Godinama su se email filteri oslanjali na prepoznavanje istih obrazaca: loše gramatike, sumnjivih poveznica, crnih lista domena i prepoznatljivih potpisa malwarea. Danas? Kriminalci koriste AI kako bi te obrambene mehanizme doslovno pregazili.
Obrambena strana trenutno kaska za napadačima. Uz pomoć naprednih jezičnih modela i automatizacije, hakeri stvaraju mailove koji su filterima nevidljivi, a ljudima izgledaju potpuno autentično. Evo kako točno zaobilaze moderne sustave zaštite.
Savršena gramatika i kopiranje stila
Nekada smo phishing prepoznavali po pravopisnim greškama i neobičnom stilu pisanja, što je filterima olakšavalo posao. Uz alate koje danas imaju, napadači generiraju tekstove bez ijedne sintaktičke ili gramatičke greške.
Što je još opasnije, AI može prožvakati javno dostupne tekstove i savršeno iskopirati ton i stil pisanja specifične osobe. Kada filter analizira takav tekst, ne pronalazi nikakve jezične anomalije i poruka glatko prolazi u inbox. Čak su i timovi iza vodećih modela poput Google Geminija, Anthropica i OpenAI-ja potvrdili da hakeri naveliko koriste njihove sustave za slanje visoko sofisticiranih kampanja.
Brisanje granice između masovnosti i preciznosti
Usmjereni napadi (spear-phishing) oduvijek su bili najopasniji, ali su od napadača tražili sate istraživanja pojedine žrtve. Umjetna inteligencija je dovela do kolapsa te granice - sada hakeri imaju i masovnost i preciznost u isto vrijeme.
Sustavi automatski prikupljaju podatke i pišu poruke. Rezultat su masovne, a istovremeno hiper-personalizirane kampanje u kojima se svakoj žrtvi pristupa individualno (spominjanjem njene škole, grada u kojem živi ili projekta na kojem trenutno radi). Budući da je svaka poruka drugačija i ciljana, tradicionalni NLP filteri tu jednostavno zakazuju.
Zašto su crne liste postale problem
Oslanjanje na statične crne liste domena postalo je veći sigurnosni rizik nego korist. Napadači danas aktivno proučavaju koje vanjske domene vaša organizacija ima na “bijeloj listi”, odnosno s kim najčešće poslujete.
Kada dođu do tih podataka, napadaju vas upravo preko tih provjerenih kanala. Kada primite savršeno napisan mail s domene vašeg poslovnog partnera kojem potpuno vjerujete, klasična zaštita to neće prepoznati kao prijetnju.
Tromost obrane i novi trikovi napadača
Jedan od razloga zašto obrana zaostaje je čista ljudska psihologija. Profesionalci koji održavaju sustave često se opiru brzim promjenama jer su navikli na stečene rutine i centralizirane “black-box” modele.
S druge strane, napadači nemaju korporativnu birokraciju koja ih koči. Fokusirani su isključivo na cilj - ako se pojavi novi alat koji im olakšava posao, usvojit će ga istog trena. Ta razlika u brzini prilagodbe daje im ogromnu prednost.
Uz to, stalno izmišljaju nove metode pa se sve više susrećemo s vizualnim phishingom:
-
Quishing (QR code phishing): Filteri čitaju tekst, ali ignoriraju slike. Korisnik skenira QR kod mobitelom i tako potpuno zaobilazi korporativnu zaštitu.
-
Ne-ljudski identiteti: Definicija identiteta se mijenja. Mreže se moraju prilagoditi provjeri strojnih i ne-ljudskih identiteta koji također međusobno komuniciraju.
Borba protiv AI-ja istim oružjem
Jasno je da je zloupotreba umjetne inteligencije pretvorila phishing u automatiziranu prijetnju koju je nevjerojatno teško uočiti. Većina današnjih rješenja na tržištu jednostavno nije dizajnirana za borbu protiv punog potencijala LLM-ova.
Jedini način da se obranimo jest da počnemo koristiti te iste modele u vlastitu korist. Umjesto da se oslanjamo samo na izolirane signale (poput sumnjivog privitka), moderni sustavi moraju implementirati AI agente koji analiziraju složene kombinacije raznih indikatora kompromitacije koje klasični sustavi nikada ne bi povezali. Napadači koriste AI, a ako mi to ne učinimo, zaostajat ćemo sve više.
Često postavljana pitanja (FAQ)
Zašto tradicionalne crne liste (blacklists) više nisu učinkovite? Napadači su ih naučili zaobići. Istraže koje domene vaša tvrtka smatra sigurnima (vaše partnere) i onda napadaju upravo preko njih. Tako glatko prolaze filtere koji blokiraju samo poznate pošiljatelje spama.
Što točno znači kolaps između masovnosti i preciznosti? U prošlosti su hakeri morali birati: slati generički spam na milijun adresa (niska preciznost) ili potrošiti vrijeme na proučavanje jedne mete (niska masovnost). LLM-ovi su srušili tu granicu. Sada u par minuta automatski generiraju tisuće unikatnih, hiper-personaliziranih poruka za tisuće različitih ljudi odjednom.
Kako se braniti od ovoga? Uvođenjem AI agenata koji ne traže samo točna podudaranja s bazom virusa, već donose kontekstualne odluke. Takvi agenti prate skrivene signale u mailovima, pokreću dodatne provjere i uočavaju potpuno nove oblike anomalija koje klasičnim filterima prođu ispod radara.
Zašto hakeri brže usvajaju AI od sigurnosnih timova? Stručnjaci za sigurnost su često vezani za dugogodišnje rutine i alate, što stvara prirodan otpor prema promjenama. Hakeri nemaju te kočnice - njihov jedini fokus je uspjeh misije i bez oklijevanja će preuzeti svaku novu tehnologiju koja im to omogućuje.