Операторите на критична инфраструктура разполагат с приблизително две години, за да се подготвят за по-надеждно планиране на кибератаки с помощта на ИИ. Това е оценката на компанията Frenos, базирана на близо 17 000 теста с модели на ИИ в симулирани сценарии за атаки срещу индустриални системи. Изследването обаче не доказва автономно провеждане на атаки срещу реални OT среди.

Най-добрите модели съставят работещи планове в около 90% от опитите

Компанията за сигурност на оперативните технологии (OT) Frenos публикува първия си годишен доклад State of AI in OT Security, в който оценява способността на съвременни модели на ИИ да планират действия срещу индустриални системи. Изследването обхваща повече от 500 симулирани сценария за атаки и проверява дали моделите могат да анализират целеви активи, известни слабости, налични права за достъп и възможни последователности от действия.

В тестовете са регистрирани общо 16 980 опита: 13 884 задачи за избор на отделно действие, 2520 опита за планиране на поредица от действия и 576 симулирани изпълнения.

Три от шестте тествани водещи модела са постигнали най-добри резултати при планирането. Моделите F01, F04 и F07 са предложили планове, които покриват критериите за успех съответно в 91,9%, 89,5% и 92,9% от опитите.

Тези стойности обаче не означават, че моделите могат самостоятелно да проникват в индустриални мрежи с подобна успеваемост. Те показват колко често предложените планове са преминавали зададените критерии в контролирана среда, при предварително предоставена информация за целта и допустимите действия.

Повторяемостта остава съществен проблем

Един от основните изводи на Frenos е, че високият среден резултат може да прикрива значителни колебания между отделните опити. Дори водещите модели понякога пропускат необходима стъпка или предполагат наличие на права за достъп, които не са били установени от предходните действия.

При F01 успеваемостта в отделните серии варира между 88,6% и 94,3%. При F07 диапазонът е от 85,7% до 100%. За сравнение, моделът X03 показва значително по-слаби и непостоянни резултати – между 28,6% и 54,3% в отделните серии, при средна успеваемост от 36,2%.

Това има пряко значение за оценката на риска. Защитниците не могат да приемат, че модел, който веднъж е генерирал убедителен план, ще повтори резултата при идентични условия. От друга страна, непостоянството в тестовете не гарантира, че нападател няма да компенсира слабостите чрез собствен опит, допълнителна информация или многократни опити.

Изследването показва и разлика между правилното подреждане на действията и реалната им изпълнимост. В един от анализираните примери моделът X03 включва 83,3% от необходимите стъпки, но пропуска действие за прехвърляне на данни и избира операция, за която няма необходимите права. Добавянето само на липсващата стъпка не решава проблема с достъпа. За да бъде работещ, планът трябва не просто да съдържа правилните действия, а всяка стъпка да осигурява условията за следващата.

Човешкият оператор все още е ключов фактор

Според Frenos резултатите показват, че способността на ИИ да подпомага планирането на атаки зависи както от избрания модел, така и от контекста, който му се предоставя, и от човешката експертиза.

В проведените тестове моделите са получили предварително зададена информация за активите, мрежите, известните слабости, началните права за достъп, възможните действия и крайната цел. Изследователите са оценявали предложените планове, без човек да коригира грешките в самите отговори.

В реална операция опитен нападател би могъл да разпознае пропуснатите стъпки, да предостави допълнителни сведения и да поиска нов план. Това би могло да компенсира част от установените ограничения. Този сценарий обаче е интерпретация на изследователите, а не резултат от демонстрирана автономна атака срещу реална индустриална инфраструктура.

„Един модел може да изглежда блестящ при първия опит и да се провали, когато повторите теста“, посочва Хари Томас, технически директор и съосновател на Frenos, който е провел изследването. Според него моделите все още се нуждаят от подходящ контекст и опитен човек, който да ги насочва, но развитието им може да направи планирането на атаки надеждна способност в рамките на около две години.

Тази прогноза е оценка на компанията, а не установен срок, потвърден независимо от изследването. Самият доклад не доказва, че след две години моделите непременно ще могат да извършват автономни атаки срещу OT системи.

Защо OT средите изискват специален подход

Индустриалните системи управляват процеси, при които компрометирането може да има последствия отвъд загубата на данни – прекъсване на производството, нарушаване на доставките на енергия или въздействие върху физически процеси. Затова защитата им не може да се основава единствено на оценка на отделни софтуерни уязвимости.

Frenos препоръчва операторите на критична инфраструктура да засилят възможностите си за откриване и реакция, да използват ИИ за оценяване на собствената си среда и да анализират взаимовръзките между системите, вместо да разглеждат всяка уязвимост изолирано.

Практически това означава да се установи кои активи могат да бъдат достигнати от външни или вътрешни мрежи, какви права за достъп са налични, кои зависимости могат да позволят преминаване между системи и дали защитните механизми ще открият подозрителна последователност от действия. Особено важно е да се проверят възможностите за ограничаване на достъпа и за възстановяване на процесите при инцидент.

Тестовете на Frenos показват и съществени различия между категориите модели. Най-добре представилият се модел с отворени тегла от чуждестранен произход превъзхожда най-добрия тестван американски модел от същата категория, но и двата изостават от водещите комерсиални модели. Тъй като имената на тестваните версии са скрити, резултатите не позволяват независима оценка на конкретни продукти.

Frenos разработва и платформа за симулиране на атаки в енергетиката

Изследването е свързано с работата на Frenos по автоматизирана емулация на противникови действия. През септември 2026 г. Министерството на енергетиката на САЩ чрез Службата за киберсигурност, енергийна сигурност и реагиране при извънредни ситуации (CESER) обяви получателите на финансиране по програмата SENTRY, сред които е и Frenos заедно с Raptor Dynamix и Bastazo.

Компанията разработва рамка, която съчетава ИИ с разузнавателна информация за заплахи в енергийния сектор. Целта е общите сведения за атакуващи техники да се преобразуват в сценарии, съобразени с енергийна инфраструктура, включително подстанции и системи за разпределени енергийни ресурси. Платформата трябва да изпълнява симулирани сценарии и да предлага приоритетни мерки за отстраняване на слабости въз основа на проверени пътища за атака.

Това развитие показва посоката, в която се движат както атакуващите, така и защитниците: използване на ИИ за по-бързо анализиране на възможни действия и за проверка на устойчивостта на системите. Засега обаче данните на Frenos подкрепят по-ограничен извод – моделите вече могат да съставят работещи планове в контролирани условия, но надеждността им остава неравномерна, а автономно атакуване на реални индустриални системи не е демонстрирано.

За операторите на критична инфраструктура правилният отговор не е да приемат прогнозата за две години като краен срок, а да използват настоящия период за подобряване на видимостта, откриването на атаки, контрола на достъпа и готовността за реагиране.