשת שכבר נפרצה. זהו שלב מסוכן בהרבה, משום שהוא מקרב את התוקף לנכסים רגישים, הרשאות גבוהות ונתונים עסקיים קריטיים.

גם רמת הסיכון השתנתה במהירות. בחצי השנה הראשונה של תקופת הניתוח, כשליש מהשחקנים הוגדרו כבעלי סיכון בינוני ומעלה. בחצי השנה השנייה השיעור עלה ל-56 אחוזים. העלייה הזו מצביעה על דמוקרטיזציה של יכולות תקיפה: פחות ידע ידני נדרש כדי לבצע יותר פעולות מורכבות.

במקביל נרשמה ירידה בשימוש ב-AI לפישינג ועלייה בשימוש בו לגילוי חשבונות בתוך סביבת יעד. המשמעות העסקית ברורה: ארגונים לא יכולים להתמקד רק במניעת כניסה ראשונית. נקודת ההכרעה עוברת פנימה, אל יכולת הזיהוי, הבלימה והתגובה לאחר החדירה.

למה מסגרות הסיכון הישנות כבר לא מספיקות

בעולם הסייבר נהוג היה להעריך תוקפים לפי מספר הטכניקות שבהן הם משתמשים, הכלים שברשותם ורמת התחכום המשוערת שלהם. אלא שבינה מלאכותית מטשטשת את הקשר בין מיומנות אנושית לבין יכולת מבצעית. תוקף בעל ניסיון מוגבל יכול להפעיל מודל שמייצר עבורו רצף פעולות מורכב, בעוד תוקף מתקדם יותר עשוי להיראות מבחוץ דומה למדי אם מודדים רק את מספר הטכניקות.

ההבחנה החשובה עוברת אפוא מארסנל הכלים לארכיטקטורה שמסביב למודל. השאלה אינה רק מה התוקף מבקש מה-AI, אלא האם הוא בונה סביבו מערכת שמחברת שלבי תקיפה, מקבלת החלטות בזמן אמת ומפחיתה את הצורך בהתערבות אנושית. זהו לב הסיכון החדש: לא מודל שמספק תשובות, אלא תשתית שמאפשרת פעולה רציפה.

MITRE ATT&CK צריך להתרחב לעידן הסוכנים

MITRE ATT&CK נחשב תקן חשוב, אך המחקר מצביע על פער מהותי: המסגרת מתארת היטב טכניקות תקיפה קלאסיות, אך אינה מתארת במלואה התנהגות סוכנית של מודלי AI. אין כיום קטגוריה מספקת לתיאור מודל שמריץ פקודות, בוחר נתיב פעולה, מחבר שלבים ומבצע משימות עם פיקוח אנושי מצומצם.

עבור מנהלי אבטחת מידע, המשמעות היא צורך לעדכן מודלי הגנה. זיהוי נוזקה או ניסיון דיוג לא יספיקו. יש לבנות ניטור שמזהה רצפים, דפוסי תזמור, חריגות בהרשאות ושימושים חשודים בכלי AI ארגוניים. במקביל, ספקי מודלים יצטרכו לשלב שכבות הגנה שמזהות לא רק בקשות אסורות בודדות, אלא גם כוונות מצטברות לאורך סשן עבודה.

החזית הבאה של הסייבר לא תהיה רק בין תוקפים למגינים, אלא בין סוכנים אוטונומיים למערכות הגנה אוטונומיות. מי שיישאר עם תפיסת אבטחה של אתמול, יגלה שתוקפי המחר כבר פועלים במהירות של מכונה.