News & analizy
Ekonomia ataku w 2026: czy hakerzy przestaną się opłacać?
Zaktualizowano: Autor: Andrzej Niemiec10 min czytania
AI obniża koszt ataku i skraca czas od odkrycia luki do jej wykorzystania. Sprawdzamy, co dane z 2026 roku mówią o opłacalności cyberprzestępczości.
Spis treści
- Czy AI sprawiło, że cyberataki przestały się opłacać?
- Dlaczego liczba ujawnień podatności rośnie szybciej niż liczba ataków?
- Jak szybko podatność zmienia się w działający atak?
- Ile kosztuje kampania prowadzona przez agentów AI?
- Czy obrona z użyciem AI nadąża za atakiem?
- Gdzie AI zmienia socjotechnikę?
- Jakie podstawowe zabezpieczenia nadal decydują?
- Czy prawo nadąża za tempem zmian?
- Najczęstsze pytania
- Źródła
Czy AI sprawiło, że cyberataki przestały się opłacać?
Nie. Dane z 2026 roku pokazują jednocześnie rosnącą liczbę ujawnianych podatności i rosnące możliwości obrony. Nie ma wiarygodnego dowodu na to, że automatyzacja uczyniła cyberprzestępczość nieopłacalną. Zmieniła się natomiast struktura kosztów: spadł koszt przygotowania ataku, a po obu stronach skrócił się czas reakcji.
Dlaczego liczba ujawnień podatności rośnie szybciej niż liczba ataków?
Google Threat Intelligence Group odnotował wzrost miesięcznych ujawnień z 5 045 w styczniu do 10 740 w sierpniu 2026 roku [1]. Od stycznia do sierpnia 2026 roku zarejestrowano 141 podatności wykorzystanych w praktyce, wobec 127 w całym 2025 roku [1]. Skala realnych ataków rośnie, ale pozostaje ułamkiem wszystkich ujawnień: około 0,23% podatności z 2026 roku było obserwowanych jako wykorzystywane [3].
Analitycy Google ostrzegają, że automatyczne nadawanie numerów CVE zawyża surowe statystyki [3]. Dla zespołu bezpieczeństwa oznacza to szum: więcej skanów, więcej zgłoszeń i więcej alertów, których nie da się szybko zweryfikować. Sam wzrost liczby wykrytych błędów nie mówi nic o tym, ile z nich da się realnie wykorzystać.
Jak szybko podatność zmienia się w działający atak?
Microsoft podaje, że mediana czasu od odkrycia podatności w środowisku produkcyjnym do jej uzbrojenia spadła poniżej 24 godzin. Usuwanie krytycznych podatności zewnętrznych trwa typowo 30–60 dni [2]. Ta różnica jest dziś głównym polem przewagi atakującego: okno między publikacją poprawki a wdrożeniem jej u klienta.
Potwierdzonym przykładem automatyzacji po stronie odkrywania jest CVE-2026-1731 w BeyondTrust Privileged Remote Access i Remote Support. Podatność znalazł autonomicznie agent Hacktron AI, a według Google Threat Intelligence Group była później wykorzystywana w kampaniach [1]. To nie znaczy, że każde narzędzie AI znajduje krytyczne błędy. Znaczy, że takie przypadki przestały być anegdotą.
Ile kosztuje kampania prowadzona przez agentów AI?
We wrześniu 2026 roku opisano kampanię, w której Strix służył do skanowania, Cairn do eksploatacji, a Hermes do orkiestracji całości [4]. Ataki trwały od lipca i objęły co najmniej 119 stron internetowych. Badacze przypisali kampanii ponad 600 tys. skradzionych rekordów danych kart [4].
Koszt jest równie istotny jak skala. Średni koszt przypadający na jeden cel wyniósł około 25,46 USD, a całkowite koszty operacji oszacowano na 12–18 tys. USD [4]. To dane z jednej kampanii, nie uniwersalny cennik. Pokazują jednak, że bariera wejścia spadła poniżej progu, przy którym atak wymaga etatu doświadczonego specjalisty.
| Kryterium | Atakujący z agentami AI | Obrońca z narzędziami AI |
|---|---|---|
| Tempo działania | uzbrojenie podatności w mniej niż dobę [2] | łatanie krytycznych błędów 30–60 dni [2] |
| Koszt jednostkowy | około 25,46 USD na cel w opisanej kampanii [4] | zależy od liczby systemów i wielkości zespołu |
| Skalowalność | setki celów obsługiwane równolegle [4] | ograniczona liczbą systemów pod monitoringiem |
| Wąskie gardło | wybór celu i decyzje o kluczowych etapach [2] | wdrożenie poprawek i weryfikacja alertów |
Tabela pokazuje, gdzie przewaga jest dziś po stronie atakującego, a gdzie po stronie obrońcy. W pierwszym przypadku decyduje czas, w drugim liczba systemów objętych monitoringiem i dyscyplina wdrażania poprawek. Żadna z tych przewag nie wynika z samego modelu, tylko z organizacji pracy wokół niego.
Czy obrona z użyciem AI nadąża za atakiem?
Częściowo. Microsoft wskazuje, że AI pomaga w ciągłym skanowaniu, korelacji alertów, threat huntingu, analizie kodu, wykrywaniu anomalii i automatyzacji reakcji [2]. Warunkiem jest porównywalna szybkość działania po stronie obrońcy.
Jednocześnie raport podkreśla, że większość decyzji o celu, strategii i kluczowych etapach intruzji nadal podejmują ludzie [2]. Automatyzacja skraca przygotowanie, ale nie zastępuje osądu. To różnica, która przesądza o tym, czy kampania się skaluje, czy kończy na pierwszym nieoczywistym zabezpieczeniu.
Gdzie AI zmienia socjotechnikę?
Najwyraźniej w phishingu. Według Mariusza Kujawskiego, wiceprezesa ComCERT z Grupy Asseco, kampanie generowane przez AI osiągają współczynnik kliknięć na poziomie 54%, podczas gdy metody tradycyjne 12% [5]. Różnica czterokrotna zmienia rachunek dla każdej kampanii rozsyłanej masowo.
Drugi kierunek to podszywanie się pod konkretne osoby: głos przełożonego, twarz kontrahenta, fałszywa tożsamość w rozmowie [6]. W polskich firmach oznacza to, że weryfikacja przez telefon lub wideo przestała być wystarczającym potwierdzeniem. Procedura wymaga drugiego, niezależnego kanału.
Jakie podstawowe zabezpieczenia nadal decydują?
Raport Microsoftu wymienia je wprost: szybkie łatanie, uwierzytelnianie wieloskładnikowe, segmentacja sieci, ograniczanie uprawnień, monitoring systemów wystawionych do internetu oraz plan odtwarzania [2]. Żadne z nich nie wymaga modelu językowego.
W polskich warunkach dochodzi warstwa operacyjna. CERT Polska opisał kampanię złośliwego oprogramowania automatyzującego Direct Carrier Billing, czyli płatności przez rachunek operatora [7]. To pokazuje, że automatyzacja ataku trafia też w kanały, które wiele firm uznaje za poza własną kontrolą. Jak szybko pojedyncza luka przekłada się na przejęcie serwera, opisujemy w tekście o CVE-2026-33032 w Nginx UI.
Czy prawo nadąża za tempem zmian?
Źródła branżowe wskazują, że sam regulamin i deklaracja zgodności nie wystarczą, gdy wektorem ataku staje się narzędzie AI [8]. Obowiązki wynikają z ogólnych przepisów o bezpieczeństwie danych, a nie z osobnej ustawy o modelach.
Praktyczny wniosek jest prostszy niż dyskusja o regulacjach. Skoro tempo po stronie atakującego mierzy się w godzinach, a po stronie obrońcy w tygodniach, przewagę buduje się procesem, nie kolejnym produktem. Pomocne bywa też zrozumienie, jak działają wyszukiwarki i systemy AI, z których korzystają obie strony. Piszemy o tym w analizie zmian w Google Search.
Najczęstsze pytania
Czy AI zastąpi pentesterów?
Nie w najbliższym czasie. Automatyzacja przyspiesza odkrywanie podatności, czego przykładem jest autonomicznie znaleziona CVE-2026-1731 [1]. Microsoft wskazuje jednak, że decyzje o celu i kluczowych etapach intruzji nadal podejmują ludzie [2]. Rola specjalisty przesuwa się w stronę weryfikacji wyników i oceny ryzyka biznesowego.
Czy atak z użyciem AI jest tańszy?
W opisanej kampanii średni koszt na jeden cel wyniósł około 25,46 USD, a cała operacja 12–18 tys. USD [4]. To dane jednej kampanii, nie uniwersalny cennik. Nie ma podstaw, by przenosić tę kwotę na każdy atak. Wiadomo natomiast, że spadł koszt przygotowania, bo część pracy wykonują agenci.
Czy wzrost liczby CVE oznacza więcej udanych włamań?
Nie. Około 0,23% podatności ujawnionych w 2026 roku było obserwowanych jako wykorzystywane, a automatyczne nadawanie numerów CVE zawyża statystyki [3]. Realnych ataków przybywa, ale wolniej niż samych ujawnień. Dla obrońcy ważniejsza od liczby CVE jest lista systemów wystawionych do internetu.
Od czego zacząć w małej firmie?
Od trzech rzeczy: łatania systemów wystawionych do internetu, uwierzytelniania wieloskładnikowego i monitoringu [2]. Dopiero potem ma sens zakup narzędzi analizujących kod. Kolejność wynika z tego, że atakujący najczęściej szuka znanej podatności, a nie nieznanej.
Czy AI pomaga obrońcom tak samo jak atakującym?
Pomaga inaczej. Skraca czas analizy kodu, korelacji alertów i wykrywania anomalii [2]. Nie usuwa jednak wąskiego gardła, którym jest wdrożenie poprawki i weryfikacja zgłoszeń. Przewaga zależy więc od procesu, nie od samego narzędzia.
Źródła
- Vulnerability Discovery and Exploitation Trends in the AI Era (Google Cloud, 2026)
- 2026 Digital Defense Report (Microsoft, 2026)
- Google: AI Is Changing the Pace and Profile of Vulnerability Discovery (SecurityWeek, 2026)
- Malicious AI agents steal 600K credit cards, infect 100+ sites with skimmers (BleepingComputer, 2026)
- Gigant z Polski ostrzega przed falą zagrożeń w sieci (Business Insider, 2026)
- Głos szefa, twarz kontrahenta, fałszywa tożsamość (BiznesAlert, 2026)
- Fałszywe reklamy i złośliwe aplikacje – analiza operacji toll fraud (CERT Polska, 2026)
- Sztuczna inteligencja może stać się furtką dla hakerów (Wiadomości Handlowe, 2026)
Fanatyk nowych technologii i specjalista w zakresie sztucznej inteligencji.
Jak powstają teksty: Polityka AI · O redakcji