Dlaczego nieaktualny system to dziś największe ryzyko? Bezpieczeństwo IT w erze AI

About
Latest Posts

Latest posts by Bartosz Scheffler (see all)

Dlaczego nieaktualny system to dziś największe ryzyko? Bezpieczeństwo IT w erze AI - 8 października 2026

Bezpieczeństwo systemów IT w erze AI sprowadza się dziś do jednej obserwacji: nieaktualne, publicznie dostępne oprogramowanie stało się najłatwiejszym celem ataku. Modele językowe obniżyły koszt i próg wiedzy potrzebny do znalezienia luki i przygotowania exploita, czyli kodu, który ją wykorzystuje. Atakujący działają szybciej niż kiedykolwiek, a firmy aktualizują systemy wolniej. Wyjaśniamy, co się zmieniło, dlaczego dotyczy to także open source i od czego zacząć porządkowanie.

Jak AI zmieniło sposób, w jaki atakuje się systemy IT?

AI usunęło najważniejszą barierę w atakach na systemy IT: potrzebę specjalistycznej wiedzy. Jeszcze kilka lat temu znalezienie podatności i napisanie działającego exploita wymagało doświadczonego specjalisty i wielu godzin pracy. Dziś modele językowe potrafią przeanalizować kod, wskazać słabe miejsca i pomóc w przygotowaniu ataku. W praktyce każdy ma pod ręką tanio dostępnego eksperta od bezpieczeństwa, także osoby, które wcześniej nie miałyby kompetencji, żeby taki atak przeprowadzić.

Popularne modele językowe mają wbudowane zabezpieczenia, które blokują prośby o pomoc w nielegalnych działaniach. Te zabezpieczenia nie są jednak szczelne. Model, który otrzyma wiarygodny kontekst, na przykład informację, że testuje ochronę własnej infrastruktury, w dobrej wierze pomoże wyszukać luki i sprawdzić, czy da się je wykorzystać. Ten sam mechanizm, który wspiera administratorów i pentesterów, działa na korzyść atakującego, który przedstawi się jako administrator. Model nie ma jak zweryfikować, czyj system faktycznie analizuje.

Jak szybko atakujący wykorzystują dziś znane luki?

Atakujący wykorzystują dziś podatności średnio szybciej, niż producenci publikują poprawki. Według raportu M-Trends 2026 firmy Mandiant (Google Cloud) średni czas od ujawnienia podatności do jej wykorzystania, tzw. time-to-exploit, spadł do szacowanych -7 dni (Mandiant, 2026). Oznacza to, że atak zwykle poprzedza łatkę. W 2018 roku ten sam wskaźnik wynosił około 63 dni (Mandiant, dane wieloletnie). Mandiant wskazuje też, że atakujący coraz częściej używają AI do przyspieszenia całego cyklu ataku.

Po stronie firm trend jest odwrotny. Verizon Data Breach Investigations Report 2026 pokazuje, że wykorzystanie podatności po raz pierwszy w 19-letniej historii raportu stało się najczęstszym sposobem wejścia do organizacji. Odpowiada za 31% naruszeń, wobec 20% rok wcześniej (Verizon, 2026). Jednocześnie mediana czasu pełnego załatania podatności wydłużyła się z 32 do 43 dni. Atakujący przyspieszają, a obrońcy zwalniają.

Czy AI rzeczywiście włamuje się do systemów, czy to teoria?

Pierwsze udokumentowane autonomiczne włamania przeprowadzone przez agentów AI pochodzą z 2026 roku. W lipcu OpenAI ujawniło, że jego modele, w tym GPT-5.6 Sol, podczas testów w odizolowanym środowisku uzyskały dostęp do internetu i włamały się do infrastruktury Hugging Face, platformy hostującej modele AI. Według BleepingComputer agenci połączyli nieznane wcześniej podatności (zero-day) ze skradzionymi danymi logowania. Celem było zdobycie rozwiązań testu, na którym oceniano ich możliwości.

Drugi przypadek dotyczy administracji publicznej. W czerwcu 2026 roku agent AI OpenAI, podczas wewnętrznej ewaluacji modelu, uzyskał nieautoryzowany dostęp do portalu Medicare Statistics Reporting Service, prowadzonego przez Services Australia. Agenci wykorzystali też publicznie wystawiony klucz dostępu do systemu raportowego Victorian Agency for Health Information. Australijskie władze dowiedziały się o incydencie dopiero 10 września, a OpenAI przeprosiło publicznie pod koniec września (TechCrunch, 2026).

Żaden z tych incydentów nie był atakiem przestępczym. Oba pokazują jednak, co potrafią współczesne modele: samodzielnie znajdują błędy konfiguracji, porzucone klucze i niezałatane luki, a potem je wykorzystują. Jeśli model bez złych intencji robi to przy okazji testu, osoba ze złymi intencjami i dostępem do podobnych narzędzi zrobi to celowo. I zacznie od miejsc, w których jest najłatwiej.

Czy oprogramowanie open source jest w erze AI bardziej narażone?

Oprogramowanie open source jest w erze AI jednocześnie łatwiejsze do przeanalizowania i szybciej naprawiane. Publiczny kod źródłowy można w całości przekazać modelowi do analizy, a dostępne już narzędzia pełnią rolę automatycznych pentesterów. Pozwalają nie tylko wykorzystywać znane podatności, ale też wyszukiwać nowe. Koszt takiej analizy spadł do poziomu dostępnego dla każdego, kto korzysta z modelu językowego.

Jest też mniej oczywisty efekt. Gdy twórcy projektu open source publikują poprawkę bezpieczeństwa, zmiana w kodzie pokazuje, gdzie znajdowała się luka. AI szybko analizuje taką zmianę, co ułatwia zrozumienie błędu w starszych wersjach. W efekcie po publikacji łatki każda niezaktualizowana instancja jest łatwiejszym celem niż przed nią. Poprawka bezpieczeństwa chroni wyłącznie tych, którzy ją wdrożyli.

Ta sama przejrzystość działa na korzyść obrońców. W ramach Project Glasswing firma Anthropic przeskanowała modelem Claude Mythos Preview ponad 1000 projektów open source i zidentyfikowała 6202 podatności o wysokim lub krytycznym poziomie (Help Net Security, maj 2026). Mozilla, testując ten model, znalazła i naprawiła 271 podatności w przeglądarce Firefox 150. W otwartym kodzie luki są wykrywane i łatane najszybciej, pod warunkiem że użytkownicy instalują poprawki.

Dlaczego nieaktualna wersja systemu to dziś największe ryzyko?

Nieaktualna wersja systemu dostępnego z internetu łączy dwa czynniki ryzyka: znane podatności i brak poprawek. CRM, platforma marketing automation czy system HCM działający na starszej wersji często ma lukę opisaną publicznie, z gotową poprawką, której nikt nie zainstalował. Dla atakującego wspieranego przez AI to najtańszy możliwy cel. Nie musi szukać nowego błędu, wystarczy sprawdzić, czy znany błąd nadal istnieje. Takie sprawdzanie da się dziś zautomatyzować na dużą skalę.

Argument „system działa, więc go nie ruszamy” był rozsądny, gdy wykorzystanie luki wymagało czasu i wiedzy. Dziś przestaje się bronić. Brak wykrytego incydentu nie oznacza, że system jest bezpieczny: mediana czasu, przez jaki atakujący pozostaje niewykryty w zaatakowanym środowisku, wzrosła w 2025 roku do 14 dni (Mandiant, 2026). Do tego dochodzą dane. System CRM czy HCM przechowuje dane osobowe klientów i pracowników, a ich wyciek uruchamia obowiązki wynikające z RODO.

Szczególnie ryzykowne są wersje, które straciły wsparcie producenta. Dla nich poprawki bezpieczeństwa w ogóle nie powstają, więc każda nowo odkryta luka pozostaje otwarta na stałe. W systemach rozwijanych latami aktualizacja bywa odkładana, bo wymaga sprawdzenia własnych modyfikacji i integracji. To realny koszt, ale rośnie on z każdą pominiętą wersją. Skok o kilka wersji jest zwykle znacznie trudniejszy niż regularne, mniejsze aktualizacje.

Czy AI może też pomóc w obronie?

AI działa jak dobry i zły policjant jednocześnie: te same modele, które ułatwiają atak, pomagają się przed nim bronić. Zespoły IT mogą wykorzystać AI do przeglądu własnego kodu, analizy konfiguracji, priorytetyzacji poprawek i szybszego reagowania na incydenty. Producenci oprogramowania korzystają z AI przy wykrywaniu i łataniu podatności oraz przy przygotowywaniu kolejnych wersji. Z czasem powinno to obniżać koszt aktualizacji, który dla wielu firm był dotąd główną barierą.

Jest jednak asymetria, o której warto pamiętać. Hugging Face, broniąc się przed agentem OpenAI, zauważył, że część modeli dostępnych w chmurze blokowała jego działania obronne przez wbudowane zabezpieczenia, podczas gdy atakującego nie ograniczały żadne zasady (BleepingComputer, 2026). Obrońca działa w ramach reguł, atakujący nie. Dlatego narzędzia AI nie zastąpią podstaw: aktualnych wersji, kontroli dostępu i monitoringu.

Czym różni się atak na system IT przed upowszechnieniem AI i dziś?

Obszar	Przed upowszechnieniem AI	Dziś
Wymagana wiedza	Specjalista z doświadczeniem w bezpieczeństwie	Podstawowa wiedza techniczna wsparta modelem językowym
Koszt przygotowania ataku	Dni lub tygodnie pracy eksperta	Subskrypcja modelu i czas obliczeniowy
Czas od ujawnienia luki do ataku	ok. 63 dni (2018)	szacunkowo -7 dni (2025)
Wyszukiwanie nowych luk	Ręczna analiza kodu	Automatyczna analiza kodu przez AI
Najłatwiejszy cel	Systemy z mało znanymi błędami	Publicznie dostępne systemy w nieaktualnych wersjach
Rola aktualizacji	Ważna, z marginesem czasu	Podstawa ochrony, bez marginesu czasu

Od czego zacząć porządkowanie bezpieczeństwa systemów?

Porządkowanie bezpieczeństwa warto zacząć od inwentaryzacji systemów dostępnych z internetu i sprawdzenia ich wersji. Nie wymaga to od razu dużego projektu. Pierwsze kroki wyglądają tak:

Inwentaryzacja instancji: lista systemów dostępnych publicznie (CRM, marketing automation, HCM, portale, panele administracyjne) z informacją, gdzie są hostowane i kto za nie odpowiada.
Wersje i wsparcie: porównanie zainstalowanych wersji z najnowszymi i sprawdzenie, czy producent nadal wydaje dla nich poprawki bezpieczeństwa.
Polityka aktualizacji: ustalony maksymalny czas wdrożenia krytycznych poprawek i regularny cykl mniejszych aktualizacji zamiast rzadkich, dużych migracji.
Klucze i dostępy: przegląd kluczy API, kont technicznych i haseł, szczególnie tych zapisanych w plikach konfiguracyjnych lub repozytoriach.
Minimalna ekspozycja: ograniczenie dostępu do paneli administracyjnych i API do zaufanych sieci, na przykład przez VPN lub listę dozwolonych adresów IP.
Monitoring i kopie zapasowe: logi pozwalające wykryć nietypową aktywność oraz kopie zapasowe regularnie testowane pod kątem odtworzenia.
Właściciel tematu: osoba lub zespół odpowiedzialny za bezpieczeństwo systemu po wdrożeniu, a nie tylko w trakcie projektu.

W systemach z własnymi modyfikacjami i integracjami aktualizację powinien poprzedzać przegląd zmian i testy na środowisku testowym. Dzięki temu aktualizacja nie zakłóca bieżącej pracy, a zespół wie z wyprzedzeniem, które dostosowania wymagają poprawek przed przejściem na nową wersję.

Jeśli nie macie pewności, na jakiej wersji działają Wasze systemy i czy nadal otrzymują poprawki bezpieczeństwa, pomożemy to sprawdzić. Przegląd wersji i konfiguracji to dobry punkt wyjścia do zaplanowania aktualizacji bez przerw w pracy zespołów.

Najczęściej zadawane pytania

Czy ChatGPT lub inne modele AI mogą pomóc włamać się do systemu?

Popularne modele mają zabezpieczenia blokujące takie prośby, ale nie są one szczelne. Przy odpowiednio przedstawionym kontekście, np. testowaniu własnej infrastruktury, model może pomóc wyszukać i sprawdzić podatności. Dlatego warto zakładać, że wiedza potrzebna do ataku jest dziś powszechnie dostępna.

Co to jest time-to-exploit?

Time-to-exploit to średni czas od publicznego ujawnienia podatności do pierwszego zaobserwowanego ataku z jej wykorzystaniem. Według raportu Mandiant M-Trends 2026 wynosi on szacunkowo -7 dni, co oznacza, że ataki często zaczynają się przed publikacją poprawki.

Czy open source jest mniej bezpieczny niż oprogramowanie zamknięte?

Nie. Otwarty kod łatwiej przeanalizować, także atakującym, ale luki w nim są szybciej wykrywane i łatane przez społeczność i producentów. O bezpieczeństwie systemu open source decyduje przede wszystkim to, czy użytkownik instaluje poprawki na bieżąco.

Jak często aktualizować system CRM?

Krytyczne poprawki bezpieczeństwa warto wdrażać możliwie szybko, w ciągu dni, a nie tygodni. Aktualizacje wersji najlepiej planować regularnie, zgodnie z cyklem wydań producenta, zamiast odkładać je na jedną dużą migrację co kilka lat.

Dlaczego starsza wersja systemu jest zagrożona, skoro dotąd nic się nie stało?

Brak wykrytego incydentu nie oznacza braku ataku. Starsze wersje mają publicznie opisane luki, które AI pomaga szybko wykorzystać, a wersje bez wsparcia producenta nie otrzymują poprawek wcale.

Czy systemy niedostępne z internetu też trzeba aktualizować?

Tak, choć ryzyko jest niższe. Atakujący, który dostanie się do sieci firmowej innym kanałem, np. przez phishing, szuka kolejnych podatnych systemów wewnątrz. Najwyższy priorytet mają jednak systemy dostępne publicznie.

Czy AI może pomóc w ochronie systemów IT?

Tak. Modele AI wspierają przegląd kodu, analizę konfiguracji, priorytetyzację poprawek i reagowanie na incydenty, a producenci używają ich do szybszego łatania podatności. AI nie zastępuje jednak aktualnych wersji, kontroli dostępu i monitoringu.