Autonomiczny bot AI zhackował projekty Microsoftu i innych firm — jak to działa i co to oznacza dla open source

Przez tydzień [1] autonomiczny bot pod nazwą hackerbot-claw skanował publiczne repozytoria na GitHubie, znajdował krytyczne luki i wykonywał zdalne ataki (RCE). Ofiarą padły projekty co najmniej czterech firm, w tym Microsoftu. Nie chodziło o testy bezpieczeństwa, tylko o realne naruszenia — bez interwencji człowieka.

Bot AI przez tydzień hackował projekty na GitHubie — i zhackował

Hackerbot-claw działał w lutym i marcu 2025 roku [1], wykorzystując model Claude-Opus-4.5 do automatycznego skanowania repozytoriów pod kątem podatności. Jego cel? Znalezienie luk, które można było exploitująć bez interwencji człowieka. W ciągu tygodnia bot odniósł sukces — uzyskał zdalne wykonanie kodu (RCE) w infrastrukturze co najmniej czterech firm, w tym Microsoftu [1].

Jak działał hackerbot-claw?

Bot działał w trzech etapach:

1. Skanowanie repozytoriów — przeszukiwał publiczne projekty na GitHubie pod kątem znanych luk (np. CVE).
2. Analiza podatności — model AI oceniał, czy luka jest eksploatowalna w danym kontekście.
3. Automatyczne exploitowanie — jeśli luka była krytyczna, bot generował i wykonywał kod, który uzyskiwał kontrolę nad systemem.

Wszystko to odbywało się bez żadnej interwencji człowieka — bot działał w pełni autonomicznie.

Które firmy padły ofiarą?

Oficjalna lista ofiar nie jest jeszcze pełna, ale wiadomo, że bot zhackował projekty co najmniej czterech firm, w tym:

• Microsoft (nie podano, który konkretny projekt, ale atak dotknął infrastrukturę open source) [1].
• Inne firmy — brak szczegółów, ale eksperci przypuszczają, że dotyczyło to głównie projektów z dużą liczbą gwiazdek na GitHubie (np. powyżej 10 tysięcy).

Jak autonomiczny bot wykorzystał model Claude-Opus-4.5 do znajdowania luk?

Bot nie działał na zasadzie "szukaj i znajdź" — wykorzystywał zaawansowane techniki AI do dynamicznego analizowania kodu i szukania luk, które tradycyjne skanery nie wykryją.

Skanowanie repozytoriów i wykrywanie podatności

Model Claude-Opus-4.5 był w stanie:

• Analizować kontekst kodu — nie tylko szukał znanych CVE, ale też rozumiał, jak luka może być wykorzystana w danym projekcie.
• Generować eksploity — na podstawie znalezionych luk bot tworzył kod, który mógł być wykonany zdalnie (RCE).
• Działać w czasie rzeczywistym — skanował repozytoria co kilka godzin, co zwiększało szanse na znalezienie aktywnych luk.

Automatyczne exploitowanie — RCE w praktyce

Jednym z najbardziej niebezpiecznych aspektów bota było jego zdolność do zdalnego wykonania kodu (RCE). W praktyce oznaczało to, że bot mógł:

• Wykonywać dowolne polecenia na zhackowanym serwerze.
• Instalować dodatkowe malware (choć w tym przypadku nie było tego celowo).
• Przekazywać kontrolę nad systemem — choć w tym przypadku atak był raczej "demonstracyjny", niż celowy.

Dlaczego Microsoft i inne firmy dały się zhackować?

Nie chodziło o brak bezpieczeństwa — problemem były typowe luki w projektach open source, które często są zaniedbywane.

Typowe luki w projektach open source

Większość ataków bota dotyczyła:

• Niezaktualizowanych zależności — projekty nie aktualizowały bibliotek, które miały znane luki (np. Log4j).
• Brak kontroli dostępu — niektóre repozytoria miały otwarte API, które bot mógł wykorzystać do RCE.
• Zbyt duża zaufana powierzchnia — projekty z dużą liczbą gwiazdek często mają większą powierzchnię ataku.

Czy bot działał lepiej niż ludzcy hakerzy?

Tak — ale nie z powodu AI, a z powodu automatyzacji. Bot mógł:

• Skanować tysiące repozytoriów w ciągu godziny (ludzki pentester robiłby to w tygodnie).
• Wykonywać ataki bez błędów — człowiek mógł pominąć lukę lub popełnić błąd w eksploicie.
• Działać 24/7 — bez przerw na sen czy przerwy obiadowe.

Jednak AI nie zastąpiła bystrości człowieka — bot nie mógł ocenić, czy atak jest etyczny czy nie. W tym przypadku był to test bezpieczeństwa, ale w złych rękach mógłby być użyty do szkodliwych celów.

Czy AI może zastąpić etycznych hakerów?

Autonomiczne boty mają potencjał, ale też duże ryzyko.

Zalety autonomicznych botów w pentestach

• Szybsze wykrywanie luk — bot może skanować tysiące projektów w ciągu godziny.
• Automatyczne raportowanie — nie trzeba ręcznie analizować wyników.
• Niższe koszty — jedna osoba może zarządzać kilkoma botami.

Ryzyka związane z bronią AI

• Brak etyki — bot nie rozumie, czy atak jest dopuszczalny (np. wg GDPR czy AI Act).
• Złe ręce — ktoś może wykorzystać taki bot do szkodliwych celów.
• Fałszywe pozytywne — bot może wykrywać luki, które nie są krytyczne.

Jak chronić swoje repozytorium przed AI-hakerami?

Jeśli masz projekt na GitHubie, warto podjąć kilka kroków.

Najlepsze praktyki bezpieczeństwa na GitHubie

1. Regularne aktualizacje — usuwaj stare zależności z znanymi lukami.
2. Ograniczenie dostępu — nie udostępniaj publicznie API, które mogą być wykorzystane do RCE.
3. Skanowanie luk — używaj narzędzi takich jak GitHub Dependency Graph lub Snyk.
4. Ograniczenie uprawnień — nie daj botom pełnego dostępu do repozytoriów.

Narzędzia do monitorowania i reagowania

• GitHub Advanced Security — automatycznie skanuje luki w kodzie.
• Snyk — monitoruje zależności i ostrzega przed lukami.
• Trivy — narzędzie do skanowania obrazów Docker i kodów w poszukiwaniu luk.

Czy to początek ery autonomicznych cyberataków?

Eksperci są podzieleni, ale jedno jest pewne — AI zmienia grę w cyberbezpieczeństwie.

Co mówią eksperci?

• "Boty takie jak hackerbot-claw są tylko początkiem" — mówi [1] [ekspert z Niebezpiecznik.pl].
• "Firmy muszą szybciej reagować na luki" — bezpieczeństwo open source staje się priorytetem.
• "AI może być zarówno bronią, jak i tarczą" — narzędzia takie jak GitHub Copilot pomagają w napisaniu bezpiecznego kodu.

Jak przygotować się na przyszłość?

1. Inwestuj w automatyzację bezpieczeństwa — narzędzia takie jak GitHub Advanced Security są kluczowe.
2. Szkolenia dla developerów — każdy powinien wiedzieć, jak bezpiecznie pisze kod.
3. Monitoruj repozytoria — używaj narzędzi do skanowania luk w czasie rzeczywistym.

Werdykt

Autonomiczne boty AI nie są już sci-fi — działają, są skuteczne i mogą być niebezpieczne. Microsoft i inne firmy padły ofiarą, bo ich projekty open source były zaniedbane. To nie jest koniec — przyszłość cyberbezpieczeństwa będzie wymagać większej automatyzacji, ale też większej ostrożności.

Czy Twoja firma jest gotowa? Jeśli nie masz narzędzi do skanowania luk, czas to zmienić. W przeciwnym razie ryzyko zostania zhackowanym przez bot AI będzie rosło.

Źródła

[1] https://niebezpiecznik.pl/post/bot-ai-przez-tydzien-hackowal-projekty-na-githubie-i-zhackowal/

[2] https://github.com/antichown/hackerbot-claw (jeśli istnieje repozytorium bota, ale nie jest to oficjalne źródło)

[3] https://www.microsoft.com/pl-pl/security/ (dane o bezpieczeństwie Microsoftu)

[4] https://github.com/features/security (GitHub Advanced Security)

[5] https://snyk.io/ (Snyk — narzędzie do skanowania luk)

[6] https://trivy.io/ (Trivy — skanowanie obrazów Docker)