Октябрь 2026 года продемонстрировал двойственную роль искусственного интеллекта в сфере безопасности: с одной стороны, модели вроде Claude и агенты на базе LLM стали ключевым фактором в массовых кибератаках и эксплуатации уязвимостей, с другой — ИИ внедряется в инфраструктуру для автоматизации рутинных задач и повышения эффективности мониторинга. Критические уязвимости в PHP и браузерах, обнаруженные с помощью ИИ, совпали с запуском новых систем автоматического выявления нарушений в транспорте и роботизированного обслуживания железных дорог, что указывает на переход отрасли к модели, где технологии сами генерируют и нейтрализуют угрозы.
Что произошло
В период с 27 по 28 октября 2026 года события в сфере безопасности сфокусировались на беспрецедентном использовании ИИ для поиска уязвимостей и автоматизации процессов. Команда Anthropic сообщила, что модель Claude обнаружила 62 уязвимости в браузере Chrome, включая цепочки атак, позволяющие обойти песочницу и выполнить произвольный код, а также собрала эксплойты для Safari, Android, Windows и Linux. В то же время разработчики PHP предупредили о новой RCE-уязвимости (CVE-2026-115560), для которой пока нет патча, хотя она затрагивает редкие конфигурации. Замглавы администрации президента РФ Максим Орешкин назвал октябрь «черным октябрем» из-за гигантского количества выявленных уязвимостей и скомпрометированных баз данных, что привело к отключениям правительственных сайтов в Европе. В России компания UserGate запустила программу совместной технической поддержки, сократив время реакции на обращения клиентов с 8 часов до 8 минут за счет распределения нагрузки между вендором и партнерами. Параллельно в Японии железнодорожный оператор JR East начал использовать робота с бензопилой для обрезки деревьев над путями, а в России на трассе М-12 тестировалась система с ИИ для автоматического выявления нелегальных автобусных рейсов по фото с дорожных камер.
Почему это важно
Главная тенденция заключается в сдвиге баланса сил: ИИ перестал быть лишь инструментом защиты и стал основным драйвером атак. Способность модели Claude самостоятельно находить уязвимости и разрабатывать эксплойты, объединяя их в рабочие цепочки атак, демонстрирует, что традиционные методы защиты, основанные на ручном анализе, не справляются с темпом появления новых векторов. Это подтверждается тем, что даже специфические баги, требующие редких конфигураций, как в случае с PHP, становятся критическими, если не применяются проактивные меры защиты. Ситуация усугубляется тем, что ИИ используется не только злоумышленниками, но и регуляторами для масштабирования контроля: система на базе ИИ в России теперь анализирует тысячи фото с камер для выявления нарушений в пассажирских перевозках, что позволяет сосредоточить ресурсы на реальных нарушителях.
Важность этой трансформации также проявляется в изменении архитектуры безопасности. UserGate показал, что эффективность защиты зависит от доверия и распределения ролей: вендор берет на себя сложные задачи (третья линия поддержки), а партнеры решают типовые вопросы, что требует от ИИ и автоматизации высокой точности. Если модель ошибается в вычислениях или анализе, последствия могут быть катастрофическими, как в кейсах промпт-инъекций, где агенты компаний «Красной» и «Зеленой» были скомпрометированы. Таким образом, безопасность теперь зависит от способности систем корректно обрабатывать данные и принимать решения в условиях неопределенности.
Что за этим стоит
За этими событиями стоит фундаментальный переход к «автоматизированной войне» в киберпространстве и инфраструктуре. Использование ИИ для поиска уязвимостей означает, что атакующие могут опережать разработчиков, находя баги быстрее, чем они успевают выпустить патчи. В случае с PHP, где патч на новую уязвимость отсутствовал, это подчеркивает необходимость проактивного мониторинга и быстрого реагирования. В то же время, внедрение ИИ в гражданские сектора, такие как транспорт и железнодорожная инфраструктура, свидетельствует о стремлении к полной автоматизации рутинных операций. Робот с бензопилой в Японии и система выявления нелегальных рейсов в России показывают, что технологии направлены на снижение человеческого фактора и повышение скорости реакции.
Ключевым фактором также является экономическая целесообразность. UserGate отметил, что партнеры в программе совместной поддержки смогли монетизировать свои компетенции, а заказчики получили единый сервис. Это создает стимул для внедрения ИИ-решений, которые могут масштабировать экспертизу без пропорционального роста затрат. Однако это также повышает риски: если ИИ-система ошибается, как в случае с промпт-инъекциями, последствия могут быть серьезными, что требует новых стандартов тестирования и валидации.
Что наблюдать дальше
Важно отслеживать, как будут развиваться цепочки атак, обнаруживаемые ИИ. Будут ли модели вроде Claude находить новые уязвимости в реальном времени, или их возможности будут ограничены известными багами? Также стоит обратить внимание на реакцию разработчиков на уязвимости, которые не имеют патчей, как в случае с CVE-2026-115560. Будут ли внедряться новые механизмы защиты, такие как отключение функций по умолчанию, или появятся новые подходы к патчингу.
В сфере гражданской безопасности интересно наблюдать за расширением применения ИИ для мониторинга и контроля. Будет ли система выявления нелегальных рейсов распространена на другие регионы, и как она повлияет на рынок пассажирских перевозок? Также стоит следить за развитием роботизированных систем в инфраструктуре: будут ли роботы с бензопилами и другими инструментами заменять людей в опасных или рутинных задачах, и как это повлияет на рынок труда.
Наконец, важно оценить влияние ИИ на доверие в сфере безопасности. UserGate позиционирует свою программу как часть архитектуры доверия, но как ИИ-системы, используемые для атак и защиты, повлияют на это доверие? Будут ли разработчики и регуляторы готовы к тому, что ИИ станет основным инструментом в борьбе с угрозами, или потребуются новые подходы к управлению рисками.