Napadači su koristili open-source AI okvir za penetracijsko testiranje nazvan Cairn kako bi pronašli prethodno nepoznatu ranjivost u aplikaciji za medicinsko snimanje i preuzeli kontrolu nad poslužiteljem. Slučaj napada AI alatom Cairn na nultu ranjivost u medicinskom snimanju značajan je primjer kako autonomni alati namijenjeni braniteljima mogu poslužiti i napadačima.
Javno dostupni detalji su ograničeni. U nastavku je ono što je poznato, zašto je to važno i što pacijenti i korisnici u zdravstvu mogu razumno učiniti.
Što se dogodilo s Cairnom i ranjivošću u medicinskom snimanju
Prema izvješćima, napadači su koristili Cairn, open-source AI okvir za penetracijsko testiranje, kako bi otkrili nultu ranjivost u aplikaciji za medicinsko snimanje. Nulta ranjivost je greška za koju proizvođač softvera nije znao, što znači da nije postojao zakrpa u trenutku kada je otkrivena. Napadači su zatim iskoristili tu grešku kako bi preuzeli kontrolu nad poslužiteljem.
Izvorni materijal ne pruža daljnje pojedinosti i nećemo nagađati o njima. Ovdje nemamo potvrđene informacije o nazivu pogođenog proizvoda, CVE identifikatoru, broju pogođenih organizacija ni o tome jesu li pristupljeni pacijentovi podaci. Ako se ti detalji pojave, bit će važni za procjenu stvarnog utjecaja.
Ono što je jasno jest obrazac: alat osmišljen za testiranje sustava na slabosti usmjeren je prema stvarnoj meti i otkrio je grešku koju branitelji još nisu vidjeli.
Kako autonomna AI snižava prepreku za otkrivanje nultih ranjivosti
Okviri za penetracijsko testiranje postoje kako bi sigurnosni timovi mogli ispitati vlastite sustave prije kriminalaca. Autonomne verzije idu korak dalje povezujući zadatke, poput skeniranja, analize ponašanja i testiranja mogućih slabosti, uz manje ljudskog usmjeravanja. Budući da je Cairn open source, svatko ga može preuzeti i pokrenuti, uključujući ljude s lošim namjerama.
Povijesno gledano, pronalaženje nulte ranjivosti zahtijevalo je značajno vrijeme i specijalističke vještine. Autonomna AI može smanjiti oboje. To ne znači da svaki napadač odjednom postaje vrhunski istraživač, ali znači da se skup ljudi sposobnih pronaći ozbiljne greške može povećati, a vrijeme između postojanja greške i njezina iskorištavanja može se skratiti.
To se uklapa u širi trend koji pratimo. Izvještavanje o AI-pokretanom Android špijunskom softveru PromptSpy i kampanji GTG-1002 opisuje kako AI prelazi od pomagača napadača do autonomnog operatera, pri čemu GTG-1002 navodno koristi AI agente za 80%-90% svojih špijunskih zadataka. Isto tako, istraživači su kineske hakere koji koriste open-source AI u napadu na Tajvan opisali kao prvi potpuno autonomni, end-to-end AI kibernetički napad. Incident s Cairnom odvija se u drugačijem okruženju, ali pokazuje u istom smjeru.
Što to znači za zdravstvene podatke pacijenata
Sustavi za medicinsko snimanje obrađuju neke od najosjetljivijih informacija koje osoba ima: snimke, dijagnoze i identifikacijske podatke vezane uz njih. Preuzimanje kontrole nad poslužiteljem u tom okruženju moglo bi, u načelu, izložiti te podatke. No ponovno, izvješća koja imamo ne potvrđuju da su u ovom slučaju pristupljeni bilo kakvi pacijentovi podaci, pa je rizik vrijedno držati u razmjeru.
Važnija je strukturna poanta. Zdravstveni softver često radi godinama uz ograničena ažuriranja, a proizvođači nisu uvijek brzi u izdavanju zakrpa. Ako AI učini jeftinijim pronalaženje grešaka u tom softveru, jaz između otkrivanja i obrane postaje teže upravljiv. Pojedinačni pacijenti imaju malo kontrole nad tim kako bolnica ili pružatelj usluga snimanja osigurava svoje poslužitelje, zbog čega izbori koje vi kontrolirate postaju važniji.
Ista se dinamika pojavljuje i u drugim aktivnostima potpomognutim AI-jem. Istraživanje o kineskim hakerskim skupinama koje udvostručuju obujam napada pomoću DeepSeek AI pokazuje kako predavanje izviđačkog i razvojnog rada AI-ju može povećati razmjere, a ne samo brzinu.
Praktični koraci za korisnike medicinskih aplikacija i portala
Ne možete zakrpiti bolnički poslužitelj, ali možete smanjiti svoju izloženost:
- Koristite jedinstvene zaporke i upravitelj zaporki za svaki pacijentski portal, kako jedan kompromitirani servis ne bi otključao ostale.
- Uključite višefaktorsku autentifikaciju gdje god je vaš pružatelj usluga nudi.
- Dijelite samo ono što je potrebno. Ako obrazac traži više osobnih podataka nego što se čini nužnim, pitajte zašto.
- Redovito ažurirajte aplikacije i uređaje, uključujući sve medicinske ili osiguravajuće aplikacije na telefonu.
- Preuzimajte vlastite zapise selektivno i čuvajte ih sigurno umjesto da kopije ostavljate razbacane po e-pošti i cloud mapama.
- Pazite na sumnjive poruke koje se pozivaju na termine, snimke ili naplate, jer se ukradeni zdravstveni podaci često koriste za ciljani phishing.
- Pitajte pružatelje usluga kako obavještavaju pacijente o sigurnosnim incidentima i pažljivo čitajte sve obavijesti o povredi podataka koje primite.
VPN štiti vašu vezu na nepouzdanim mrežama, ali ne osigurava poslužitelje pružatelja usluga, pa nije obrana od ove vrste napada.
Ključni zaključci
Slučaj AI alata Cairn i nulte ranjivosti u medicinskom snimanju pokazuje da open-source autonomni alati mogu pomoći napadačima pronaći nepoznate greške i preuzeti kontrolu nad poslužiteljima, čak i ako mnogi detalji ostaju nepotvrđeni. Za pacijente je praktičan odgovor staložen, a ne uznemiren: ojačajte sigurnost svojih računa, ograničite što dijelite i ostanite na oprezu prema naknadnom phishingu.
Da biste razumjeli veći pomak, pročitajte naše izvještavanje o AI-vodivim špijunskim kampanjama poput GTG-1002 i PromptSpy i odvojite nekoliko minuta ovog tjedna da pregledate kako i gdje dijelite svoje zdravstvene podatke.




