AI-agent hackede 30 virksomheder for kun 4 dollars stykket

Et AI-drevet cyberangreb, der koster få øre per offer

En ny rapport sætter fokus på, hvor billige og skalerbare AI-drevne cyberangreb er blevet. Ifølge rapportens resultater blev et AI-system brugt til at kompromittere omkring 30 virksomheder til en pris af ca. 4 dollars per mål – et tal, der understreger, hvordan automatisering kollapser økonomien bag cyberkriminalitet. I årevis advarede sikkerhedsforskere om, at kunstig intelligens før eller siden ville blive forvandlet til et offensivt værktøj. Denne rapport tyder på, at denne udvikling ikke længere er teoretisk.

Det, der gør denne sag bemærkelsesværdig, er ikke kun antallet af ofre eller den lave pris. Det er metoden. I stedet for den traditionelle ransomware-playbook, hvor angribere krypterer en offers filer og kræver betaling for en dekrypteringsnøgle, sprang denne operation krypteringen helt over. Angriberne fokuserede på at stjæle data og bruge dem som løftestang – en teknik, der kaldes datatyveri-afpresning.

Fra filkryptering til automatiserede preskampagner

Traditionel ransomware var afhængig af en temmelig direkte mekanisme: lås en virksomheds filer, og kræv derefter betaling for at låse dem op. Den tilgang krævede, at angribere fastholdt adgang længe nok til at kryptere store mængder data, hvilket gav forsvarerne et vindue til at opdage og reagere.

Operationen, der beskrives i denne rapport, springer dette trin over. I stedet for at kryptere noget, brugte angriberne angiveligt AI til at opbygge såkaldte automatiserede "presmapper" – sammensatte pakker af stjålne oplysninger designet til at maksimere et offers incitament til at betale. AI-systemet blev også brugt til at beregne løsesumskrav, hvilket tyder på, at afpresningsbeløbene ikke blev fastsat vilkårligt, men genereret ud fra faktorer, som modellen vurderede for hvert mål.

Dette betyder noget, fordi det fjerner en af de største flaskehalse i ransomware-operationer: menneskelig arbejdskraft. Rekognoscering, dataindsamling, oprettelse af mapper og endda prisbeslutninger kan nu håndteres af et automatiseret system, der arbejder på tværs af dusinvis af mål samtidigt. Rapporten nævner også relaterede udviklinger på dette område, herunder en model kaldet DeepSeek-V4-Pro, en autonom agent kaldet Hermes, sikkerhedssårbarheder knyttet til GitLab samt en ransomware-gruppe kendt som The Gentlemen – alt sammen pegende på en bredere tendens, hvor AI-værktøjer væves ind i kriminelle operationer i stedet for at eksistere som isolerede eksperimenter.

For et bredere perspektiv på, hvor hurtigt disse typer trusler hober sig op, viser vores seneste ThreatsDay Roundup, der dækker RCE-fejl, en Samsung-sårbarhed og iCloud-konflikten, at AI-assisteret udnyttelse blot er én brik i et meget større, hurtigt bevægeligt trusselslandskab, der berører alt fra mobile enheder til cloud-lagringsstridigheder.

Hvorfor prisen per mål er den egentlige historie

En pris på 4 dollars per kompromitteret virksomhed er ikke bare et overskriftsnummer – det er et signal om skala. Når marginalomkostningen ved at angribe endnu en organisation nærmer sig nul, ændres angribernes regnestykke fuldstændigt. I stedet for omhyggeligt at udvælge højværdimål og investere betydelig tid per offer, kan automatiserede systemer forsøge at bryde ind i et stort antal organisationer på én gang og derefter lade økonomien afgøre, hvilke der er værd at forfølge yderligere.

Dette er en markant afvigelse fra, hvordan ransomware-økonomien traditionelt har fungeret. Menneskelige intrusioner kræver tid til rekognoscering, lateral bevægelse og forhandling. En AI-drevet pipeline kan komprimere meget af den tidslinje og generere afpresningspakker og -krav med langt mindre manuel indsats. Selv hvis kun en brøkdel af de 30 målrettede virksomheder i sidste ende betalte eller led alvorlig skade, betyder operationens lave omkostninger, at angriberne ikke havde brug for en høj succesrate for at gøre det rentabelt.

Hvad dette betyder for dig

Hvis du driver en virksomhed, eller blot administrerer følsomme data for et lille team, er denne udvikling værd at være opmærksom på, uanset din branche. Datatyveri-afpresning kræver ikke, at angribere bryder ind i massiv infrastruktur eller fastholder langsigtet adgang. Det kræver at finde eksponerede eller dårligt beskyttede data og handle hurtigt. Det betyder, at mindre virksomheder, som ofte antager, at de er for ubetydelige til at blive målrettet, er lige så eksponerede som større – især nu hvor automatisering sænker omkostningerne ved at kaste et bredt net.

For enkeltpersoner er budskabet mere indirekte, men stadig relevant. Efterhånden som AI sænker omkostningerne ved datatyveri-kampagner, kan oddsene for, at dine personlige oplysninger bliver fanget i et brud, der involverer en mindre leverandør eller tjenesteudbyder, stige over tid. Afpresning baseret på stjålne data, snarere end krypterede filer, betyder også, at ofre ikke bare kan gendanne fra sikkerhedskopier og gå videre. Når data først er kopieret, er de ude af din kontrol, uanset om en løsesum betales eller ej.

Praktiske skridt, der er værd at tage

Et par konkrete handlinger kan hjælpe med at reducere eksponeringen for denne slags AI-drevet cyberangreb, uanset om du beskytter en virksomhed eller dine egne konti:

• Gennemgå, hvilke følsomme data der opbevares hvor, og minimér, hvad der gemmes i systemer, der ikke strengt taget har brug for det.
• Ret kendte sårbarheder hurtigt, da automatiserede angrebsværktøjer er bygget til at scanne præcis efter disse huller.
• Brug stærke, unikke legitimationsoplysninger og multi-faktor-godkendelse på ethvert system, der håndterer kunde- eller finansielle data.
• Antag, at billige, automatiserede angreb også vil målrette mindre organisationer – ikke kun højtprofilerede virksomheder.

Efterhånden som AI-drevne cyberangreb bliver billigere at køre, vil kløften mellem velforsvarede organisationer og alle andre sandsynligvis vokse. At holde sig informeret om, hvordan disse teknikker udvikler sig, og behandle grundlæggende sikkerhedshygiejne som ikke-negotierbar, er fortsat en af de mest effektive måder at holde sig væk fra listen over de næste 30 virksomheder.