Теневой ИИ: BI.ZONE изучила, какие возможности искусственного интеллекта наиболее интересны киберпреступникам

В 2025 году аналитики зафиксировали резкий всплеск интереса киберпреступников к использованию технологий искусственного интеллекта для организации кибератак. Согласно данным исследования Threat Zone 2026: Dark AI, результаты которого эксперты BI.ZONE Threat Intelligence и BI.ZONE Digital Risk Protection представили на полях ПМЭФ-2026, количество целевых ИИ-атак за 2025 год выросло на 93%, а с начала 2026 года увеличилось еще в 3 раза.

Параллельно тема ИИ стала одной из главных на теневых ресурсах. Если до 2025 года в даркнете встречались лишь единичные публикации, то сейчас полноценные ветки, посвященные подготовке и реализации кибератак с помощью нейросетей, присутствуют как минимум на 7 крупных хакерских форумах. Специалисты BI.ZONE детально проанализировали более 7400 таких сообщений и определили главные приоритеты злоумышленников.

Обход ограничений публичных ИИ-моделей — главная тема обсуждений

Подавляющее большинство публикаций на теневых ресурсах — 77% — посвящено методам обхода этических ограничений (jailbreak), встроенных в легальные публичные нейросети. Резкий пик таких дискуссий пришелся на декабрь 2025-го — январь 2026 года. По оценкам аналитиков BI.ZONE, этот бум был спровоцирован синхронным выходом на рынок новых версий крупнейших коммерческих моделей. Напомним, что в ноябре 2025 года состоялся релиз Grok 4.1, Gemini 3 и Claude Opus 4.5, а в декабре вышли DeepSeek-V3.2 и GPT-5.2. Киберпреступники начали массово искать способы «обмана» этих систем, чтобы заставить их выполнять противоправные запросы, например, писать вредоносный код.

Для обхода фильтров на форумах распространяются готовые промпты и пошаговые инструкции. Такой подход привлекает хакеров с низким уровнем технической подготовки, поскольку требует минимальных усилий и нацелен на быстрый результат. Тем не менее результативность подобных методов пока остается низкой. Написанный «обманутым» ИИ код в большинстве случаев содержит критические ошибки и оказывается неработоспособным. Впрочем, опытные атакующие иногда могут использовать полученные ИИ-фрагменты как основу для создания работающих вредоносных программ.

Нецензурируемые хакерские модели: обучение под конкретные задачи

Второе по популярности направление, на которое приходится 22% публикаций, — это использование и создание больших языковых моделей без цензуры (Dark LLM), разработанных специально под нужды киберпреступников в качестве альтернативы легальным сервисам.

Эксперты выяснили, как устроены такие темные нейросети:

• 30% решений представляют собой модифицированные версии известных публичных моделей с уже встроенными промптами для обхода ограничений.
• 70% решений созданы на базе моделей с открытым исходным кодом (open source), которые хакеры дорабатывают для свободного генерирования вредоносного контента.

Часть нецензурируемых моделей распространяется бесплатно, однако к большинству доступ предоставляется по подписке. Стоимость коммерческих вариантов варьируется от 6 до 990 долларов в месяц в зависимости от функционала, что сопоставимо с тарифами официальных ИИ-сервисов.

Руководитель BI.ZONE Threat Intelligence Олег Скулкин отмечает, что тестирование наиболее популярных Dark LLM показало: на данный момент ни одна из существующих нецензурируемых моделей не способна выдать готовый к применению хакерский инструмент. Лучшие скрипты имеют правильную архитектуру, но их ключевые модули не работают, а худшие — не запускаются вовсе. Модели могут ускорить рутинную разработку для опытного киберпреступника, но они не способны заменить базовые технические навыки, которых остро не хватает новичкам.

Из-за низкой эффективности готовых решений на теневых рынках растет число заказов на таргетированную разработку. Создатели хакерского софта ищут ИИ-специалистов, способных дообучить их нецензурируемые модели на специфических массивах данных: исходных кодах реального вредоносного ПО (ВПО) и подробных разборах эксплуатации уязвимостей. Основная цель заказчиков — повысить качество ответов ИИ при подготовке реальных атак.

Полная автоматизация кибератак все еще невозможна

Лишь около 1% сообщений в даркнете посвящено сквозному использованию ИИ на всех этапах кибератаки. Сегодня нейросети помогают хакерам ускорять лишь отдельные рутинные процессы:

• На этапе разведки. Для быстрого первичного отбора потенциальных целей перед их последующей ручной обработкой.
• В разработке. Для перевода текстовых описаний уязвимостей в работающий код.
• В социальной инженерии. Для генерации персонализированных фишинговых писем и создания реалистичных дипфейков.

Интересно, что на теневых форумах стали появляться объявления о продаже ВПО, якобы созданного искусственным интеллектом. Часто такие продукты оказываются технически слабыми и поверхностными. На этом фоне в даркнете зафиксирован обратный тренд: разработчики качественного вредоносного софта начали позиционировать отказ от ИИ как конкурентное преимущество, подчеркивая, что их программы написаны вручную, без применения «вайб-кодинга».

Что касается продвинутых ИИ-моделей, обещающих автоматизацию полного цикла кибератаки, то большинство из них базируется на открытых платформах для пентеста (тестирования на проникновение). Подобные фреймворки действительно могут построить пошаговый план действий от разведки до постэксплуатации, но этот план далеко не всегда выполним на практике. Если у хакера нет глубоких знаний для интерпретации промежуточных результатов ИИ, цепочка атаки быстро прерывается. На сегодняшний день даже самые совершенные ИИ-модели не способны провести кибератаку без участия человека.

Выводы исследования

Тренд на вепонизацию (превращение в оружие) искусственного интеллекта сохраняется. Главная цель злоумышленников — повысить уровень автоматизации атак и снизить порог входа в киберпреступность для новичков.

В этих условиях специалистам по защите приходится симметрично внедрять ИИ-технологии на своей стороне. Использование искусственного интеллекта в ИБ-решениях позволяет автоматизировать рутинные задачи защитников, обрабатывать гигантские массивы данных, ускорять типовые операции, оперативно обнаруживать аномальную активность и радикально сокращать время принятия решений при обработке инцидентов.