Jest to pierwszy półroczny raport Gen dotyczący zagrożeń. Do tej pory publikowaliśmy raporty kwartalne, które zawierały również artykuły tematyczne przygotowane przez Gen Threat Labs. Te badania nie znikną. Przenosimy te bardziej szczegółowe artykuły na nasz blog, gdzie możemy je publikować natychmiast po ich ukończeniu i szybciej dostarczać informacje odbiorcom. Niniejszy raport ma teraz inną rolę: spojrzeć z szerszej perspektywy, połączyć sygnały z pierwszej połowy roku i pokazać, w jakim kierunku zmierza sytuacja w zakresie zagrożeń.
Spis treści
- Warstwa zaufania stała się polem bitwy
- Najważniejsze informacje dotyczące krajobrazu zagrożeń. Pięć obszarów, jeden podstawowy wzorzec
- Zagrożenia bezpieczeństwa i oszustwa. Złośliwa aktywność przeniosła się do zaufanego kontekstu
- Zagrożenia bezpieczeństwa i oszustwa: sygnały z pierwszej połowy 2026 r.
- Przejęcie rezerwacji wprowadza oszustwo do prawdziwej obsługi klienta
- Złośliwe reklamy zapewniły oszustom zasięg
- Trojany bankowe i narzędzia RAT były osadzone w lokalnym kontekście
- Programy kradnące dane i złośliwe oprogramowanie kryptograficzne napędzały kolejny etap oszustw
- Skok przypominający działanie Kimsuky okazał się aktywnością koparki kryptowalut
- Ataki na łańcuch dostaw oprogramowania wykorzystywały zaufanie programistów
- Ataki i zabezpieczenia oparte na sztucznej inteligencji. Agenci przekształcali wyniki pracy AI w działania
- Prywatność. Trwały dostęp stał się problemem.
- Zaufanie i tożsamość. Ujawnione dane szybko stawały się przedmiotem prób wykorzystania
- Dobrobyt finansowy. Ryzyko finansowe ujawniło się przed ostateczną transakcją
- Podsumowanie. Ochrona zaufania jest obecnie częścią ochrony ludzi
Warstwa zaufania stała się polem bitwy
Najsilniejszym trendem w pierwszej połowie 2026 roku było to, jak różne zagrożenia skupiały się wokół zaufania. Oszustwa, przejęcia kont, złośliwe pakiety i agenci AI – wszystkie te zagrożenia zbliżyły się do systemów, procesów roboczych i uprawnień, na których ludzie już polegają.
Oszustwo hotelowe stało się przekonujące, ponieważ znało prawdziwe szczegóły rezerwacji – atak ten nazwaliśmy oszustwami typu „Reservation Hijack”.
Przejęcie konta WhatsApp polegało na przekształceniu przeglądarki atakującego w zatwierdzone, połączone urządzenie. Oszustwo związane z pomocą techniczną wydawało się bardziej wiarygodne, ponieważ pojawiało się w znanej infrastrukturze i wykorzystywało autentycznie wyglądające błędy systemowe. Złośliwy pakiet dotarł do programistów poprzez standardowe ścieżki instalacji i aktualizacji. Agent AI stał się niebezpieczny nie dlatego, że potrafił pisać płynnym tekstem, ale dlatego, że mógł działać w oparciu o uprawnienia, które użytkownik już mu przyznał.
To właśnie wspólny motyw przewijający się w niniejszym raporcie: atakujący zbliżają się do zaufanych elementów cyfrowego życia. Nie ograniczają się jedynie do wysyłania złośliwych linków czy rozprzestrzeniania złośliwego oprogramowania. Wykorzystują kontekst, sesje, przepływy pracy, marki, systemy aktualizacji, platformy reklamowe oraz przekazane uprawnienia. Atak często kończy się sukcesem, zanim ofiara dotrze do oczywistego punktu zagrożenia, ponieważ otaczająca sytuacja już wydaje się uzasadniona, a w wielu przypadkach ofiara faktycznie udzieliła atakującemu zgody.
Liczby pokazują skalę zjawiska. Od stycznia do czerwca oszustwa stanowiły prawie 46% wykrytych zagrożeń, co czyni je najczęstszym typem złośliwego oprogramowania w danych telemetrycznych Gen. Istotnym czynnikiem były również złośliwe reklamy, które stanowiły prawie 30% wykrytych zagrożeń. W ramach tego szerszego obrazu oszustw liczba wykrytych ataków związanych z fałszywym wsparciem technicznym osiągnęła 20,3 mln zablokowanych ataków, natomiast oszustwa w sklepach internetowych – 114,2 mln. Liczba oszustw związanych z podszywaniem się wzrosła o 387%, przy czym większość tej aktywności wynikała z podszywania się pod instytucje rządowe. Badanie Gen „Scam Ad Machine” wykazało, że reklamy związane z oszustwami stanowiły prawie 1 na 3 reklamy przeanalizowane w zbiorze danych reklamowych Meta z UE i Wielkiej Brytanii, generując ponad 304 miliony wyświetleń w mniej niż miesiąc. Nadużycia finansowe pojawiały się również bliżej momentu płatności: w pierwszej połowie 2026 r. Gen zablokował 996,3 tys. ataków typu „web skimming”, co stanowi wzrost o 212% w porównaniu z drugą połową 2025 r., pokazując, jak atakujący nadal atakowali procesy realizacji transakcji, w których użytkownicy już spodziewają się wprowadzenia danych płatniczych.
Jeśli chodzi o prywatność, Gen zablokował średnio 310,8 mln prób śledzenia miesięcznie, co daje około 1,9 mld w ciągu pół roku. Jeśli chodzi o tożsamość, użytkownicy Norton i LifeLock otrzymali ponad 3,3 mln powiadomień o naruszeniach z identyfikacją źródła naruszenia, co stanowi wzrost o 628,1%, a problemy związane z zapytaniami kredytowymi skutkowały prawie pół milionem powiadomień miesięcznie; jest to oznaka, że ujawnione dane osobowe były testowane lub wykorzystywane w kontekstach finansowych.
Sztuczna inteligencja dodała do tego obrazu kolejną warstwę. Ryzyko nie ogranicza się już do fałszywych obrazów, syntetycznych głosów czy lepiej sformułowanych tekstów phishingowych. Systemy agentowe mogą przeglądać, instalować, czytać, zapisywać, łączyć się i wykonywać działania. To sprawia, że są one użyteczne, ale oznacza również, że zabezpieczenia muszą dotrzeć do miejsc, w których agenci działają: przed użyciem narzędzia, przed instalacją pakietu, przed dostępem do pamięci, przed nawiązaniem połączeń sieciowych oraz zanim użytkownik zostanie poproszony o zaufanie autonomicznemu systemowi.
To właśnie ta luka musi zostać wypełniona przez zabezpieczenia. Ludzie nie są w stanie sprawdzić każdego procesu rezerwacji, zweryfikować każdej reklamy, przeprowadzić inżynierii odwrotnej każdego komponentu oprogramowania, skontrolować każdego podłączonego urządzenia ani zrozumieć każdej decyzji agenta AI. Zabezpieczenia muszą znajdować się bliżej momentu, w którym zaufanie jest udzielane, przekazywane i nadużywane.
Najważniejsze informacje dotyczące krajobrazu zagrożeń. Pięć obszarów, jeden podstawowy wzorzec
W pierwszej połowie 2026 r. atakujący nadużywali tych samych systemów, na których ludzie polegają, aby ich cyfrowe życie funkcjonowało: platform komunikacyjnych, przeglądarek, usług w chmurze, narzędzi programistycznych, asystentów AI, kontroli finansowych oraz procesów związanych z tożsamością.
Zagrożenia bezpieczeństwa i oszustwa. Złośliwa aktywność przeniosła się do zaufanego kontekstu
W pierwszej połowie 2026 r. wiele z najskuteczniejszych ataków na pierwszy rzut oka nie wyglądało jak ataki. Docierały one poprzez rozmowy w hotelach, strony pomocy technicznej, procesy rezerwacji, firmowe skrzynki odbiorcze, strony hostowane w chmurze, narzędzia programistyczne oraz reklamy w mediach społecznościowych. Mechanizmy były zróżnicowane, ale logika pozostawała spójna: atakujący umieszczali złośliwą aktywność w kontekstach, którym użytkownicy, platformy i systemy bezpieczeństwa już ufają.
Oszustwa związane z pomocą techniczną rozprzestrzeniały się poprzez znaną infrastrukturę
W pierwszej połowie 2026 r. liczba wykrytych oszustw związanych z pomocą techniczną osiągnęła 20,3 mln zablokowanych ataków, co stanowi wzrost o 61,6% w porównaniu z poprzednim półroczem. Część tego wzrostu nadal wynika z szerszego zasięgu wykrywania po wprowadzeniu przez Gen dedykowanej funkcji filtrowania adresów URL dla tego typu treści, jednak zasięg nie był jedynym czynnikiem. Firma Gen zaobserwowała również intensywne kampanie oszustw związanych z fałszywym wsparciem technicznym, wykorzystujące treści hostowane w domenach ondigitalocean[.]app, co pomagało oszustom pojawiać się w ramach infrastruktury chmurowej o wiarygodnym wyglądzie. Stany Zjednoczone pozostały największym pojedynczym celem, z 4,67 mln zablokowanych ataków. Francja i Niemcy łącznie nieznacznie przewyższyły Stany Zjednoczone pod względem bezwzględnej liczby ataków, odnotowując odpowiednio 2,54 mln i 2,3 mln zablokowanych ataków. Wyróżniała się również Japonia, gdzie zablokowano prawie 2,2 mln ataków. Użytkownicy systemu Windows stanowili 92% zablokowanych ataków związanych z oszustwami dotyczącymi pomocy technicznej, co wskazuje, że platforma ta jest szczególnie narażona na ataki. Często oszustwa dotyczące pomocy technicznej przypominają alerty programu Windows Defender.
Infrastruktura stojąca za tymi oszustwami związanymi z fałszywym wsparciem technicznym często na pierwszy rzut oka wyglądała na wiarygodną. W Niemczech i Francji fałszywe strony błędów systemu Windows podszywały się pod Centrum zabezpieczeń programu Windows Defender, wykorzystywały różne kody błędów w stylu systemu Windows i były hostowane w usłudze Google Cloud Storage, dzięki czemu strony te wydawały się ofiarom bardziej wiarygodne i trudniej było je odrzucić jako oczywiste oszustwo. We Francji złośliwe reklamy na stronach dla dorosłych przekierowywały użytkowników na fałszywe strony wsparcia. W Australii i Stanach Zjednoczonych niektóre kampanie docierały do ofiar za pośrednictwem reklam na Facebooku. W innych atakach wykorzystywano fałszywe pliki PDF z potwierdzeniami płatności PayPal, w tym przynęty nawiązujące do Microsoft 365, aby wywołać spór rozliczeniowy, który ofiary miały rozwiązać, dzwoniąc do fałszywej pomocy technicznej. Schemat oszustwa był znany, ale sposób jego realizacji był lepiej dostosowany do sytuacji, w których użytkownicy już spodziewają się błędów, faktur, płatności lub pomocy technicznej.
Oszustwa polegające na podszywaniu się wykorzystywały presję ze strony władz i osobistą pilność
Podszywanie się pod instytucje rządowe było głównym czynnikiem stojącym za wzrostem liczby oszustw typu „impostor”. W pierwszej połowie 2026 r. Gen zablokował prawie 1 milion ataków oszustw związanych z instytucjami rządowymi, co stanowi wzrost o 387% w porównaniu z drugą połową 2025 r. Liczba chronionych użytkowników wzrosła ponad dwukrotnie, ale aktywność ta była silnie skoncentrowana w Stanach Zjednoczonych, gdzie odnotowano prawie 800 tys. zablokowanych ataków, co stanowiło 81% całości. Jedna kampania pokazana na obrazku odpowiadała sama w sobie za większość zablokowanych ataków, co pokazuje, jak pojedyncza kampania może zdominować wyniki za półrocze, gdy skala przynęty i ścieżki realizacji jest odpowiednio duża.
Gwałtownie wzrosła również liczba oszustw polegających na podszywaniu się pod członków rodziny – o 454,2% w porównaniu z drugą połową 2025 r. Działalność ta koncentrowała się w Europie Zachodniej, a na czele znalazły się Holandia, Francja, Irlandia i Niemcy. Kampanie te docierały głównie do użytkowników Androida za pośrednictwem wiadomości SMS, a jedna z kampanii SMS stanowiła 39% wszystkich zablokowanych ataków oszustw związanych z podszywaniem się pod członków rodziny w tym okresie. W niektórych udokumentowanych przypadkach wykorzystano klonowanie głosu za pomocą sztucznej inteligencji, ale podstawowa technika jest starsza niż sama sztuczna inteligencja: poczucie pilności, presja emocjonalna oraz wiadomość, która wydaje się pochodzić od osoby znanej ofierze. Sztuczna inteligencja może sprawić, że będzie to tańsze i bardziej przekonujące. Nie zastępuje ona inżynierii społecznej, a jedynie poprawia sposób jej zaprezentowania.
Fałszywe sklepy internetowe i ataki typu „oszukaj sam siebie” na dużą skalę dzięki powtarzalnym schematom
Oszustwa związane ze sklepami internetowymi (fałszywe sklepy internetowe) stały się jedną z najliczniejszych kategorii oszustw w pierwszej połowie 2026 r. Gen zablokował 114,2 mln ataków związanych z oszustwami w sklepach internetowych, co stanowi wzrost o 109% w porównaniu z drugą połową 2025 r. Na Stany Zjednoczone przypadało 38,9 mln zablokowanych ataków. Celem ataków była również Europa Zachodnia, gdzie Wielka Brytania, Niemcy, Francja, Włochy i Hiszpania łącznie odnotowały 30,9 mln zablokowanych ataków. Jedna duża odmiana ataku odpowiadała za ponad 10 mln zablokowanych ataków, w których cyberprzestępcy rejestrowali domeny .click promowane za pośrednictwem reklam internetowych. W praktyce oznacza to, że ofiara mogła zobaczyć reklamę przekonująco wyglądającego sklepu internetowego, przejść do jednorazowej witryny zakupowej i zostać skierowana do fałszywej strony realizacji transakcji lub procesu płatności. Skala tego zjawiska pokazuje, jak szybko jeden powtarzalny szablon sklepu może się rozprzestrzeniać, gdy tylko reklamy, domeny i przynęta płatnicza zostaną przygotowane.
Liczba oszustw związanych z fałszywymi samouczkami, stanowiących część szerszego schematu „Scam-Yourself Attack”, wzrosła o 193% w pierwszej połowie 2026 r., z 1,79 mln do 5,26 mln zablokowanych ataków. Ataki te nie zawsze mają na celu bezpośrednie włamanie się do urządzenia. Zamiast tego nakłaniają użytkownika do wykonania pracy za atakującego: postępowania zgodnie z fałszywymi instrukcjami, kopiowania poleceń, zatwierdzania monitów lub przechodzenia przez zwodnicze procesy weryfikacyjne. Wiele stron naśladowało znane testy antybotowe i kontrole bezpieczeństwa, w tym komunikaty w stylu Cloudflare, takie jak „Sprawdzamy, czy jesteś człowiekiem” oraz „Przed kontynuowaniem konieczne jest sprawdzenie bezpieczeństwa połączenia”. Warianty FakeCaptcha stanowiły główny element tej aktywności, a same dwie kampanie odpowiadały za ponad 416 tys. zablokowanych ataków. Nieproporcjonalnie często atakowano użytkowników systemu Windows, którzy stanowili prawie 87% zablokowanych ataków z wykorzystaniem fałszywych samouczków, ale aktywność ta była również widoczna na systemach Android i iOS, co sprawia, że jest to wzorzec oszustwa międzyplatformowego, a nie problem dotyczący wyłącznie systemu Windows.
Zagrożenia bezpieczeństwa i oszustwa: sygnały z pierwszej połowy 2026 r.
Przejęcie rezerwacji wprowadza oszustwo do prawdziwej obsługi klienta
Oszustwa związane z przejęciem rezerwacji to kolejny dobry przykład włamania się oszustów do zaufanych, codziennych procesów cyfrowych. Atak wykorzystuje rzeczywisty kontekst rezerwacji, a w poważniejszych przypadkach – przejęte procesy po stronie hotelu lub partnerów, aby oszustwo wyglądało jak normalna obsługa klienta. Ofiary mogą otrzymywać wiadomości przez WhatsApp, iMessage, SMS, e-mail lub platformy rezerwacyjne, które odnoszą się do prawdziwej podróży, prawdziwego obiektu lub prawdziwego problemu z płatnością. Gdy wystarczająca część wiadomości jest prawdziwa, fałszywa część staje się znacznie trudniejsza do wykrycia.
Złośliwe reklamy zapewniły oszustom zasięg
Reklamy oszukańcze dały oszustom inną przewagę: zasięg. W naszym badaniu „Scam Ad Machine” przeanalizowaliśmy 14,57 mln reklam, które wygenerowały 10,76 mld wyświetleń w UE i Wielkiej Brytanii w ciągu 23 dni. Zidentyfikowaliśmy 4,51 mln reklam związanych z oszustwami – prawie co trzecią reklamę w zbiorze danych – które wygenerowały 143,8 mln wyświetleń w UE oraz 304,11 mln wyświetleń w UE i Wielkiej Brytanii w ciągu niecałego miesiąca.
Kolejne badanie wykazało, dlaczego model ten przetrwa pojedyncze usunięcia. Reklamodawcy oszustów stosowali wielopłaszczyznowe reklamy, jednorazowe konta reklamodawców, podstępne sztuczki prezentacyjne oraz taktyki kampanii o krótkim czasie trwania. Reklama oszukańcza nie musi pozostawać w sieci na zawsze. Musi jedynie wyglądać na akceptowalną wystarczająco długo, aby dotrzeć do właściwych odbiorców.
Trojany bankowe i narzędzia RAT były osadzone w lokalnym kontekście
Kampanie złośliwego oprogramowania przebiegały według podobnego schematu nadużywania zaufania, ale były bardziej dostosowane do warunków regionalnych. Kampanie z trojanami bankowymi w Czechach, na Słowacji i w Polsce wykorzystywały rozsyłane pocztą elektroniczną droppery JavaScript, które podszywały się pod zwykłą korespondencję biznesową, taką jak powiadomienia o wysyłce, powiadomienia o zeskanowanych dokumentach lub e-maile związane z fakturami. Jedna z przynęt po prostu informowała odbiorcę: „Szanowny Kliencie, w załączniku przesyłam zeskanowaną kopię przesyłki”. W niektórych przypadkach wiadomości pochodziły ze zhakowanych firmowych skrzynek pocztowych, co sprawiało, że wyglądały na wiarygodne zarówno dla odbiorców, jak i systemów zabezpieczeń poczty elektronicznej. Ładunek złośliwego oprogramowania modyfikował ustawienia serwera proxy i instalował dodatki do przeglądarki w celu przechwytywania sesji bankowych. W Brazylii fałszywe pliki PDF z płatnościami podszywały się pod marki e-commerce i bankowe, atakując ekosystem płatności Boleto.
Kampanie wykorzystujące trojany zdalnego dostępu (RAT) były również dostosowane do lokalnych warunków i realizowane w kilku etapach. We Włoszech fałszywe pliki PDF z fakturami, w tym przynęty nawiązujące do serwisu Booking.com, wyświetlały realistyczne włoskie okna dialogowe z komunikatami o błędach, a następnie dostarczały skrypty hostowane na platformie Vercel z zastosowaniem zaciemniania kodu JavaScript dostosowanego do konkretnej ofiary, po czym przechodziły do etapów PowerShell hostowanych na Blogspot. W Polsce fałszywe faktury dostarczały steganograficzny moduł ładujący .NET, który instalował trojana Remcos RAT. W Czechach przejęta domena strony trzeciej dostarczała wieloetapowy kod PowerShell, który instalował trojana RAT Babylon. Same rodziny ładunków nie były niczym nowym. Kluczową rolę odgrywała warstwa dostarczania: lokalny język, znane dokumenty, wiarygodny hosting oraz kilka etapów poprzedzających ostateczne zainstalowanie złośliwego oprogramowania.
Programy kradnące dane i złośliwe oprogramowanie kryptograficzne napędzały kolejny etap oszustw
Programy wykradające dane pozostawały jednym z głównych dostawców dla przejmowania kont i oszustw związanych z tożsamością. Gen Threat Labs zidentyfikowało Remus, nowy 64-bitowy program wykradający dane przypisywany do rodziny Lumma Stealer. Analiza powiązała Remusa z Lummą poprzez wspólne techniki zaciemniania kodu, obsługi ciągów znaków, zachowania wywołań systemowych oraz kradzieży danych uwierzytelniających z przeglądarek, a także udokumentowała obejście szyfrowania powiązanego z aplikacją (Application-Bound Encryption) wykorzystywane zarówno przez Remusa, jak i Lummę.
W pierwszej połowie 2026 r. kryptowaluty pojawiły się nie tylko jako przynęta oszustów, ale także jako część infrastruktury złośliwego oprogramowania. Jedna z kampanii kryptowalutowych wykorzystywała czterostopniowy łańcuch infekcji, którego końcowym elementem był skompilowany w języku Rust program przejmujący zawartość schowka dla wielu kryptowalut. Złośliwe oprogramowanie monitorowało schowek pod kątem adresów portfeli w 21 różnych łańcuchach bloków, w tym BTC, ETH i LTC. Gdy ofiara kopiowała adres portfela, złośliwe oprogramowanie zastępowało go adresem kontrolowanym przez atakującego, przekierowując wszelkie wklejone transakcje do przestępców.
W tej samej kampanii wykorzystano również Binance Smart Chain do rozpoznawania serwerów dowodzenia i kontroli za pośrednictwem EtherHiding. Zamiast polegać wyłącznie na zakodowanej na stałe domenie C2, którą można przejąć lub wyłączyć, złośliwe oprogramowanie pobierało wskaźniki infrastruktury z danych przechowywanych w łańcuchu bloków. Utrudnia to zakłócenie działania: obrońcy mogą nadal blokować rozpoznaną infrastrukturę, ale nie są w stanie usunąć zapisu z łańcucha bloków tak, jak w przypadku złośliwej domeny.
Skok przypominający działanie Kimsuky okazał się aktywnością koparki kryptowalut
Większość niniejszego raportu dotyczy trendów. Jednak gdy krzywa nagle skacze, pierwszym zadaniem nie jest wyjaśnienie trendu, lecz wyjaśnienie tego skoku.
Tak właśnie stało się w styczniu. Dane telemetryczne Gen wykazały wyraźny wzrost aktywności, początkowo kojarzony z technikami zaciemniania kodu obserwowanymi wcześniej w kampaniach związanych z Kimsuky. Na pierwszy rzut oka mogło to wyglądać na potencjalny sygnał wskazujący na konkretnego sprawcę. Kampania opowiadała jednak inną historię.
Pozostałe dowody nie pasowały do aktywności Kimsuky. Kampania była skierowana do zwykłych konsumentów, a nie do celów szpiegowskich. Przynęty nawiązywały w nazwach plików VBS do wycieków z serwisu OnlyFans oraz portfeli BTC. Ładunki, wzorce kodu i domeny nie przypominały znanych operacji Kimsuky, a aktywność ta prowadziła do wykrycia programów do kopania kryptowalut, a nie narzędzi szpiegowskich.
Po analizie wzrost ten został sklasyfikowany jako aktywność programów do kopania kryptowalut. Ponowne wykorzystanie technik może powodować zakłócenia w danych telemetrycznych, zwłaszcza gdy wykrycie jest powiązane z zachowaniem, które później pojawia się w niepowiązanych kampaniach. Skok aktywności należy zweryfikować pod kątem ładunku, przynęty, infrastruktury, dotkniętych użytkowników i lokalizacji geograficznej, zanim wyciągnie się wnioski.
Ataki na łańcuch dostaw oprogramowania wykorzystywały zaufanie programistów
Narzędzia programistyczne i pakiety oprogramowania również stały się drogą dostarczania złośliwego oprogramowania. Zamiast atakować każdą ofiarę bezpośrednio, atakujący przejmowali kontrolę nad elementami łańcucha dostaw oprogramowania: publicznymi repozytoriami pakietów, kontami programistów, repozytoriami kodu oraz procesami aktualizacji. Są to systemy, z których programiści korzystają na co dzień, i właśnie dlatego są one tak atrakcyjne. Jeśli zaufany pakiet lub repozytorium zostanie zmodyfikowane, złośliwy kod może dotrzeć do użytkowników poprzez normalną instalację lub aktualizację.
W pierwszej połowie 2026 r. odnotowano kilka przykładów tego modelu. Atakujący przejęli kontrolę nad pakietami Node Package Manager (npm) i Python Package Index (PyPI), przejęli konta opiekunów w celu opublikowania złośliwych wersji oraz wykorzystali przejęte konta GitHub do umieszczenia złośliwego oprogramowania w istniejących repozytoriach, zachowując przy tym wiarygodną historię commitów. Problem ten dotknął również narzędzia programistyczne oparte na sztucznej inteligencji: w jednym przypadku skompromitowany token publikacyjny npm został wykorzystany do wprowadzenia nieautoryzowanej aktualizacji Cline CLI, która zainstalowała OpenClaw na systemach programistów w ciągu ośmiogodzinnego okna czasowego.
Incydenty te różnią się szczegółami, ale wniosek jest ten sam: łańcuch dostaw oprogramowania opiera się na zaufaniu. Atakujący nie tylko próbują oszukać użytkowników końcowych za pomocą fałszywych stron i oszukańczych wiadomości. Próbują również przejąć kontrolę nad narzędziami i komponentami, którym ufają legalni programiści, tak aby złośliwy kod trafiał do użytkowników poprzez kanały wyglądające na rutynowe.
Gen Threat Labs zaobserwowało podobną wersję tego samego problemu zaufania w systemie macOS. W marcu udokumentowaliśmy łańcuch dystrybucji pirackiego oprogramowania, w którym użytkownicy poszukujący darmowych lub starszych wersji aplikacji na Maca byli przekierowywani przez serwisy lustrzane, pliki udostępniane w sieci torrent, fora, kanały Telegramu i przepakowane archiwa. W jednej z monitorowanych fal zabezpieczenia Gen zablokowały około 108 000 prób uruchomienia tych aplikacji w ciągu pierwszych 48 godzin. Ładunki zawierały koparki kryptowalut, programy wykradające dane, backdoory i oprogramowanie reklamowe, jednak ważniejszym mechanizmem było nadużywanie uprawnień: instrukcje instalacji często nakazywały użytkownikom wyłączenie funkcji Gatekeeper, wyłączenie ochrony integralności systemu, uruchomienie narzędzi do łamania zabezpieczeń z uprawnieniami administratora lub przyznanie pełnego dostępu do dysku. Użytkownik komputera Mac może sądzić, że jedynie omija kontrolę licencji. W praktyce może jednak przyznawać niepodpisanej plikowi binarnemu uprawnienia niezbędne do kradzieży danych, utrzymywania się na komputerze lub wykorzystywania urządzenia dla zysku kogoś innego.
Głównym wnioskiem z pierwszej połowy 2026 roku jest to, że atakujący nie rezygnują ze starych taktyk. Wprowadzają je do zaufanych systemów, wybierając lepszy moment i kontekst.
Ataki i zabezpieczenia oparte na sztucznej inteligencji. Agenci przekształcali wyniki pracy AI w działania
Agenci AI zmienili dyskusję na temat bezpieczeństwa w pierwszej połowie 2026 r., ponieważ przekształcają wyniki modeli w konkretne działania. Agent może pobrać adres URL, zainstalować pakiet, edytować plik, połączyć się z usługą lub wywołać interfejs API, często korzystając z poświadczeń użytkownika i dostępu lokalnego. To sprawia, że bezpieczeństwo agentów jest bliższe kontroli punktów końcowych, tożsamości i aplikacji niż tradycyjnemu bezpieczeństwu chatbotów.
Wspomniany w poprzedniej sekcji incydent związany z OpenClaw stanowi przydatne wprowadzenie do tematu zagrożeń związanych ze sztuczną inteligencją. Z punktu widzenia łańcucha dostaw problemem była naruszona ścieżka aktualizacji. Z punktu widzenia sztucznej inteligencji chodzi o delegowane uprawnienia: po zainstalowaniu agenta w środowisku programistycznym może on uzyskać dostęp do plików, terminali, repozytoriów, danych uwierzytelniających lub zasobów w chmurze. To sprawia, że narzędzia oparte na agentach są cenne, ale oznacza również, że naruszenie bezpieczeństwa, błędna instrukcja lub błąd w wykonaniu mogą mieć realne konsekwencje.
Ryzyko związane z agentami nie zawsze wiąże się z działaniem złośliwego podmiotu. TechCrunch poinformował, że badaczka ds. bezpieczeństwa sztucznej inteligencji z firmy Meta udzieliła agentowi OpenClaw dostępu do swojej skrzynki odbiorczej i poprosiła go o zaproponowanie wiadomości do usunięcia lub zarchiwizowania. Zamiast tego agent zaczął usuwać e-maile, ignorując polecenia zatrzymania wysyłane z jej telefonu. TechCrunch zaznaczył, że nie był w stanie niezależnie zweryfikować, co stało się ze skrzynką odbiorczą, dlatego należy to traktować jako zgłoszony incydent, a nie dowód kryminalistyczny. Nawet z tym zastrzeżeniem przypadek ten ilustruje ten sam problem: gdy agent posiada rzeczywiste uprawnienia, błąd w interpretacji, pamięci lub obsłudze kontekstu może przełożyć się na rzeczywiste działanie.
W tym środowisku wstrzykiwanie poleceń stało się bardziej praktyczne. Unit 42 udokumentowało internetowe pośrednie wstrzykiwanie poleceń zaobserwowane w środowisku naturalnym, gdzie atakujący umieszczali ukryte lub zmanipulowane instrukcje w treściach internetowych, które były później przetwarzane przez system AI. Ryzyko zależy od tego, co może zrobić system, którego to dotyczy: narzędzie do tworzenia streszczeń może wygenerować błędną odpowiedź, podczas gdy agent z uprawnieniami może ujawnić dane, kliknąć, przeprowadzić transakcję lub uruchomić narzędzia.
Agenci z nadmiernymi uprawnieniami tworzą kolejną ścieżkę awarii. Badanie „Double Agents” wykazało nadmierne domyślne uprawnienia w wdrożeniu agenta AI w chmurze, umożliwiające przejście z kontekstu wykonywania agenta do zasobów projektu klienta. Jest to znany problem bezpieczeństwa – przypisanie zbyt dużych uprawnień do obciążenia roboczego – jednak agenci ułatwiają jego wywołanie, ponieważ łączą interpretację, automatyzację i dostęp w jednym systemie.
Oszuści nadal wykorzystywali sztuczną inteligencję jako narzędzie perswazji. Badania Gen Threat Labs dotyczące deepfake’ów z udziałem celebrytów i farm awatarów wykazały, że twarz jest często jedynie „opakowaniem”. Największą rolę odgrywa przekaz: scenariusz, obietnica, presja i wezwanie do działania. W niektórych przypadkach osoba prezentująca jest syntetyczna. W innych wykorzystuje się prawdziwe nagrania wideo z oszukańczym dźwiękiem lub narracją. Obrona przed tym polega na analizowaniu zachowania i intencji, a nie tylko na tym, czy twarz wygląda na fałszywą.
Ta sama zmiana jest widoczna w oszustwach opartych na filmach. Gdy klienci natrafiali na filmy w Internecie, ochrona na urządzeniu firmy Gen analizowała je pod kątem oznak treści generowanych przez sztuczną inteligencję, syntetycznych lub zmanipulowanych, które mogłyby zostać wykorzystane do wprowadzenia ich w błąd.
W pierwszej połowie roku w dziesiątkach milionów takich interakcji z filmami wykryto udział sztucznej inteligencji. Średni miesięczny odsetek zidentyfikowanych treści generowanych przez AI, wynoszący około 3,2%, został sklasyfikowany jako działalność oszukańcza, a przy takiej skali nawet niski odsetek oznacza znaczną liczbę oszustw. Filmy generowane przez AI dają oszustom tani sposób na szybkie tworzenie przekonujących twarzy, głosów, opinii, fałszywych fragmentów wiadomości oraz rekomendacji w stylu gwiazd. Większość treści generowanych przez sztuczną inteligencję nie ma charakteru złośliwego, ale gdy tworzenie i rozpowszechnianie syntetycznych treści staje się tak łatwe, nawet niewielki odsetek oszustw może przełożyć się na dużą liczbę prób wprowadzenia użytkowników w błąd.
Oszustwa z wykorzystaniem deepfake’ów i filmów generowanych przez sztuczną inteligencję: niewielki odsetek, znacząca skala
Średni miesięczny odsetek treści sklasyfikowanych jako oszustwa wyniósł 3,2%
Spośród dziesiątek milionów wyświetleń filmów związanych ze sztuczną inteligencją jedynie niewielka część została sklasyfikowana jako oszustwo. Jednak w tej skali nawet niski odsetek przekłada się na znaczną liczbę oszustw, zwłaszcza gdy deepfake’i, syntetyczni prezenterzy i zmanipulowane materiały wideo są wykorzystywane do nadania fałszywym komunikatom większej wiarygodności.
Sekwencja „Mythos and Fable 5” firmy Anthropic ujawniła prosty problem: gdy przełomowy model może znacząco usprawnić pracę w cyberprzestrzeni, sam model staje się częścią problemu bezpieczeństwa. Firma Anthropic stwierdziła, że Mythos Preview może identyfikować i wykorzystywać luki w zabezpieczeniach głównych systemów operacyjnych i przeglądarek, gdy otrzyma takie polecenie. Projekt Glasswing pokazał zastosowanie w celach obronnych – firma Anthropic zgłosiła ponad 10 000 luk o wysokim lub krytycznym poziomie zagrożenia wykrytych w ważnym oprogramowaniu. Zmienia to presję spoczywającą na obrońcach. Wykrywanie błędów nie jest już jedyną trudnością. Dostawcy i osoby odpowiedzialne za utrzymanie oprogramowania muszą również weryfikować, ujawniać, ustalać priorytety i wprowadzać poprawki w tempie, które nadąża za wykrywaniem luk wspomaganym przez sztuczną inteligencję.
Następnie Fable 5 ujawniło problem z dostępem. Po uruchomieniu firma Anthropic poinformowała, że otrzymała dyrektywę amerykańskich organów kontroli eksportu, nakazującą zawieszenie dostępu do Fable 5 i Mythos 5 dla obcokrajowców, w tym pracowników o obcym obywatelstwie przebywających na terenie Stanów Zjednoczonych. Ponieważ firma Anthropic nie była w stanie weryfikować obywatelstwa w czasie rzeczywistym, wyłączyła oba modele dla wszystkich użytkowników na czas dostosowywania się do wymogów zgodności. Ograniczenia zostały później zniesione po wprowadzeniu nowych zabezpieczeń; dostęp do Fable 5 przywrócono w szerszym zakresie, a dostęp do Mythos 5 przywrócono w ramach projektu Glasswing.
W niniejszym raporcie nie chodzi o to, by rozstrzygać, czy rację miała strona rządowa, czy firma Anthropic. Kwestia bezpieczeństwa ma szerszy zakres: gdy model może przyspieszyć aktywność cybernetyczną, dostęp staje się częścią modelu zagrożenia. Kto może z niego korzystać, gdzie się znajduje, jakie zabezpieczenia istnieją, co jest rejestrowane i kto może cofnąć dostęp – to wszystko staje się kwestiami operacyjnymi. Dla osób odpowiedzialnych za ochronę, opierających się na tych systemach, zaufanie zależy nie tylko od zachowania modelu. Zależy ono również od dostępności, zarządzania i kontroli.
Odpowiedzią firmy Gen w pierwszej połowie 2026 roku było wdrożenie mechanizmów kontroli w tych obszarach autonomicznej sztucznej inteligencji, w których faktycznie występuje ryzyko: przed instalacją, podczas działania, na granicy narzędzia oraz na granicy sieci. Agent Trust Hub zajmuje się warstwą przed użyciem, pomagając zbudować zaufanie przed uruchomieniem agenta lub umiejętności poprzez statyczne kontrole tożsamości i weryfikację.
Sage, opracowany przez AI Foundry firmy Gen, wprowadził tę koncepcję do pętli wykonywania. Sprawdza on działania agentów, zanim jeszcze do nich dojdzie, w tym polecenia powłoki, pobieranie adresów URL, zapisywanie plików i instalowanie pakietów. Zawiera również setki reguł wykrywania obejmujących wstrzykiwanie poleceń, utrzymywanie się w systemie, ujawnianie poświadczeń, zaciemnianie kodu oraz ataki na łańcuch dostaw.
Ponieważ rozwiązanie Sage zostało uruchomione w tym okresie, a liczba jego użytkowników wciąż rosła, wykryte zdarzenia należy traktować raczej jako wstępny sygnał niż pełny trend za pierwsze półrocze. W każdym razie dają nam one przydatny wgląd w jeden z najważniejszych momentów w cyklu życia agenta: moment, w którym agent AI przechodzi od generowania odpowiedzi do podjęcia działania.
Gdy agent jest w stanie pobrać adres URL, zainstalować pakiet, odczytać plik, zapisać dane w systemie lub uruchomić polecenie z uprawnieniami użytkownika, kwestia bezpieczeństwa ulega zmianie. Nie wystarczy już zapytać, czy model wygenerował bezpieczną odpowiedź. Musimy również wiedzieć, czy należy zezwolić na wykonanie kolejnego działania.
Wstępne dane telemetryczne Sage pokazują, które reguły uruchamiały się najczęściej, gdy agent miał podjąć działanie. Wykrycia te dzielą się na dwie szerokie grupy. Pierwsza to ryzykowne zachowania lokalne generowane przez samego agenta podczas wykonywania zadania: pobieranie i uruchamianie kodu w jednym kroku, wzorce typu „reverse-shell”, wymuszone usuwanie danych, dostęp do pliku `authorized_keys` w SSH oraz próby odczytania plików uwierzytelniających, plików środowiskowych lub wzorców kluczy API. Zespoły ds. bezpieczeństwa natychmiast rozpoznają je jako niebezpieczne, ponieważ mogą one ujawnić dane uwierzytelniające, zapewnić trwałość złośliwego oprogramowania, otworzyć kanał poleceń dla zewnętrznego operatora lub uszkodzić system lokalny.
Druga grupa to zewnętrzna manipulacja wymierzona w samego agenta. Ukryte wstrzykiwanie poleceń, w tym instrukcje ukryte w linkach Markdown lub komentarzach HTML, ma na celu skłonienie agenta do wykonania poleceń, których użytkownik nigdy nie widział. Próby nadpisania instrukcji mają na celu odciągnięcie agenta od jego pierwotnego zadania lub ograniczeń bezpieczeństwa. W takich przypadkach sam agent staje się celem, a ryzykowne działanie może nastąpić dopiero po przetworzeniu przez niego wrogiej treści.
Obie grupy prowadzą do tego samego wniosku. Egzekwowanie zabezpieczeń w czasie wykonywania musi odbywać się w momencie działania, gdy agent ma właśnie pobrać, zainstalować, odczytać, zapisać lub wykonać. Zabezpieczenia na poziomie modelu i ostrzeżenia dla użytkowników nadal pomagają, ale są zbyt odległe od momentu, w którym ryzykowne zachowanie staje się działaniem systemu.
Agent Detection and Response, czyli ADR, rozszerza ten sam model. Weryfikacja informuje użytkowników, czym jest agent lub umiejętność przed ich użyciem. ADR monitoruje działania agenta w czasie wykonywania, kiedy ryzyko staje się realne. Rozwiązanie ADR firmy Gen działa po stronie klienta, wewnątrz pętli wykonawczej agenta, dzięki czemu działania mogą być oceniane tuż przed wykonaniem, przy ograniczonych kontrolach wspomaganych przez chmurę w odniesieniu do konkretnych sygnałów bezpieczeństwa, takich jak wyodrębnione adresy URL i skróty plików pakietów. Gdy złośliwa aktywność zostanie zablokowana, oczyszczone metadane wykrywania mogą również posłużyć do poprawy ochrony poprzez systemy Community IQ firmy Gen.
AARTS, standard bezpieczeństwa środowiska uruchomieniowego agentów oparty na sztucznej inteligencji, zajmuje się innym, ale powiązanym problemem: każdy host agenta udostępnia inne zdarzenia, kontekst i opcje egzekwowania. Bez wspólnej umowy integracje bezpieczeństwa stają się jednorazowymi projektami o nierównomiernej widoczności. AARTS określa, gdzie można podejmować decyzje dotyczące bezpieczeństwa, jakie dane są dostępne do oceny oraz w jaki sposób decyzje są egzekwowane na różnych hostach.
Firma Gen wykroczyła również poza ramy własnych produktów, wkraczając do szerszego ekosystemu umiejętności AI. Współpraca z Vercel zapewniła weryfikację Agent Trust Hub oraz przejrzyste oceny ryzyka na platformie skills.sh, gdzie programiści mogą publikować i instalować umiejętności agentów AI wielokrotnego użytku. Każda umiejętność może zostać sklasyfikowana jako „Bezpieczna”, „Niskie ryzyko”, „Wysokie ryzyko” lub „Krytyczne ryzyko” przed jej uruchomieniem przez użytkowników.
Wydarzenie OpenClaw potwierdziło ten sam kierunek. Gen oraz członkowie zespołu OpenClaw wspólnie zorganizowali wydarzenie po konferencji RSA, skupiające się na weryfikacji, monitorowaniu i zabezpieczaniu agentów AI w rzeczywistych środowiskach, a Agent Trust Hub został zaprezentowany jako infrastruktura zapewniająca bezpieczne wdrażanie.
Kwietniowe ogłoszenia pokazały, jak daleko posunęły się te prace w kierunku sztucznej inteligencji na skalę konsumencką. Firma Gen ogłosiła wprowadzenie VPN dla agentów za pośrednictwem Agent Trust Hub oraz rozszerzyła ochronę Norton AI Agent Protection w ramach pakietu Norton 360, obejmującą zabezpieczenia wtyczek, umiejętności i narzędzi, ochronę przed wstrzykiwaniem poleceń oraz skanowanie kodu i plików pod kątem treści, do których uzyskują dostęp lub które generują obsługiwani agenci AI.
Współpraca firmy Gen z xAI i Microsoftem wskazuje na ten sam wniosek z innej perspektywy: zaufana sztuczna inteligencja staje się częścią głównych ścieżek pracy konsumentów, a nie problemem laboratoryjnym. Partnerstwo z xAI wprowadza modele Grok na konsumenckie platformy firmy Gen, począwszy od przeglądarki Norton Neo AI Browser, przy czym Agent Trust Hub weryfikuje, monitoruje i egzekwuje zachowanie agentów. Integracja z Microsoftem wprowadza Engine by Gen do interfejsów Copilot, MSN i Bing, aby opierać rekomendacje finansowe na zgodnych z przepisami danych o produktach.
To połączenie badań nad zagrożeniami, narzędzi open source, prac nad standardami, egzekwowania w czasie wykonywania oraz integracji z produktami konsumenckimi przenosi dyskusję z etapu ostrzegania do etapu wdrażania. W branży wiadomo już, że sztuczna inteligencja może być nadużywana. Trudniejszym zadaniem jest stworzenie mechanizmów kontroli, które regulują, co agenci mogą instalować, do czego mają dostęp, co mogą wywoływać, zapamiętywać i z czym mogą się łączyć.
Prywatność. Trwały dostęp stał się problemem.
Kwestia prywatności w pierwszej połowie 2026 r. nie ograniczała się do ujawnionych baz danych. Poważniejszym problemem był trwały dostęp: do wiadomości, zapisów, śladów lokalizacji, danych przeglądarki oraz plików, do których agenci AI mają uprawnienia odczytu. Część tego dostępu wynikała z ataków przestępczych. Część wynikała z normalnych funkcji produktów wykorzystywanych w sposób, którego większość ludzi w pełni nie rozumie.
W pierwszej połowie 2026 r. Gen zablokował średnio 310,8 mln prób śledzenia miesięcznie, co w skali półrocza dało łącznie około 1,9 mld zablokowanych prób śledzenia. Ryzyko dla prywatności nie wynika tu wyłącznie z głośnych naruszeń bezpieczeństwa czy oprogramowania szpiegującego. Wynika ono również z nieustannej, działającej w tle ekonomii śledzenia, tworzenia profili i gromadzenia danych, które towarzyszą użytkownikom podczas codziennego przeglądania stron.
GhostPairing jest najwyraźniejszym przykładem w obszarze komunikatorów. Atak ten wykorzystuje legalną funkcję łączenia urządzeń w WhatsApp, nakłaniając użytkownika do zatwierdzenia przeglądarki kontrolowanej przez atakującego jako połączonego urządzenia. Nie dochodzi do kradzieży hasła ani nie ma potrzeby przechwytywania kodu SMS. Po zatwierdzeniu połączenia atakujący uzyskuje w pełni autoryzowaną sesję, która może pozostać aktywna, dopóki ofiara nie usunie jej ręcznie.
Skutki dla prywatności wykraczają poza nadużycie konta. Połączone urządzenie może zapewnić atakującemu dostęp do rozmów, multimediów i notatek głosowych, które mogą ujawnić, jak ludzie rozmawiają, komu ufają i na jakie prośby mogą odpowiedzieć. Materiały te mogą później posłużyć do podszywania się, oszustw, wymuszeń lub oszustw wzbogaconych o deepfake’i. Praktycznym problemem jest widoczność: wielu użytkowników nie sprawdza regularnie połączonych urządzeń, więc sesja utworzona w chwili nieuwagi może pozostawać aktywna przez długi czas.
Programy wykradające dane stwarzają ten sam problem prywatności w samej przeglądarce. Gen Threat Labs zidentyfikowało Remus, nowy 64-bitowy program wykradający dane przypisywany do rodziny Lumma Stealer, którego możliwości skupiają się na hasłach przeglądarki, plikach cookie, danych dotyczących kryptowalut i innych przechowywanych poufnych informacjach. Dla atakujących przeglądarka nie jest już tylko miejscem do kradzieży haseł. Stanowi ona magazyn sesji, portfeli, rozszerzeń i kontekstu kont, które można ponownie wykorzystać bez konieczności ponownego logowania się ofiary.
Agenci AI wprowadzili kolejną granicę prywatności. Gdy agent może odczytywać pliki, przeglądać strony internetowe, korzystać z pamięci, łączyć się z narzędziami i działać w środowisku lokalnym, prywatność zależy od tego, do czego agent ma dostęp w czasie wykonywania, a nie tylko od tego, co użytkownik wpisał w wierszu poleceń. Dlatego właśnie pamięć agenta i korzystanie z narzędzi stanowią obecnie kwestie prywatności w takim samym stopniu, jak kwestie bezpieczeństwa. Prace firmy Gen nad AARTS wyraźnie uwzględniają punkty zaczepienia dla operacji odczytu i zapisu w pamięci, korzystania z narzędzi, żądań modeli, ładowania wtyczek oraz połączeń MCP, ponieważ są to miejsca, w których wrażliwe dane mogą zostać ujawnione lub niewłaściwie wykorzystane.
Badania przeprowadzone w pierwszej połowie 2026 roku pokazały, jak może to zawieść. W artykule „Twój agent LLM może ujawnić Twoje dane” opisano agenta z wbudowaną furtką, który pobiera zapisany kontekst użytkownika poprzez wywołania narzędzi dostępu do pamięci i wycieka go za pomocą zamaskowanych wywołań pobierania danych. Inny artykuł, „Trojan Hippo”, skupiał się na atakach wykorzystujących pamięć długotrwałą, w których uśpiony ładunek umieszczony za pośrednictwem wywołania niezaufanego narzędzia może później uaktywnić się, gdy użytkownik porusza wrażliwe tematy, takie jak finanse, zdrowie czy tożsamość. Są to scenariusze badawcze, a nie masowe kampanie konsumenckie, ale opisują one wzorzec ryzyka, który powinniśmy traktować poważnie: pamięć zamienia tymczasową interakcję w trwałą powierzchnię danych.
Dane dotyczące lokalizacji pozostawały odrębnym problemem związanym z prywatnością, ponieważ mogą być gromadzone i sprzedawane za pośrednictwem komercyjnych ekosystemów danych bez sprawiania wrażenia naruszenia. W maju 2026 r. FTC ogłosiła ugodę, która zakazuje firmie Kochava i jej spółce zależnej sprzedaży, udostępniania lub ujawniania wrażliwych danych dotyczących lokalizacji bez wyraźnej, jawnej zgody. FTC stwierdziła, że dane te były powiązane z setkami milionów urządzeń mobilnych i mogły być wykorzystywane do śledzenia przemieszczania się osób, w tym wizyt w newralgicznych lokalizacjach.
Sprawa ta była kontynuacją wcześniejszych działań FTC przeciwko firmie Mobilewalla, w których agencja zarzucała tej firmie gromadzenie precyzyjnych danych lokalizacyjnych z aukcji reklamowych w czasie rzeczywistym oraz od zewnętrznych agregatorów, często bez wiedzy konsumentów. FTC stwierdziła, że surowe dane nie były anonimizowane i umożliwiały identyfikację poszczególnych urządzeń mobilnych oraz wrażliwych miejsc odwiedzanych przez użytkowników.
Prywatność: śledzenie na dużą skalę
Zaufanie i tożsamość. Ujawnione dane szybko stawały się przedmiotem prób wykorzystania
Ryzyko związane z tożsamością w pierwszej połowie 2026 r. dotyczyło nie tyle pojedynczego skradzionego hasła, co raczej sposobu, w jaki ujawnione dane tożsamościowe, zaufane sesje i kontekst rzeczywisty były ponownie wykorzystywane. Atakujący nie zawsze próbowali włamać się na konto siłą. Starali się sprawiać wrażenie uprawnionych: połączone urządzenie, kontakt dotyczący rezerwacji, zapytanie o zdolność kredytową, prośba o weryfikację usługi, wiadomość od znanej osoby.
Sygnał wskazujący na naruszenie był wyraźny. Telemetria Gen zarejestrowała dotychczas 18 618 wykrytych zdarzeń naruszenia, które dotknęły naszych klientów w pierwszej połowie 2026 r., co stanowi wzrost o 94,5% w porównaniu z 9 571 w drugiej połowie 2025 r. Liczba powiadomień o naruszeniach wysłanych do użytkowników usług Norton i LifeLock, w których zidentyfikowano źródło wycieku danych, wzrosła znacznie szybciej – o 628,1% – z prawie pół miliona w drugiej połowie 2025 r. do 3,3 miliona w pierwszej połowie 2026 r.
Presja była najbardziej odczuwalna w lutym, kiedy liczba powiadomień o naruszeniach osiągnęła szczytowy poziom ponad 1 miliona alertów w ciągu jednego miesiąca, dotykając prawie 1 na 26 aktywnych użytkowników w tym miesiącu. Ten jeden miesiąc stanowił około jednej trzeciej wszystkich powiadomień o naruszeniach w pierwszej połowie 2026 r. Nawet niewielki wzrost liczby incydentów naruszeń może spowodować znacznie większy wzrost liczby osób dotkniętych problemem, jeśli ujawnione zbiory danych są większe, bogatsze lub bardziej przydatne dla przestępców.
Maj i czerwiec pokazały, dlaczego sama liczba zdarzeń może zaniżać ryzyko. W maju liczba naruszeń wyniosła 3 554, a liczba ujawnionych rekordów osiągnęła 9,62 mln, w tym 9,36 mln rekordów zawierających adresy e-mail. W czerwcu liczba naruszeń przekroczyła 5 000 w ciągu jednego miesiąca.
Zaufanie i tożsamość: sygnały dotyczące naruszeń i oszustw wynikających z nich
Jednym z prawdopodobnych czynników przyczyniających się do gwałtownego wzrostu w lutym był poważny incydent dotyczący zewnętrznej platformy e-commerce w Stanach Zjednoczonych. Czas zdarzenia pokrywa się z naruszeniem bezpieczeństwa w firmie Under Armour zgłoszonym w styczniu 2026 r. Zgodnie z publicznymi doniesieniami incydent dotknął około 72 mln adresów e-mail, a niektóre rekordy zawierały również imiona i nazwiska, płeć, daty urodzenia oraz kody pocztowe. Firma Under Armour oświadczyła wówczas, że nie znalazła dowodów na to, by hasła, systemy płatności lub dane finansowe zostały naruszone. Uważa się, że naruszenie miało miejsce pod koniec 2025 r., mimo że zostało upublicznione w styczniu 2026 r.
Jest to przydatny przykład tego, jak ryzyko naruszenia zmienia się w czasie. Naruszenie może mieć miejsce w jednym okresie sprawozdawczym, zostać upublicznione w innym, a dopiero później wywołać ostrzeżenia dla konsumentów – po przetworzeniu ujawnionych danych, dopasowaniu ich i przekazaniu do wiadomości użytkowników, których dotyczy. Dane ujawnione w tego typu incydentach mogą nie zawierać haseł ani danych kart płatniczych, ale nie oznacza to, że są one nieszkodliwe. Adresy e-mail, imiona i nazwiska, daty urodzenia oraz kody pocztowe mogą sprawić, że phishing, nadużycia związane z odzyskiwaniem kont, ataki typu „credential stuffing” i inne oszustwa staną się znacznie bardziej ukierunkowane i przekonujące, zwłaszcza w połączeniu z danymi pochodzącymi z wcześniejszych naruszeń.
Firma Gen zidentyfikowała również powtarzające się źródło list kombinowanych, w tym zbiory danych publikowane na kanale Telegram „Wings Daily Updates FREE”, które miesiąc po miesiącu gromadziły dane związane z danymi uwierzytelniającymi i pozostawały aktywne aż do pierwszej połowy 2026 roku. Zbiory danych zawierały nazwy użytkowników, hasła, sole, docelowe adresy URL oraz inne zapisy przydatne do nadużywania danych uwierzytelniających. Gdy tego rodzaju dane są przetwarzane i dopasowywane do chronionych użytkowników, może to powodować widoczne skoki w liczbie rekordów związanych z naruszeniami, nawet jeśli część pierwotnych kradzieży danych uwierzytelniających miała miejsce wcześniej.
Jest to jeden z powodów, dla których telemetria naruszeń nie zawsze pokrywa się z kalendarzem pierwotnego naruszenia. Dane mogą zostać skradzione, sprzedane, przepakowane, opublikowane na Telegramie, skopiowane do nowych list i dopiero później wykryte na dużą skalę. Zanim klient otrzyma powiadomienie, ujawnione dane mogły już przejść przez kilka rąk.
Potwierdziło się to w maju, kiedy nastąpił drugi duży skok. Liczba ujawnionych rekordów osiągnęła 9,62 mln, w tym 9,36 mln rekordów zawierających adresy e-mail, co wynikało raczej z dużego wycieku danych uwierzytelniających niż z pojedynczego, nowo ujawnionego naruszenia bezpieczeństwa w firmie. W pierwszej połowie 2026 r. liczba ujawnionych rekordów zawierających adresy e-mail wzrosła o 287%, z 4,43 mln w drugiej połowie 2025 r. do 17,16 mln. Dla użytkowników praktyczne ryzyko jest oczywiste: jeśli ujawnione hasło jest nadal używane, atakujący mogą spróbować je wykorzystać w oryginalnej usłudze lub ponownie użyć do złamania innych kont. Dlatego właśnie ponowne użycie hasła sprawia, że jeden ujawniony zestaw danych uwierzytelniających staje się znacznie większym zagrożeniem dla tożsamości.
W styczniu ujawniono kolejny duży wyciek. Publiczne doniesienia opisywały zbiór danych zawierający głównie dane obywateli chińskich ujawnione w Internecie. Dane te rzekomo znajdowały się w 39 uporządkowanych indeksach i wydawało się, że były gromadzone i agregowane od końca 2025 r. w nieznanych celach. Jedna część zbioru danych, zindeksowana jako „wyy”, zawierała nazwy użytkowników, hasła, adresy e-mail i inne ujawnione dane użytkowników. Inne doniesienia dotyczące szerszego wycieku opisywały znacznie większy zbiór danych osobowych, w tym imiona i nazwiska, numery telefonów komórkowych, adresy, numery identyfikacyjne, dane dotyczące urodzenia oraz identyfikatory w mediach społecznościowych.
Tego rodzaju incydent należy postrzegać raczej jako zagregowany zbiór danych tożsamościowych niż jako pojedynczy wyciek. Pierwotne naruszenia mogły mieć miejsce w różnych serwisach, w różnym czasie i z różnych powodów. Gdy dane zostaną zebrane w strukturze umożliwiającej przeszukiwanie, osoba atakująca nie musi już zwracać uwagi na to, skąd pochodzi każde pole. Hasło z jednego źródła, adres e-mail z innego oraz numer identyfikacyjny z trzeciego mogą stać się jednym użytecznym profilem.
Dlatego właśnie duże ujawnione zbiory danych mogą nadal stwarzać ryzyko długo po pierwszym naruszeniu. Dane te mogą zostać skopiowane, przepakowane, połączone z innymi wyciekami i ponownie wykorzystane w atakach typu credential stuffing, phishingu, nadużyciach związanych z odzyskiwaniem kont lub oszustwach związanych z tożsamością.
Ten schemat pojawił się również poza naszymi danymi telemetrycznymi. Identity Theft Resource Center odnotowało w pierwszym kwartale 2026 r. 780 publicznie zgłoszonych naruszeń, które doprowadziły do wysłania prawie 140 milionów powiadomień do ofiar, przy czym firma Under Armour odpowiadała za 72,7 miliona z tych powiadomień. ITRC odnotowało, że w tym kwartale odnotowano mniej naruszeń niż w pierwszym kwartale 2025 r., ale liczba powiadomień dla ofiar pozostała bardzo wysoka, częściowo dlatego, że niewielka liczba dużych incydentów odpowiadała za znaczną część osób dotkniętych naruszeniem.
Sygnały wynikające z tych zdarzeń były trudniejsze do zignorowania. Liczba alertów dotyczących zapytań kredytowych osiągnęła w czerwcu 460 tys. Samo zapytanie kredytowe nie jest dowodem oszustwa, ale w tej skali stanowi silny wskaźnik, że ujawnione dane tożsamości są testowane lub wykorzystywane w kontekście finansowym.
Wzrosła również liczba alertów dotyczących weryfikacji tożsamości. Liczba alertów dotyczących weryfikacji tożsamości w sektorze usług wzrosła o 577%, z około 1 700 do około 11 500. Część tego wzrostu wynika z zakresu działania produktu, ponieważ firma LifeLock zaczęła obsługiwać ten typ alertów w drugiej połowie 2025 roku. Kwiecień stanowił ponad jedną trzecią aktywności w tym okresie. Jest to mniejsza liczba niż w przypadku powiadomień o naruszeniach lub zapytań kredytowych, ale wskazuje na ten sam podstawowy problem: skradzione lub ujawnione tożsamości są wykorzystywane nie tylko w klasycznych oszustwach kredytowych. Są one testowane w procesach rejestracji, na kontach usługowych oraz w procedurach weryfikacyjnych, gdzie zaufanie budowane jest automatycznie, jeśli dane wyglądają na prawidłowe.
GhostPairing pokazuje problem tożsamości z perspektywy konta. Jak opisano wcześniej, atak ten zamienia proces zatwierdzania połączonych urządzeń w WhatsApp w punkt naruszenia bezpieczeństwa. Gdy ofiara zatwierdzi urządzenie, atakujący nie znajduje się już poza kontem. Działa on w ramach autoryzowanej sesji, która może pozostać aktywna, dopóki ofiara jej nie wykryje i nie usunie.
Atakujący nie musi na stałe przejmować tożsamości ofiary. Potrzebuje jedynie wystarczającego autoryzowanego dostępu, aby odczytywać rozmowy, gromadzić informacje kontekstowe i wysyłać wiadomości z zaufanego konta. W praktyce nadużywana tożsamość to nie tylko numer telefonu czy samo konto. To sieć relacji wokół tego konta: kontakty, rozmowy, grupy oraz zaufanie, jakim inne osoby darzą wiadomości z niego pochodzące.
Problem tożsamości w pierwszej połowie 2026 r. w coraz większym stopniu składał się z fragmentów. Włamany adres e-mail, zapytanie o zdolność kredytową, prośba o weryfikację usługi, połączone urządzenie i znany kontakt to oddzielne sygnały rozpatrywane w izolacji. Przestępcy łączą je, aż system lub osoba uzna interakcję za uzasadnioną. Ochrona tożsamości musi uwzględniać cały ten łańcuch, od ujawnienia danych do próby ich wykorzystania, a nie tylko moment pierwszego wycieku danych.
Dobrobyt finansowy. Ryzyko finansowe ujawniło się przed ostateczną transakcją
W pierwszej połowie 2026 r. ryzyko finansowe ujawniało się na wcześniejszym etapie łańcucha ataku. Najsilniejszymi sygnałami nie były wyłącznie próby nakłonienia użytkowników do dokonania płatności na rzecz oszusta. Były to alerty dotyczące sprawdzeń zdolności kredytowej, aktywności na koncie, wniosków kredytowych, działań związanych z leasingiem oraz innych sytuacji, w których ujawnione dane tożsamości mogą przełożyć się na straty finansowe.
Alerty finansowe dają nam inne spojrzenie na ryzyko związane z tożsamością. Powiadomienia o naruszeniach pokazują, gdzie doszło do ujawnienia danych osobowych. Alerty finansowe wskazują, gdzie dane te mogą być testowane, ponownie wykorzystywane lub przekształcane w działania, które mogą wpłynąć na zdolność kredytową danej osoby, jej konta lub środki finansowe.
W pierwszej połowie 2026 r. odnotowaliśmy wzrost w kilku kategoriach alertów związanych z aktywnością finansową, w tym zapytaniach kredytowych, operacjach depozytowych, zmianach dotyczących kont oraz innych sygnałach, które mogą pojawić się, zanim konsument odczuje bezpośrednią stratę finansową. Same w sobie alerty te nie zawsze dowodzą oszustwa. Stanowią one wczesne ostrzeżenia: coś się zmieniło, ktoś sprawdza, otwiera, przenosi, składa wniosek lub modyfikuje w sposób, którego użytkownik może nie rozpoznać.
Dane telemetryczne Gen wykazały gwałtowny wzrost liczby alertów dotyczących aktywności finansowej po wprowadzeniu tych typów alertów. Liczba alertów dotyczących aktywności finansowej i operacji depozytowych wzrosła o 734%, czyli około ośmiokrotnie, z około 175 tys. w drugiej połowie 2025 r. do prawie 1,5 mln w pierwszej połowie 2026 r. Liczba alertów dotyczących aktywności finansowej i kredytów wzrosła ponad dziesięciokrotnie, z około 16 tys. do 163 tys.
Dobrobyt finansowy: sygnały wczesnego ostrzegania
Powiadomienia o zapytaniach kredytowych stanowiły kolejny wyraźny sygnał. Tylko w maju odnotowano 450 tys. powiadomień o zapytaniach kredytowych, a tendencja ta utrzymała się w czerwcu, osiągając poziom 460 tys. powiadomień. Zapytanie kredytowe nie oznacza automatycznie oszustwa, ale gwałtowny wzrost na taką skalę wskazuje, że ujawnione dane tożsamości są testowane lub wykorzystywane w kontekście finansowym.
Aktywność związana z pożyczkami i leasingiem podążała w tym samym kierunku. Firma LifeLock wprowadziła ten typ alertów w drugiej połowie 2025 r., więc wzrost odzwierciedla zarówno obserwowaną aktywność, jak i szerszy zakres ochrony. Liczba alertów dotyczących nowych wniosków o pożyczki ratalne wzrosła o 153%, z 55 tys. w drugiej połowie 2025 r. do 140 tys. w pierwszej połowie 2026 r. Liczba alertów dotyczących nowych wniosków o leasing wzrosła o 261%, z 3 tys. w drugiej połowie 2025 r. do prawie 11 tys. w pierwszej połowie 2026 r. W pierwszej połowie 2026 r. zakres ochrony również uległ rozszerzeniu, a kategorię tę uzupełniły alerty dotyczące „miękkich zapytań”. Sygnały te mogą pojawić się, zanim ofiara zauważy, że pieniądze opuszczają jej konto – w momencie, gdy dane osobowe są testowane lub wykorzystywane do prób uzyskania dostępu do środków finansowych.
Skimming internetowy dodał sygnał na poziomie transakcji. W pierwszej połowie 2026 r. Gen zablokował 996,3 tys. ataków typu skimming internetowy, co stanowi wzrost o 212% w porównaniu z drugą połową 2025 r., czyli mniej więcej trzykrotny wzrost. W przeciwieństwie do alertów dotyczących zapytań kredytowych lub wniosków kredytowych, skimming internetowy pojawia się, gdy użytkownik jest już bliski dokonania płatności. Atak zazwyczaj wykorzystuje proces realizacji transakcji lub stronę płatności do przechwycenia danych karty, podczas gdy zakup nadal wygląda dla ofiary na normalny. To sprawia, że jest to część tego samego problemu zaufania, który pojawia się w całym raporcie: użytkownik niekoniecznie jest nakłaniany do podjęcia ewidentnie podejrzanej czynności. Nadużycie jest wprowadzane do procesu, w którym płatność jest już oczekiwana.
Wiąże się to bezpośrednio z wzorcami tożsamości opisanymi w poprzedniej sekcji. Powiadomienie o naruszeniu bezpieczeństwa jest pierwszą oznaką ujawnienia danych. Zapytanie o historię kredytową, wniosek o pożyczkę, powiadomienie o aktywności na koncie lub zablokowanie skimmingu internetowego mogą być pierwszymi oznakami nadużycia ujawnionych danych, kontekstu płatności lub zaufania finansowego. Ta luka między ujawnieniem a wykorzystaniem danych jest obszarem, w którym ochrona finansowa musi coraz częściej działać.
Nadużycia ze strony podmiotów własnych: prawdziwe konta, rekrutowani użytkownicy
W pierwszej połowie 2026 roku firma MoneyLion zaobserwowała kolejny wzorzec, który wpisuje się w ten sam model nadużycia zaufania: oszuści rekrutują prawdziwe osoby i przekształcają ich zweryfikowane konta w narzędzia do nadużyć finansowych.
Różni się to od oszustw związanych z kradzieżą tożsamości lub tożsamością syntetyczną. Osoba jest prawdziwa. Dokumenty są prawdziwe. Konto może przejść standardowe procedury rejestracji i weryfikacji tożsamości (KYC), ponieważ na początku może nie być nic fałszywego do wykrycia. Ryzyko pojawia się później, gdy to prawdziwe konto jest wykorzystywane w sposób niezgodny z zamierzeniami instytucji finansowej.
W jednym ze schematów oszuści wykorzystywali platformy mediów społecznościowych i społeczności internetowe do rekrutacji osób, oferując im szybką gotówkę, prowizje lub zachęty za polecenia. Zrekrutowani użytkownicy zakładali konta pod własnymi nazwiskami i pomyślnie przechodzili weryfikację. Następnie niektórzy udostępniali swoje dane logowania zewnętrznemu operatorowi. Inni pozostawali zaangażowani, pomagając operatorowi przejść kontrole uwierzytelniające lub weryfikacyjne w razie potrzeby.
Gdy konto stawało się dostępne, mogło być wykorzystywane do nadużyć związanych z wypłatami gotówki, niewłaściwego korzystania z produktów kredytowych, zasilania portfeli elektronicznych, transferów środków na dużą skalę, nadużywania programów poleceń lub działalności jako „muł”. W niektórych przypadkach użytkownik może zdawać sobie sprawę, że bierze udział w nadużyciu. W innych może sądzić, że uczestniczy w dodatkowej działalności zarobkowej lub programie poleceń, nie rozumiejąc, że jego tożsamość, profil kredytowy i dostęp do konta mogą zostać wykorzystane w niewłaściwy sposób.
To sprawia, że trudno jest powstrzymać nadużycia ze strony samych użytkowników na standardowych punktach kontrolnych. Podczas tworzenia konta wiele sygnałów wygląda na uzasadnione, ponieważ klient, dokumenty tożsamości i proces rejestracji są autentyczne. Zbyt wczesne blokowanie powoduje utrudnienia dla prawdziwych użytkowników. Zbyt długie zwlekanie daje oszustom czas na przenoszenie środków, testowanie produktów lub koordynowanie działań między kontami.
Weryfikacja tożsamości jest nadal konieczna, ale nie może stanowić ostatniego poważnego punktu kontrolnego. Gdy oszustwa odbywają się za pośrednictwem prawdziwych kont, ochrona musi trwać również po zakończeniu procesu rejestracji. Analiza behawioralna, weryfikacja własności kont oraz wykrywanie skoordynowanej aktywności stają się sygnałami wskazującymi, czy zweryfikowane konto jest nadal kontrolowane i wykorzystywane zgodnie z oczekiwaniami.
Ochrona finansowa staje się również częścią doświadczeń konsumenckich opartych na sztucznej inteligencji. Silnik Gen został zintegrowany z platformami Microsoft Copilot, MSN i Bing, aby dostarczać analizy produktów finansowych oparte na zgodnych z przepisami danych produktowych. Wskazuje to na szerszą zmianę: w miarę jak konsumenci polegają na asystentach AI przy podejmowaniu decyzji finansowych, jakość i wiarygodność leżących u podstaw danych finansowych stają się kwestią bezpieczeństwa i ochrony, a nie tylko kwestią doświadczenia użytkownika.
W pierwszym półroczu 2026 r. sytuacja w zakresie dobrego samopoczucia finansowego charakteryzuje się tym, że szkody rozprzestrzeniają się wzdłuż łańcucha. Mogą one rozpocząć się od ujawnienia danych tożsamości, przejść przez proces weryfikacji lub działania kredytowe, a zakończyć się nadużyciem konta, pożyczkami, leasingami, płatnościami lub stratami wynikającymi z oszustw. Czekanie na ostateczną transakcję to już za późno. Przydatne sygnały pojawiają się często wcześniej: alerty o naruszeniach, zapytania kredytowe, aktywność na koncie, nowe wnioski i prośby o płatności, które nie odpowiadają normalnemu zachowaniu użytkownika.
Podsumowanie. Ochrona zaufania jest obecnie częścią ochrony ludzi
Pierwsza połowa 2026 roku pokazała, jak bardzo bezpieczeństwo cyfrowe zależy od kontekstu. Ta sama czynność może być nieszkodliwa lub niebezpieczna w zależności od tego, gdzie się pojawia, kto wydaje się o nią prosić, co wydarzyło się wcześniej oraz jakie uprawnienia zostały już przyznane.
Prośba o płatność w hotelu nie budzi podejrzeń w teorii. Staje się podejrzana, gdy dociera niewłaściwą drogą, w niewłaściwym czasie lub gdy prosi gościa o weryfikację danych za pomocą fałszywego procesu. Podłączone urządzenie jest zwykłą funkcją komunikacyjną, dopóki użytkownik nie zostanie nakłoniony do zatwierdzenia przeglądarki atakującego. Aktualizacja pakietu jest rutynowa, dopóki zaufane konto opiekuna nie zostanie przejęte. Agent AI jest przydatny, dopóki nie wykona niewłaściwej instrukcji, korzystając z uprawnień, których użytkownik w pełni nie zrozumiał.
Dlatego stare sygnały ostrzegawcze już nie wystarczają. Błędy gramatyczne, dziwne linki i nieznani nadawcy nadal mają znaczenie, ale wiele ataków z pierwszej połowy 2026 roku zostało zaprojektowanych tak, by właśnie tych sygnałów unikać. Wykorzystywały one prawdziwe szczegóły rezerwacji, znaną infrastrukturę, rozpoznawalne marki, legalne sesje, standardowe procesy pracy programistów oraz zdarzenia finansowe, których użytkownicy się spodziewają. Atak często ukrywał się w tym, co zwyczajne.
Dla osób odpowiedzialnych za ochronę zmienia to charakter pytania. Nie chodzi już tylko o to, czy coś wygląda na złośliwe. Chodzi o to, czy dane działanie ma sens w danym kontekście. Czy ta wiadomość dotycząca rezerwacji powinna zawierać prośbę o płatność? Czy ta sesja przeglądarki powinna nadal być aktywna? Czy tej aktualizacji pakietu można zaufać? Czy ten agent powinien mieć uprawnienia do zapisywania plików, uruchamiania narzędzi lub łączenia się z usługą? Czy to zapytanie o zdolność kredytową lub operacja finansowa powinny odpowiadać temu, co faktycznie zrobił użytkownik?
Właśnie w tym miejscu rola Gen jako warstwy zaufania staje się bardziej konkretna. Konsumenci powinni mieć możliwość korzystania z nowoczesnych usług cyfrowych, w tym agentów AI, analizy finansowej, platform komunikacyjnych, rezerwacji podróży online, usług w chmurze i narzędzi programistycznych, bez konieczności osobistego sprawdzania każdego modelu, aplikacji, pakietu, monitu, sesji, reklamy czy procesu płatności. Ochrona musi działać bliżej momentu, w którym zaufanie zostaje przyznane lub nadużyte.
Oznacza to blokowanie stron oszukańczych, zanim użytkownik wprowadzi dane płatnicze. Oznacza to wykrywanie złośliwej infrastruktury, nawet jeśli znajduje się ona za legalnymi usługami w chmurze. Oznacza to identyfikowanie dostępu do konta, który wygląda na autoryzowany, ale został uzyskany w wyniku socjotechniki. Oznacza to egzekwowanie decyzji agentów, zanim narzędzie zostanie użyte, plik zmieniony lub połączenie nawiązane. Oznacza to śledzenie ujawnionych danych tożsamości po naruszeniu, kiedy przestępcy próbują wykorzystać je do działań kredytowych, nadużycia konta lub spowodowania strat finansowych.
Atakujący będą nadal dostosowywać stare metody do nowych systemów zaufania. Reakcja musi być równie praktyczna: lepsza telemetria, silniejsze kontrole w czasie wykonywania, ochrona tożsamości śledząca dane po ich ujawnieniu, mechanizmy ochrony prywatności wykrywające trwały dostęp oraz sygnały finansowe pojawiające się, zanim szkody staną się trudniejsze do naprawienia.
Krajobraz zagrożeń nie zmierza w kierunku jednego konkretnego problemu. Zmienia się w kierunku ataków, które łączą oszustwa, złośliwe oprogramowanie, tożsamość, prywatność, sztuczną inteligencję i nadużycia finansowe w jeden łańcuch. Ochrona ludzi oznacza obecnie ochronę zaufania, jakie pokładają w tym łańcuchu, zanim zrobią to atakujący.
Źródło zdjęć: depositphotos.com
Materiał przygotowany przez CORE - Norton, Avast i AVG w Polsce