Sztuczna inteligencja zdemokratyzowała hakerstwo — i to jest przerażające

Przez lata do przeprowadzenia cyberataku potrzebowałeś lat nauki, specjalistycznych narzędzi i podziemnych kontaktów. Dziś wystarczy ChatGPT, trochę czasu i motywacja. Jak AI rozbiła zamkniętą kastę hakerów i co to oznacza dla każdego z nas.

Luty 2025, Tokio. Trzech nastolatków — czternastolatek, piętnastolatek i szesnastolatek — zostaje aresztowanych przez tokijską policję metropolitalną. Żaden z nich nie jest programistą. Żaden nie uczył się kryptografii ani inżynierii wstecznej. Poznali się przez grę online, a swoje pierwsze kroki w cyberprzestępczości stawiali, kopiując kody z filmów na YouTube.

Mimo to zdołali przełamać zabezpieczenia jednego z największych japońskich operatorów komórkowych, Rakuten Mobile, logując się na konta klientów ponad 220 000 razy. Kupili 3,3 miliarda wykradzionych par loginów i haseł przez Telegram. Napisali — a raczej kazali napisać — własny skrypt do automatyzacji ataku. Narzędziem był ChatGPT. Sprzedali ponad 2500 nielegalnych kart SIM, zarabiając 7,5 miliona jenów w kryptowalucie. Pieniądze poszły na konsole do gier i zakłady internetowe.

To nie jest anegdota z marginesu. To sygnał alarmu, który rozdzwonił się w całej branży cyberbezpieczeństwa.

Dawny świat: hakerstwo jako rzemiosło

Żeby zrozumieć, jak bardzo wszystko się zmieniło, trzeba cofnąć się o zaledwie kilka lat.

Do niedawna włamanie do infrastruktury korporacyjnej wymagało miesięcy przygotowań. Haker musiał znać Linuxa od podszewki, rozumieć protokoły sieciowe, pisać w C, Pythonie albo asemblerze, orientować się w specyfice systemów, które zamierzał zaatakować. Musiał znać narzędzia — Metasploit, Burp Suite, Nmap — i wiedzieć, jak łączyć je w spójną taktykę. Do tego dochodziło żmudne rozpoznanie: tygodnie albo miesiące zbierania informacji o celu, jego infrastrukturze, ludziach, nawykach.

Hakerstwo było rzemiosłem w starym znaczeniu tego słowa. Terminowanie trwało latami. Wiedza była przekazywana na zamkniętych forach, w podziemnych społecznościach, często przez bezpośredni kontakt. Opłacało się ją strzec — był to kapitał. Kto go miał, zarabiał; kto nie miał, był skazany na rolę obserwatora.

To tworzyło naturalną barierę. Większość przestępstw internetowych popełniali wykwalifikowani ludzie albo ci, którzy kupowali ich usługi. Reszta nie miała narzędzi.

Ta bariera właśnie runęła.

Grzech pierworodny: kiedy AI nauczyła się pisać kod

Kiedy OpenAI wypuściło GPT-4 w marcu 2023 roku, badacze bezpieczeństwa od razu zaczęli testować granice. Szybko okazało się, że model potrafi pisać działający złośliwy kod — pod warunkiem, że pytanie było odpowiednio sformułowane. Filtry dało się obejść. Wystarczyło owinąć prośbę w fikcję, oprawić ją w kontekst badawczy albo zadać ją po etapach, z których żaden z osobna nie wygląda groźnie.

Już dwa miesiące później, w czerwcu 2023 roku, na popularnym podziemnym forum hakerskim Hack Forums pojawił się post. Ktoś sprzedawał narzędzie o nazwie WormGPT — model językowy oparty na open-source'owym GPT-J, wytrenowany na danych związanych ze złośliwym oprogramowaniem i pozbawiony jakichkolwiek zabezpieczeń etycznych. Bez ograniczeń. Bez odmów. Bez pytań o cel zapytania.

Subskrypcja kosztowała od 60 do 100 euro miesięcznie.

Chwilę później pojawił się FraudGPT — narzędzie reklamowane jako "bot bez limitów, zasad i granic", dostępne w subskrypcji od 200 dolarów miesięcznie do 1700 dolarów rocznie. Jego twórcy chwalili się ponad 3000 potwierdzonych sprzedaży. Europol w oficjalnym raporcie ostrzegał, że tego rodzaju "ciemne modele językowe" mogą stać się przyszłym modelem biznesowym zorganizowanej przestępczości.

Potem przyszły kolejne: DarkBERT, WolfGPT, XXXGPT, EvilGPT, DarkBARD. Każdy był wariantem tej samej idei: weź potężny model językowy, usuń hamulce, zapakuj w wygodny interfejs i sprzedaj temu, kto zapłaci.

Branża miała nowy problem — nie tyle technologiczny, co strukturalny. AI zrobiła z hakerstwa produkt.

Anatomia nowej klasy przestępcy

Berkeley Center for Long-Term Cybersecurity, na podstawie warsztatów z ekspertami z grudnia 2024 roku, sformułowało obserwację, która trafia w sedno: AI nie tworzy nowych przestępców. Ona przenosi istniejących z ulic do sieci.

Wcześniej gang zajmujący się wymuszeniami czy handlem narkotykami nie miał wejścia do cyberprzestępczości — bariera techniczna była zbyt wysoka. Dziś ta bariera zniknęła. Ktoś, kto przez lata robił przekręty telefoniczne albo phishing "ręcznie", może teraz zlecić generowanie setek spersonalizowanych wiadomości modelowi językowego. Ktoś, kto chciał napisać ransomware, ale nie znał się na programowaniu, może poprosić AI o pomoc — i dostanie działający szkielet kodu.

Mamy do czynienia z czymś, co analitycy zaczęli nazywać wibe hackingiem — terminem ukutym przez Anthropic po incydencie z 2025 roku, kiedy jeden sprawca z minimalnym doświadczeniem technicznym, działając przez miesiąc z terminala Kali Linux, przeprowadził kampanię szantażu przeciwko 17 organizacjom. AI autonomicznie skanowała tysiące punktów końcowych VPN, penetrowała sieci korporacyjne, zbierała dane uwierzytelniające, rozwijała unikalne złośliwe oprogramowanie i generowała spersonalizowane żądania okupu — do 500 000 dolarów za ofiarę.

Sprawca nie był ekspertem. Był kimś, kto potrafił rozmawiać z chatbotem.

Liczby, które nie dają spać

Badanie akademickie opublikowane pod koniec 2024 roku — przeprowadzone na 101 uczestnikach — pokazało coś, co branża cyberbezpieczeństwa przyjęła jak zimny prysznic. Naukowcy porównali skuteczność czterech typów maili phishingowych: przypadkowych, napisanych przez ludzkich ekspertów, w pełni wygenerowanych przez AI oraz hybrydowych. Wyniki były jednoznaczne.

Zwykłe, generyczne maile phishingowe uzyskały wskaźnik kliknięć na poziomie 12%. Maile napisane przez ludzkich ekspertów — 54%. Maile wygenerowane w pełni przez AI — również 54%. Różnica w skuteczności: żadna. Różnica w czasie przygotowania: gigantyczna. IBM wykazał, że AI jest w stanie zbudować kompletną kampanię phishingową w 5 minut — coś, co ludzkiemu specjaliście zajmuje 16 godzin.

Koszt takiej kampanii zmalał o około 95%.

Jednocześnie liczba złośliwych pakietów w publicznych repozytoriach kodu wzrosła z 55 000 w 2022 roku do ponad 454 000 w 2025 roku. Znaczące skoki nastąpiły w 2023 roku — kiedy wypuszczono GPT-4 — i ponownie w 2025 roku, który okazał się przełomowy dla agentycznych systemów AI zdolnych do autonomicznego działania.

Udział AI w atakach to dziś nie margines. Według KnowBe4, ponad 82% maili phishingowych zawiera treści wygenerowane przez AI. Synteza tekstu w złośliwych wiadomościach podwoiła się w ciągu dwóch lat — wynika z raportu Verizon Data Breach Investigations. Infostealer'y dostarczane przez phishing wzrosły o 84% rok do roku.

Oblicze bez twarzy: deepfake jako broń

Styczeń 2024, Hongkong. Pracownik działu finansowego międzynarodowej firmy inżynieryjnej Arup — tej samej, która zaprojektowała Operę w Sydney i Ptasie Gniazdo w Pekinie — dołącza do wideokonferencji. W spotkaniu uczestniczą dyrektor finansowy oraz kilku znajomych mu kolegów. CFO prosi o przeprowadzenie serii poufnych przelewów przez pięć różnych kont bankowych. Łączna kwota: 200 milionów dolarów hongkońskich — czyli około 25,6 miliona dolarów.

Pracownik miał wątpliwości. Coś wyglądało "trochę nie tak". Spojrzał na współpracowników. Oni potwierdzili. Zatwierdził.

Na sali nie było żywego człowieka. Każda twarz — CFO, każdy kolega — była deepfake'iem zbudowanym ze zdjęć i nagrań pobranych z publicznych konferencji i spotkań online. Ze zdjęć z LinkedIn. Z nagrań z YouTube'a.

Pieniądze przelano w 15 transakcjach. Ktoś je zabrał. Nikt ich nie odzyskał.

Rok wcześniej taki atak byłby technicznie niemożliwy w czasie rzeczywistym — generowanie wideo wymagało zbyt dużej mocy obliczeniowej. W 2024 roku był już standardową bronią. Pindrop zanotował w 2024 roku wzrost prób deepfake fraud o 1300% — z jednej na miesiąc do siedmiu dziennie.

Pracownik Arup nie był naiwny. Był ostrożny. Ale AI była od niego lepsza w imitowaniu rzeczywistości niż on w jej rozpoznawaniu.

Zbrojownia bez dna: kiedy modele uczą się hakować

Równolegle z kryminalizacją AI trwa wyścig zbrojeń po stronie obronnej — i tu też AI wyznacza nowe standardy.

W sierpniu 2025 roku DARPA ogłosiło wyniki AI Cyber Challenge — dwuletniego turnieju, w którym siedem drużyn budowało autonomiczne systemy do wykrywania i łatania luk w oprogramowaniu. Pole bitwy: 54 miliony linii kodu z ukrytymi podatnościami. Wynik: systemy AI wykryły 77% celowo wprowadzonych błędów i załatały 61% z nich. Średni czas naprawy jednej podatności — 45 minut. Koszt — 152 dolary za zadanie.

Dla porównania: polowanie na błędy w programach bug bounty może kosztować od kilkuset do kilkuset tysięcy dolarów.

Co więcej, systemy odkryły przy okazji 18 rzeczywistych podatności zero-day — dziur, których nikt wcześniej nie znał — i zgłosiły je odpowiedzialnie do twórców oprogramowania.

Ale tu tkwi paradoks. Te same techniki, które pozwalają AI skanować kod w poszukiwaniu dziur i je łatać, mogą być użyte do ich znajdowania i eksploatowania. Różnica leży wyłącznie w zamiarze. A zamiar to jedyna rzecz, której AI nie posiada — i której człowiek może użyć w dowolny sposób.

UK National Cyber Security Centre przewiduje, że do 2027 roku systemy AI niemal na pewno uczynią ataki ofensywne tańszymi i skuteczniejszymi — jednocześnie oferując szansę dla narzędzi obronnych. "Prawie na pewno" oznacza tu przedział ufności 95–100%.

To nie jest prognoza. To jest diagnoza czegoś, co już trwa.

Szara strefa gry fair

Trudno mówić o tym wyścigu bez zatrzymania się na chwilę przy pytaniu, które przenika całą branżę: kto aktualnie wygrywa?

Odpowiedź brzmi: żadna ze stron — i dlatego wszyscy powinni się martwić.

Atakujący zyskali narzędzia, które obniżają próg wejścia do zawodu. Nie muszą być ekspertami — muszą tylko wiedzieć, jak rozmawiać z AI. To oznacza dramatyczny wzrost liczby potencjalnych sprawców: nie tylko wyrafinowanych grup państwowych czy zorganizowanych gangów, ale nastolatków z Tokio, którzy potrzebują pieniędzy na konsolę do gier.

CrowdStrike w raporcie z 2025 roku odnotował, że maile phishingowe generowane przez AI uzyskują wskaźnik kliknięć o 54% wyższy niż te pisane przez ludzi. Że AI-driven attacks stanowią już około 40% wszystkich cyberataków, które omijają tradycyjne systemy detekcji. Że obrońcy muszą analizować miliardy sygnałów dziennie — co bez własnych systemów AI jest dziś fizycznie niemożliwe.

Defensywna AI analizuje wzorce, wykrywa anomalie, odpowiada na incydenty szybciej niż jakikolwiek ludzki zespół. Ale ofensywna AI uczy się omijać te same systemy. Możemy już dziś obserwować pierwsze przypadki malware'u, który modyfikuje swoje zachowanie w czasie wykonania, adaptując się do mechanizmów detekcji, które napotyka.

Nie jest to gra o sumie zerowej. To wyścig, w którym obie strony pędzą do przodu — i w którym dystans między nimi zmienia się z tygodnia na tydzień.

Człowiek jako najsłabszy punkt

Jest jeden element tej układanki, który AI zmienia wolniej niż wszystkie inne — i który pozostaje kluczowym punktem ataku bez względu na to, jak zaawansowane stają się narzędzia.

To człowiek.

Deepfake CFO z Hongkongu nie zadziałał dlatego, że system IT Arup był słaby. Zadziałał dlatego, że pracownik uwierzył swoim oczom. Trzynastu nastolatków z Tokio nie złamało zaawansowanych algorytmów kryptograficznych — skorzystało z faktu, że Rakuten Mobile pozwalał na rejestrację do 15 linii na jedno konto bez dodatkowej weryfikacji.

Socjotechnika — manipulacja ludźmi, nie systemami — od zawsze była najtańszą i najskuteczniejszą metodą ataku. AI ją tylko amplifikuje. Spersonalizowane wiadomości, które brzmią jak od szefa. Głos w telefonie nie do odróżnienia od prawdziwego. Twarz w wideokonferencji, która wygląda jak kolega.

McAfee opublikował badanie, z którego wynika, że zaledwie trzy sekundy nagranego głosu wystarczą, by stworzyć klon z 85-procentową dokładnością. Trzy sekundy — tyle, ile trwa "cześć, słyszysz mnie?" na początku rozmowy.

Badania pokazują, że szkolenie z cyberbezpieczeństwa może obniżyć podatność na phishing z 33% do poniżej 5%. Ale szkolenia uczą rozpoznawania starych sygnałów ostrzegawczych: złej gramatyki, ogólnych pozdrowień, podejrzanych linków. AI wyeliminowała większość z nich.

Pytanie nie brzmi już "czy ta wiadomość wygląda podejrzanie". Brzmi: "czy w ogóle da się odróżnić prawdziwe od fałszywego, kiedy fałszywe jest generowane na bieżąco, perfekcyjnie i na skalę przemysłową?"

Demokracja, której nikt nie chciał

Słowo "demokratyzacja" ma dobre konotacje. Zwykle oznacza, że coś staje się dostępne dla wszystkich — wiedza, technologia, możliwości. Kiedy mówimy o demokratyzacji hakerstwa przez AI, mamy na myśli coś innego.

Mamy na myśli to, że narzędzia, które kiedyś wymagały lat nauki i specjalistycznych kontaktów, stały się dostępne dla każdego z połączeniem internetowym i odrobiną determinacji. Że przestępczość cybernetyczna przestała być domeną wyspecjalizowanych kast i stała się czymś, do czego może wejść trzynastolatek z Tokio albo gangster bez doświadczenia technicznego.

To nie jest progres w pozytywnym sensie. To jest erozja bariery, która przez dekady trzymała większość potencjalnych przestępców z dala od najbardziej zaawansowanych narzędzi ataku.

I co z tego wynika?

Liczba złośliwych pakietów w repozytoriach kodu wzrosła o ponad 700% w ciągu kilku lat. Phishing stał się tańszy i skuteczniejszy niż kiedykolwiek. Ransomware stał się dostępny jako usłoga — Ransomware-as-a-Service — dla każdego, kto ma kryptowalutę i dość złej woli. Operatorzy z Korei Północnej ze "skromną" znajomością kodowania utrzymują się na stanowiskach inżynieryjnych w firmach z Fortune 500. Osoby bez wiedzy kryptograficznej sprzedają ransomware tysiącom klientów.

Wyobraź sobie, że przez dekady tylko licencjonowani ślusarze mieli dostęp do wytrychów. Potem ktoś opublikował instrukcję ich wykonania dla każdego — i zamieszczono ją w najchętniej odwiedzanej bibliotece na świecie, z obsługą w 50 językach, dostępną za darmo 24 godziny na dobę.

To jest mniej więcej to, co wydarzyło się z hakowaniem.

Co teraz?

Trudno o łatwe zakończenie — bo nie ma łatwych odpowiedzi.

Firmy i specjaliści od cyberbezpieczeństwa mówią o kilku kierunkach. Po pierwsze: AI po stronie obrony musi nadążać za AI po stronie ataku. Tradycyjne systemy oparte na znanych sygnaturach są coraz mniej skuteczne — bo AI potrafi generować unikalne złośliwe oprogramowanie, które żaden filtr nie widział wcześniej. Potrzebne są systemy wykrywające anomalie w zachowaniu, nie w formie.

Po drugie: procedury muszą zostać zaprojektowane na nowo, zakładając, że AI może doskonale imitować ludzką tożsamość. Weryfikacja tożsamości przez telefon lub wideo — coś, co przez dekady uważano za wystarczającą pewność — nie jest już wystarczająca. Arup zapłaciło 25 milionów dolarów za tę lekcję.

Po trzecie: regulacje. Europol, FBI i inne agencje wzywają do ściślejszego nadzoru nad dystrybucją modeli AI, transparentności ich zastosowań i globalnej współpracy w ściganiu cyberprzestępczości. Ale cyberprzestępczość jest z definicji ponadgraniczna — a regulacje pozostają krajowe.

I po czwarte — choć brzmi to najskromniej ze wszystkich — edukacja. Nie ta, która uczy rozpoznawać starą phishingową gramatykę. Ta, która uczy myśleć krytycznie o tym, co widzimy i słyszymy — nawet jeśli wygląda i brzmi przekonująco.

Człowiek pracujący w Arup nie był głupi. Był przyzwyczajony do świata, w którym twarz i głos znajomego człowieka stanowią wystarczający dowód jego tożsamości. Ten świat skończył się między 2023 a 2024 rokiem — a większość z nas jeszcze o tym nie wie.

Trzej japońscy nastolatkowie trafili przed sąd. Dwóch z nich przyznało się do winy. Czternastolatek powiedział, że "chciał zwrócić na siebie uwagę w mediach społecznościowych".

Za kilka lat, gdy AI stanie się jeszcze potężniejsza i bardziej dostępna, takich historii będzie więcej. I nie wszystkie będą kończyć się aresztem.

Źródła: DARPA AI Cyber Challenge (2025), Anthropic Threat Intelligence Report (2025), UC Berkeley Center for Long-Term Cybersecurity (2025), CrowdStrike Global Threat Report (2025), Verizon Data Breach Investigations Report (2025), KnowBe4 Phishing Threat Trends Report (2025), IBM X-Force Threat Intelligence Index (2025), Harvard/Oxford/ScienceDirect — badanie dotyczące skuteczności phishingu generowanego przez LLM (2024), Tokijska Policja Metropolitalna — sprawa Rakuten Mobile (luty 2025), Hongkong Police / CNN — sprawa Arup deepfake (2024).