Браузер став найслабшою ланкою корпоративного AI

Євген Куліков

Штучний інтелект автоматизує пошук вразливостей, прискорює кібератаки та створює нові канали витоку корпоративних даних. Дослідження Akamai показує, чому компаніям доведеться переглянути захист API, браузерних розширень і автономних AI-агентів.

AI скорочує час, необхідний для пошуку вразливостей, автоматизує традиційні методи атак і розширює поверхню кіберзагроз. Водночас компанії продовжують усувати проблеми в темпі звичайних циклів розробки та оновлення програмного забезпечення. Цей дисбаланс між швидкістю атаки й реагуванням захисників став однією з головних проблем корпоративної кібербезпеки. Про це йдеться у звіті Akamai The Agentic Threat Landscape, присвяченому ризикам використання генеративного AI та автономних агентів.

За даними дослідження, у 2025 році обсяг трафіку AI-ботів зріс на 300%. Середня кількість щоденних атак на API в розрахунку на одну організацію збільшилася на 113%, до 258. А про інциденти, пов’язані з API, повідомили 87% опитаних компаній проти 76% у 2022 році. Ці показники свідчать про те, що інтерфейси програмування залишаються одним із головних напрямів атак, а поширення AI збільшує навантаження на системи, які забезпечують обмін даними між сервісами.

Зміни стосуються не лише кількості запитів. AI дає змогу автоматизувати розвідку, аналіз вразливостей і поєднання кількох етапів атаки. За оцінкою Akamai, пошук слабких місць, який раніше міг тривати тижнями, тепер у певних випадках займає години. Компанії не здатні так само швидко перевіряти всі знахідки, оцінювати їхній вплив і випускати виправлення. Тому першочерговим завданням стає визначення того, які вразливості доступні зловмисникам, чи можна їх експлуатувати та яких бізнес-процесів вони стосуються.

Звіт також звертає увагу на автономні AI-агенти, які не просто генерують відповіді, а виконують дії через API, звертаються до баз даних і взаємодіють із корпоративними системами. Одним із механізмів такої інтеграції є Model Context Protocol (MCP). Він дає моделям змогу підключати зовнішні інструменти, але водночас створює нові межі довіри, які потрібно контролювати.

Зловмисник може приховати інструкції в описі інструмента або зовнішньому вебконтенті, щоб змінити поведінку моделі. У складніших сценаріях скомпрометований сервер із низьким рівнем довіри може вплинути на агента так, щоб той звернувся до внутрішньої бази даних чи сховища ключів. Ризик полягає не лише в безпосередньому виконанні шкідливого коду, а й у тому, що модель може використати власні дозволи для дій, яких не планував користувач.

Akamai рекомендує ізолювати MCP-сервери відповідно до рівня довіри, перевіряти сторонній код, обмежувати мережеві з’єднання та контролювати обмін даними між компонентами. Для операцій, що змінюють стан систем або можуть спричинити значні наслідки, варто передбачити обов’язкове підтвердження людиною. Автономність агента має залежати не від його технічних можливостей, а від того, наскільки реально перевірити результат і виправити помилку.

Інший напрям ризику пов’язаний із браузером. За даними звіту, понад 40% корпоративних користувачів установили розширення з функціями AI. Водночас чверть установлених розширень змінювали дозволи протягом 12 місяців. Такі зміни можуть розширювати доступ до вкладок, вмісту сторінок і даних сеансів уже після встановлення. Якщо організація не має актуального переліку розширень та інформації про їхні дозволи, вона може не помітити, як робочий браузер перетворюється на канал витоку інформації або викрадення облікових даних.

Окрему проблему становить використання чатботів працівниками. Внутрішній аналіз Akamai показав, що 5,81% розмов з AI містили персональні дані, 0,96% стосувалися фінансової інформації, а 0,94% містили дані про ІТ та безпеку. Крім того, 47% розмов з AI на корпоративних пристроях відбувалися через особисті облікові записи. Через це служби безпеки можуть не бачити частину взаємодій, під час яких працівники передають зовнішнім сервісам внутрішню інформацію.

Таким чином контроль не можна обмежити затвердженням корпоративного чатбота. Потрібно виявляти несанкціоновані AI-сервіси, розуміти, до яких даних вони мають доступ, керувати браузерними розширеннями та перевіряти дозволи агентів. Для систем, інтегрованих із бізнес-процесами, необхідні інвентаризація API та AI-компонентів, моніторинг поведінки під час виконання, сегментація доступу й аудит дій.

Втім Akamai не пропонує створювати ізольовану програму безпеки виключно для AI. Натомість компаніям варто поширити на нові системи наявні практики управління ідентичностями, контролю доступу, захисту API, управління вразливостями та реагування на інциденти. Для ризикованих операцій потрібні додаткові обмеження й людський контроль, а для швидкого блокування атак до встановлення виправлень можуть застосовуватися захисні механізми на рівні мережевого периметра та середовища виконання.

AI не змінює основних цілей зловмисників, але прискорює пошук шляхів до них і здешевлює автоматизацію атак. Тому організаціям доведеться оцінювати не лише те, які моделі вони використовують, а й те, які повноваження отримують ці системи, до яких ресурсів можуть звертатися та наскільки швидко їхні дії можна виявити й зупинити.

Як безпечно перейти до системного та керованого використання ChatGPT Business