AI có thể biến các hacker tập sự thành mối đe dọa tinh vi nhắm vào hạ tầng trọng yếu

Trong bối cảnh các cuộc tấn công mạng có thể làm tê liệt lưới điện, hệ thống cấp nước hay các hạ tầng trọng yếu khác, AI hiện chưa thể biến những kẻ tấn công nghiệp dư thành các tác nhân tinh vi cấp quốc gia. Tuy vậy, theo giới chuyên gia bảo mật hệ thống công nghiệp (OT), tiềm năng đó hoàn toàn có thật.

Rào cản kỹ thuật đang ngày càng hạ thấp

Nhiều năm qua, ngành tiện ích vẫn dựa vào một dạng "bảo mật bằng sự mờ tối" — nghĩa là kiến thức chuyên môn sâu về hệ thống chính là một lớp phòng thủ. Nhưng theo Steve Swick, cựu giám đốc an ninh thông tin tại American Electric Power, điều này đang thay đổi.

"Một thứ mà chúng tôi đã dựa vào trong nhiều năm chính là bảo mật bằng sự mờ tối đối với các nhà máy điện. Kiến thức cần thiết để làm những việc đó ngày càng ít cần thiết hơn."

AI giúp kẻ tấn công tìm hiểu mục tiêu trên hạ tầng trọng yếu, xâm nhập vào các nhà máy tiện ích và sản xuất, đồng thời trinh sát hệ thống OT nhanh và dễ hơn trước rất nhiều.

Paul Shaver, trưởng bộ phận OT tại Armadin, giải thích rằng chỉ với quyền truy cập cơ bản, kẻ tấn công có thể đọc tài liệu và nhanh chóng rút ra những đặc điểm thiết kế then chốt của một nhà máy.

"Tôi có thể tải về tài liệu hướng dẫn của gần như bất kỳ bộ điều khiển tự động hóa nào, phân tích nó thật nhanh, rồi tìm ra cách khai thác một tính năng chuyên biệt của một thứ vốn không được thiết kế bảo mật ngay từ đầu."

Công cụ mạnh lên, thời gian bị rút ngắn

Armadin là startup bảo mật mới của Kevin Mandia, chuyên dùng các bầy tác nhân AI tự động để mô phỏng những cuộc tấn công mạng thực tế. Trước khi gia nhập đây, Shaver từng sáu năm dẫn dắt mảng OT toàn cầu tại Mandiant, công ty mà Google mua lại vào năm 2022.

Ông nhấn mạnh rằng không nên biến nỗi lo thành phản ứng thái quá rằng "mọi hacker tập sự giờ đều là đối thủ cấp quốc gia tinh vi". Tuy nhiên, ông cũng không phủ nhận tiềm năng này, bởi các công cụ đang tiến bộ đến mức việc tiếp cận thông tin trở nên nhanh hơn bao giờ hết.

Với sự hỗ trợ của AI, những công cụ mà Shaver mất hàng tháng để xây dựng giờ chỉ cần vài ngày. Điều tương tự cũng đang diễn ra với những người chỉ có kỹ năng cơ bản, dù ông thừa nhận chưa thể gọi họ là "script kiddie" ngay lúc này.

Theo Harry Thomas, giám đốc công nghệ và đồng sáng lập Frenos — công ty bảo mật chuyên kiểm thử xâm nhập bằng AI cho môi trường OT — việc AI hạ thấp rào cản kỹ thuật đồng nghĩa với việc rút ngắn toàn bộ quá trình tấn công.

"Nếu một kẻ tấn công nghiệp dư ở mức khá trở lên giờ đây có thể thực hiện các cuộc tấn công, thì sẽ có nhiều tác nhân đe dọa hơn. Thời gian bị rút ngắn, nhiều cuộc tấn công hơn có thể diễn ra, và từ góc độ phòng thủ, bạn có thể không còn biết đối thủ của mình là ai nữa."

Thử nghiệm sức mạnh của mô hình ngôn ngữ lớn

Báo cáo của Frenos được công bố hôm thứ Tư, xem xét mức độ mà AI có thể hỗ trợ một người lập kế hoạch tấn công hệ thống công nghiệp. Công ty đã chạy thử nghiệm nhiều mô hình AI qua 16.980 bài kiểm tra trong giai đoạn từ tháng 10/2025 đến tháng 9/2026, bao gồm:

• 13.884 lần thử ra quyết định
• 2.520 lần thử lập kế hoạch
• 576 cuộc tấn công mô phỏng

Công ty không tiết lộ tên mô hình hay nhà cung cấp, nhưng cho biết đã thử nghiệm sáu mô hình tiên phong (frontier), hai mô hình trọng số mở của Mỹ và hai mô hình trọng số mở nước ngoài, trên ba loại nhiệm vụ: chọn một hành động, lập kế hoạch các bước để đạt mục tiêu, và xử lý một kịch bản mô phỏng.

Mỗi bài kiểm tra cung cấp cho mô hình thông tin nền và một tập các hành động tấn công để lựa chọn. Trước khi chọn, mô hình nhận được chi tiết về tài sản, mạng lưới, các điểm yếu đã biết cùng mức truy cập mà mỗi hành động yêu cầu. Frenos sau đó kiểm tra liệu lựa chọn của mô hình có khớp với kết quả yêu cầu hay không. Tùy mô hình, tỷ lệ lựa chọn đúng dao động từ 6% đến 47%.

Kế hoạch trông hợp lý nhưng vẫn thiếu sót

Ba mô hình tiên phong mạnh nhất đạt thành công khoảng 90% ở các lần lập kế hoạch, nghĩa là chúng tạo ra được một phương án tấn công khả thi. Tuy nhiên, các mô hình này lại không ổn định: chỉ 60%, 62,9% và 74,3% số kế hoạch tấn công vượt qua mọi lần lặp.

"Một kế hoạch có thể trông hợp lý nhưng vẫn bỏ sót điều gì đó thiết yếu. Các mô hình có thông tin về nhiệm vụ, nhưng một số câu trả lời bỏ qua một bước hoặc giả định rằng đã có quyền truy cập mà kế hoạch chưa thiết lập được."

Trong khi đó, mô hình trọng số mở thành công nhất trong bốn mô hình — một mô hình không phải của Mỹ — đạt tỷ lệ thành công tổng thể 36,2%. Con số này vẫn cao hơn ba mô hình tiên phong khác của Mỹ, lần lượt đạt 31,9%, 18,8% và 17,9%.

Theo Thomas, dù AI giúp đẩy nhanh việc xây dựng công cụ, việc tiếp cận thông tin và chuyển giao kiến thức, các mô hình vẫn dễ mắc lỗi ảo giác, tức là vẫn đưa ra sai sót. Vì vậy, phán đoán của con người vẫn đóng vai trò thiết yếu để giúp các tác nhân đe dọa đạt được mục tiêu của chúng.

Cần lưu ý rằng trong các thử nghiệm này, không có con người nào yêu cầu mô hình sửa lại kế hoạch. Trên thực tế, một kẻ tấn công hiểu rõ mục tiêu có thể phát hiện lỗ hổng trong phương án của AI, cung cấp thêm thông tin và yêu cầu mô hình chỉnh sửa. Ngoài ra, khung thử nghiệm của Frenos còn khá đơn giản, trong khi một khung phức tạp hơn có thể mang lại cho các mô hình lợi thế lớn hơn nữa.

Khuyến nghị cho người phòng thủ

Dựa trên các phát hiện, Frenos khuyến nghị những người bảo vệ hệ thống OT bắt đầu bằng phòng thủ nhiều lớp. Điều này bao gồm:

• Phân đoạn mạng lưới
• Giới hạn truy cập từ xa và quyền hạn của người dùng
• Kiểm thử các bước khôi phục

Theo Thomas, các tổ chức có sẵn kế hoạch duy trì hoạt động kinh doanh và kế hoạch khôi phục sau thảm họa là có lý do chính đáng. Điều quan trọng là phải thực sự triển khai và thực thi chúng, thay vì chỉ để trên giấy tờ.