ИИ-модели автономно захватили промышленный контроллер за считанные минуты

Компания Booz Allen Hamilton опубликовала отчет, в котором описаны результаты тестирования передовых моделей искусственного интеллекта на промышленных сетях. Эксперименты показали, что ИИ способен самостоятельно находить уязвимости, обходить защитные механизмы и управлять физическим оборудованием без пошаговых инструкций от человека. В одном из сценариев время от проникновения во внешнюю сеть до захвата контроля над промышленным контроллером составило менее 16 минут.

Как проходили испытания в лаборатории

Тесты проводились в лаборатории кибербезопасности операционных технологий (OT) в Чантилли, штат Вирджиния. Специалисты использовали две неназванные передовые ИИ-модели. Их задача — имитировать действия злоумышленника, нацеленного на критически важную инфраструктуру.

Ключевые результаты эксперимента:

• Автономность: Модели действовали без заранее написанного кода для взлома (эксплойтов), инженерных схем или детальных инструкций по работе с оборудованием. ИИ опирался на стандартные протоколы устройств и учётные данные, установленные производителем по умолчанию.
• Успешность атак: Модели выполнили 8 из 8 поставленных задач по обходу защитных мер.
• Адаптивность: После неудачной первой попытки атаки на систему SCADA (система управления, сбора и обработки данных в реальном времени) ИИ изменил тактику и добился успеха.
• Физическое воздействие: Злоумышленник получил доступ к программируемым логическим контроллерам (ПЛК), платформам SCADA и роботизированному манипулятору. ИИ смог перемещать руку робота, менять частоту вращения двигателя переменного тока, останавливать и запускать его работу.

Скорость атаки стала главным индикатором риска: путь от внешнего доступа до управления физическим оборудованием сократился до десятков минут. Это означает, что у операторов почти нет времени на ручное реагирование.

Что меняется в модели угроз

Исследование подтверждает тренд на конвергенцию ИИ и операционных технологий (OT). Ранее атаки на промышленные сети требовали глубоких знаний специалиста-инженера и длительной подготовки. Теперь алгоритмы автоматизируют этапы разведки, поиска уязвимостей и кражи учётных данных.

Риск возрастает по мере развития функциональности моделей. Если раньше ИИ использовался как инструмент для помощи атакующему, то теперь он способен действовать автономно. Это создает угрозу для объектов критической инфраструктуры, где ошибка или сбой оборудования может привести к авариям или остановке производства.

Меры защиты, рекомендованные исследователями

Booz Allen Hamilton предлагает предприятиям усилить защиту, чтобы замедлить действия атакующего и минимизировать последствия. Основные рекомендации:

• Мониторинг изменений: Необходимо постоянно отслеживать изменения в режимах работы контроллеров, конфигурациях, импорте проектов SCADA и необычном трафике между сетевыми зонами.
• Строгий контроль доступа: Следует установить жёсткие правила для тех, кто имеет право выдавать команды управления. Важно точно определить разрешённые местоположения и режимы работы оборудования.
• Резервное копирование: Требуется поддерживать автономные проверенные резервные копии логики контроллеров, файлов конфигурации и проектов человеко-машинного интерфейса (HMI). Процедуры восстановления должны регулярно отрабатываться.
• Гигиена учётных данных: Исследователи призывают отказаться от учётных данных по умолчанию и повторно используемых паролей. Рекомендуется использовать уникальные привилегированные удостоверения и многофакторную аутентификацию.
• Сегментация сетей: Промышленные сети следует разделять на контролируемые зоны, активно применять межсетевые экраны и ограничивать использование общих служб.

Операционные последствия для бизнеса

• Необходимость обновления политик безопасности: Компании, использующие стандартные учётные данные оборудования «из коробки», находятся в зоне повышенного риска. Замена таких паролей на уникальные и внедрение многофакторной аутентификации станет обязательным шагом для снижения вероятности успешной автономной атаки ИИ.
• Рост нагрузки на мониторинг: Поскольку ИИ может адаптировать тактику за считанные минуты, традиционные методы реагирования могут оказаться недостаточно быстрыми. Это потребует от служб информационной безопасности внедрения систем автоматического обнаружения аномалий в реальном времени и более частого аудита конфигураций промышленных сетей.
• Зависимость от сегментации: Эффективность защиты будет напрямую зависеть от качества изоляции промышленных контуров от офисных сетей. Отсутствие строгой сегментации позволяет ИИ быстро перемещаться между зонами, что увеличивает масштаб потенциального ущерба при компрометации одного узла.