Claude Mythos и новая реальность кибербезопасности: почему ИИ превращается из инструмента в полноценного помощника хакера
Искусственный интеллект постепенно меняет не только разработку программного обеспечения, поиск информации и создание контента, но и саму природу кибербезопасности. Современные модели уже способны анализировать большие объёмы исходного кода, искать подозрительные участки, выстраивать цепочки действий и помогать специалистам находить ошибки, которые человек может не заметить даже после продолжительного аудита.
Особое внимание в последние месяцы привлёк Claude Mythos — система Anthropic, ориентированная в том числе на задачи, связанные с кибербезопасностью. Её появление породило громкие заявления о начале новой эпохи, поскольку модель смогла обнаруживать уязвимости, которые до этого оставались незамеченными в течение длительного времени. Однако руководитель отдела безопасности Magnific Даниэль Пуа предлагает относиться к происходящему несколько спокойнее.
В интервью Xataka он сравнил предыдущую мощную модель с перочинным ножом, а Mythos — с мачете. Это меткое сравнение показывает главное: речь необязательно идёт о появлении совершенно нового типа искусственного интеллекта. Скорее, существующие возможности стали значительно более практичными и эффективными.
Mythos действительно настолько опасен?
Главная причина шума вокруг Claude Mythos заключается в способности системы находить уязвимости, в том числе ранее неизвестные. В традиционной терминологии такие проблемы часто называют zero-day — ошибками безопасности, для которых на момент обнаружения ещё может не существовать исправления.
Для специалистов по информационной безопасности это принципиально важно. Найти ошибку в небольшом фрагменте программы относительно просто. Гораздо сложнее понять, как взаимодействуют между собой тысячи или миллионы строк кода, библиотеки, зависимости, сетевые интерфейсы и механизмы обработки пользовательских данных.
Человек может потратить дни или недели на изучение одного сложного проекта. При этом он вполне способен остановиться на очевидных местах и пропустить редкую последовательность действий, которая приводит к нарушению безопасности.
ИИ действует иначе. Агент может последовательно просматривать код, формировать гипотезы, проверять их, возвращаться к предыдущим участкам программы и анализировать целый поток выполнения. Именно способность работать с длинными цепочками анализа становится одним из наиболее серьёзных преимуществ современных моделей.
При этом Пуа считает, что вокруг Mythos появилось слишком много ажиотажа. По его оценке, часть результатов теоретически могла быть получена и предыдущими поколениями моделей, если предоставить им больше времени и вычислительных ресурсов. Поэтому разница между Claude Opus 4.8 и Mythos, по его образному сравнению, напоминает разницу между ножом и мачете, а не между ножом и совершенно новым оружием.
Почему открытый исходный код оказался в центре внимания
Самым интересным наблюдением эксперта стало то, что значительная часть найденных Mythos уязвимостей относится к проектам с открытым исходным кодом. На первый взгляд это выглядит парадоксально.
Open Source традиционно воспринимается как один из способов повысить безопасность. Исходный код доступен независимым разработчикам, исследователям и аудиторам, поэтому ошибки могут обнаруживаться большим количеством людей. Именно открытость часто рассматривается как дополнительный механизм контроля качества.
Однако искусственный интеллект способен изменить баланс сил. Для человека огромный репозиторий остаётся огромным репозиторием. Даже если весь код доступен, его невозможно одинаково внимательно проверить во всех возможных сценариях. Агент ИИ, напротив, может быстро пройти по множеству взаимосвязанных компонентов и искать необычные комбинации условий.
В результате преимущество открытого кода — его доступность для анализа — превращается одновременно в потенциальный риск. Если исследователь получает полный доступ к исходникам и располагает мощным агентом, стоимость поиска ошибки существенно снижается.
Это касается не только злоумышленников. Та же технология доступна защитникам, разработчикам и независимым аудиторам. Поэтому речь идёт не столько о том, что Open Source внезапно стал небезопасным, сколько о резком увеличении скорости автоматизированного анализа.
ИИ меняет экономику поиска уязвимостей
Самое серьёзное изменение может заключаться не в том, что искусственный интеллект способен найти ошибку, которую человек никогда бы не обнаружил. Гораздо важнее другое: ИИ способен сделать поиск большого количества ошибок намного дешевле.
Представим крупный проект с миллионами строк исходного кода. Раньше компания могла привлечь специалистов для аудита, провести автоматическое сканирование, выполнить тестирование на проникновение и дополнительно проверить наиболее критические компоненты вручную.
Теперь часть этих операций может постоянно выполняться агентами. Они способны анализировать новые изменения в коде, сопоставлять их с существующими компонентами, искать подозрительные конструкции и формировать предварительные отчёты для специалистов.
Таким образом, кибербезопасность постепенно переходит от периодического аудита к непрерывному анализу. Это принципиальное изменение подхода.
Особенно важно, что ИИ не обязательно должен полностью заменять человека. На практике гораздо реалистичнее модель, при которой агент выполняет большую часть рутинной работы, а специалист проверяет наиболее важные результаты и принимает окончательное решение.
Закрытые и открытые модели: где проходит граница безопасности
Вопрос контроля становится особенно острым при сравнении закрытых и открытых моделей. В коммерческих системах разработчик может устанавливать ограничения на определённые действия, блокировать опасные запросы и контролировать доступ к инструментам.
У полностью открытой модели таких ограничителей может не быть. Пользователь получает возможность запускать её самостоятельно и потенциально изменять поведение системы. Поэтому одна и та же технология может применяться как для защиты инфраструктуры, так и для поиска способов её атаковать.
Пуа отмечает, что дискуссия об опасности Open Source также имеет экономическую и конкурентную составляющую. Крупные лаборатории заинтересованы в том, чтобы их собственные модели воспринимались как более безопасные и контролируемые. Одновременно открытые и китайские модели быстро развиваются, что усиливает конкуренцию на рынке ИИ.
Поэтому утверждение о том, что открытые модели автоматически опасны, было бы чрезмерным упрощением. Реальная проблема заключается в сочетании высокой автономности, доступа к инструментам и отсутствия ограничителей.
Может ли ИИ самостоятельно «сбежать» из-под контроля?
Развитие агентных моделей закономерно вызывает вопросы о сценариях, в которых система получает слишком много самостоятельности. Если ИИ умеет анализировать код, запускать инструменты, взаимодействовать с внешними сервисами и принимать последовательные решения, возникает очевидный вопрос: где находится предел?
В публичном пространстве подобные сценарии иногда описываются почти как научная фантастика — будто модель самостоятельно получит доступ к критической инфраструктуре и начнёт действовать без участия человека.
Пуа относится к подобным прогнозам значительно осторожнее. По его мнению, для получения доступа к действительно закрытым системам ИИ сначала необходимо предоставить соответствующие права. Сам по себе языковой или агентный модельный компонент не получает магическим образом доступ к военной инфраструктуре, изолированным сетям или внутренним базам данных.
Именно поэтому основным фактором риска становится архитектура системы. Если агент подключён только к тестовой среде с ограниченными разрешениями, потенциальный ущерб ограничен. Если же ему разрешено выполнять команды в производственной инфраструктуре, менять конфигурацию серверов, обращаться к секретам и отправлять данные во внешние сервисы, уровень риска резко возрастает.
Главная проблема — не интеллект, а доступ
Это позволяет сформулировать важный принцип современной безопасности: опасность ИИ определяется не только тем, насколько хорошо он рассуждает, но и тем, какие действия ему разрешены.
Даже очень мощная модель остаётся относительно безопасной в изолированной среде без доступа к важным данным. И наоборот, относительно менее совершенная модель может создать серьёзные проблемы, если ей предоставить широкие полномочия.
Поэтому организациям необходимо ограничивать права агентов, разделять тестовые и производственные среды, контролировать сетевые соединения и вести подробное журналирование всех действий. Особенно важным становится принцип минимально необходимых привилегий: агент должен получать ровно те разрешения, которые необходимы для выполнения конкретной задачи.
ИИ становится оружием и одновременно щитом
В обсуждении Mythos легко сосредоточиться исключительно на наступательном применении. Однако у этой технологии существует и противоположная сторона.
ИИ может анализировать журналы событий, искать аномальные последовательности, обнаруживать признаки компрометации и помогать специалистам расследовать инциденты. Причём в этом случае скорость становится критически важной.
Современные компании генерируют огромное количество логов. Крупная инфраструктура может производить сотни миллионов записей, и ручная проверка такого массива практически невозможна. В Magnific уже используются внутренние агенты, которые помогают анализировать такие данные и находить характерные паттерны атак.
Для Blue Team это потенциально огромный выигрыш. Вместо того чтобы специалист вручную просматривал тысячи событий, система может быстро выделить подозрительные цепочки и передать их человеку для дальнейшего расследования.
ИИ также способен помогать при цифровой криминалистике, анализе вредоносного программного обеспечения, сортировке инцидентов и подготовке первичных отчётов. В итоге одна технология одновременно повышает возможности атакующих и обороняющихся.
Кто окажется впереди в новой кибергонке
В ближайшие годы преимущество будет получать не та организация, которая просто купит самый мощный ИИ, а та, которая сможет правильно встроить его в процессы безопасности.
Для злоумышленника агент способен уменьшить стоимость поиска уязвимостей. Для защитника он способен сократить время обнаружения атаки. Поэтому возникает своеобразная гонка автоматизации.
Если раньше атака могла требовать большого количества ручной работы, теперь значительная часть подготовительных операций может выполняться автоматически. Но и защита получает аналогичные преимущества: системы мониторинга могут анализировать больше событий и быстрее реагировать на аномалии.
Это означает, что человеческий фактор не исчезает. Напротив, требования к специалистам становятся выше. Им необходимо понимать не только классическую информационную безопасность, но и особенности работы агентных систем, ограничения моделей, методы проверки результатов и способы безопасной интеграции ИИ.
Почему Mythos не отменяет традиционную кибербезопасность
Появление мощных ИИ-моделей не означает, что антивирусы, системы обнаружения вторжений, безопасная разработка, управление обновлениями и аудит доступа больше не нужны.
ИИ может ошибаться. Он способен неправильно интерпретировать код, предложить ложноположительный результат или не заметить проблему. Поэтому результаты автоматизированного анализа необходимо проверять.
Кроме того, многие уязвимости связаны не только с программным кодом. Они возникают из-за неправильной конфигурации инфраструктуры, украденных учётных данных, ошибок пользователей, слабой сегментации сети или отсутствия резервного копирования.
Следовательно, Mythos и аналогичные системы следует рассматривать как новый уровень инструментов, а не как замену всей существующей инфраструктуре безопасности.
Что изменится для обычных пользователей
Влияние ИИ на кибербезопасность постепенно почувствуют не только крупные компании. Автоматизация делает создание убедительных атак дешевле и доступнее. Уже сейчас искусственный интеллект помогает создавать более правдоподобные сообщения, изображения, голосовые записи и другие элементы социальной инженерии.
Для пользователя это означает, что привычное правило «ошибки в тексте выдают мошенника» становится всё менее надёжным. Поддельное сообщение может выглядеть грамотно, содержать правдоподобные детали и быть написано в стиле конкретной организации.
Поэтому защита всё сильнее смещается от анализа внешнего вида сообщения к проверке контекста: действительно ли человек отправлял запрос, соответствует ли действие обычному поведению, откуда пришла ссылка и почему требуется предоставить определённые данные.
Выводы
Claude Mythos показывает важную тенденцию: искусственный интеллект становится полноценным инструментом кибербезопасности, способным не только отвечать на вопросы специалиста, но и самостоятельно выполнять длинные последовательности аналитических действий.
При этом называть Mythos абсолютным переломом в истории информационной безопасности было бы преждевременно. По мнению Даниэля Пуа, многие возможности можно рассматривать как дальнейшее развитие уже существующих моделей. Главное изменение связано не только с качеством модели, но и со скоростью, масштабом и стоимостью анализа.
Особенно важным становится Open Source. Доступность исходного кода, которая традиционно считалась преимуществом безопасности, теперь позволяет ИИ гораздо быстрее исследовать большие проекты. Это создаёт дополнительные риски, но одновременно даёт разработчикам мощный инструмент для поиска и устранения собственных ошибок.
В конечном счёте будущее кибербезопасности, вероятно, будет представлять собой соревнование между ИИ-системами атакующих и защитников. Победит не тот, кто полностью откажется от искусственного интеллекта, а тот, кто научится контролировать его возможности, ограничивать права и использовать автоматизацию там, где она действительно повышает безопасность.
Часто задаваемые вопросы
Что такое Claude Mythos?
Claude Mythos — система искусственного интеллекта Anthropic, ориентированная в том числе на сложные задачи кибербезопасности, включая анализ программного кода и поиск уязвимостей.
Почему Mythos привлёк такое большое внимание?
Модель продемонстрировала способность находить уязвимости, которые ранее оставались незамеченными, включая проблемы в проектах с открытым исходным кодом.
Можно ли считать Mythos революцией в кибербезопасности?
Не обязательно. По мнению Даниэля Пуа, значительная часть возможностей является развитием предыдущих моделей. Главный прогресс связан с масштабом, скоростью и эффективностью анализа.
Почему Open Source может оказаться более уязвимым перед ИИ?
Открытый исходный код позволяет ИИ получить доступ к большому объёму информации о внутреннем устройстве программы. Агент может быстро анализировать взаимосвязи между компонентами, на что человеку потребовались бы дни или недели.
Может ли ИИ самостоятельно взломать любую систему?
Нет. Возможности модели напрямую зависят от предоставленного ей доступа. Изолированный агент без необходимых разрешений не получает автоматически доступ к закрытым системам.
Может ли ИИ использоваться для защиты?
Да. Он способен анализировать журналы событий, искать аномалии, помогать при расследовании инцидентов, обнаруживать подозрительные действия и ускорять работу специалистов Blue Team.
Заменит ли ИИ специалистов по кибербезопасности?
Скорее всего, полностью нет. Он автоматизирует значительную часть рутинного анализа, но проверка результатов, оценка рисков и принятие решений по-прежнему требуют участия специалистов.
Что становится главным риском при использовании агентного ИИ?
Одним из главных рисков является чрезмерный уровень полномочий. Чем больше систем, данных и инструментов доступны агенту, тем выше потенциальный ущерб при ошибке или компрометации.
Что означает сравнение Opus 4.8 с ножом, а Mythos с мачете?
Это образное описание, подчёркивающее, что Mythos можно рассматривать как более мощный и эффективный инструмент, но не обязательно как принципиально новый класс технологии.
Как изменится кибербезопасность в ближайшие годы?
Вероятнее всего, она станет более автоматизированной. ИИ будет одновременно использоваться для поиска уязвимостей, атак, мониторинга инфраструктуры, расследования инцидентов и постоянного аудита программного обеспечения.
Редактор: AndreyEx
