Mistenkte hackere med tilknytning til Kina brukte flere autonome AI-agenter til å kartlegge og angripe taiwanske myndighetssystemer. Angrepet kan være et tydelig tegn på hvordan generativ AI forvandler cybertrussellandskapet fra automatiserte verktøy til systemer som kan ta sine egne beslutninger og tilpasse angrepene sine.
Kunstig intelligens har blitt brukt til å effektivisere cyberangrep i flere år. AI kan hjelpe angripere med å lage phishing-e-poster, analysere kode, identifisere sårbarheter og automatisere deler av et angrep.
Angrepet på Taiwan viser en potensielt mye mer avansert utvikling.
Ifølge data rapportert av Financial Times oppdaget det israelske cybersikkerhetsfirmaet Dream en operasjon der opptil åtte autonome AI-agenter jobbet parallelt mot taiwanske regjeringssystemer.
Angrepet ble utført tidlig i juli 2026 og involverte totalt 21 systemer.
Minst 85 kontoer ble angivelig kompromittert, og mer enn 2500 personalrelaterte poster ble hentet ut.
AI-agenter jobbet parallelt
Det som gjør angrepet spesielt interessant fra et cybersikkerhetsperspektiv er graden av automatisering.
AI-agentene ble ikke utelukkende brukt som assistenter for menneskelige angripere.
Ifølge rapporten var de i stand til å gjennomføre kartlegging, identifisere mulige veier inn i systemene og tilpasse metodene sine når forholdene endret seg.
Flere agenter kan jobbe mot forskjellige deler av infrastrukturen samtidig.
Når én metode ikke fungerte, kunne systemene analysere situasjonen, søke etter ytterligere informasjon og omprioritere angrepet.
Det begynner å ligne et distribuert cyberteam der flere spesialiserte aktører jobber parallelt, men der deler av arbeidet utføres av AI.
21 systemer ble angrepet
Operasjonen var rettet mot 21 taiwanske myndighetssystemer og ble angivelig utvidet til å omfatte aktiviteter knyttet til atomsikkerhet og energi.
Minst 85 kontoer ble kompromittert.
Angriperne skal også ha klart å få tilgang til mer enn 2500 personaljournaler.
Dream har ikke formelt tilskrevet operasjonen til en spesifikk kinesisk statlig aktør.
Tilstedeværelsen av forenklet kinesisk i deler av operasjonen nevnes imidlertid som en faktor som bidro til mistanken om en forbindelse til Kina.
Det er derfor viktig å skille mellom tekniske indikatorer og bekreftet attribusjon. Å avgjøre med sikkerhet hvem som står bak en avansert cyberoperasjon krever vanligvis betydelig mer bevis.
Fra automatisering til autonomi
Cyberangrep har lenge vært automatiserte.
Botnett kan skanne internett etter sårbare systemer. Skadelig programvare kan spres automatisk mellom datamaskiner. Angripere bruker skript for å teste passord, samle inn informasjon og utnytte kjente sårbarheter.
AI-agenter introduserer imidlertid en annen dimensjon.
Forskjellen ligger i evnen til å analysere resultatene av en handling og deretter velge neste steg.
Et tradisjonelt manus følger i hovedsak en forhåndsbestemt rekkefølge.
I stedet kan en AI-agent få et mål, bruke forskjellige verktøy, analysere resultatene og endre strategien sin underveis.
Det er denne kombinasjonen av autonomi, verktøybruk og tilpasningsevne som kan endre trusselbildet.
Forskning viser raskt økende kapasitet
Utviklingen har allerede blitt bemerket i sikkerhetsforskning.
En forskningsstudie publisert i juni 2026 testet 19 åpne og proprietære språkmodeller i miljøer der de ville utføre autonome penetrasjonstester.
Modellene oppnådde suksessrater mellom 10,7 og 69,3 prosent, avhengig av modell og testmiljø.
Forskerne bemerket også at evnen til autonom penetrasjon fortsetter å forbedre seg etter hvert som generelle AI-modeller blir mer kapable.
Det som tidligere primært var en teoretisk risiko, begynner dermed å få større praktisk betydning.
Forsvarernes tidsvindu kan krympe
En av de største konsekvensene for bedrifter og myndigheter er hastighet.
Tradisjonelle avanserte angrep krever ofte at mennesker utfører rekognosering, analyserer informasjon og tar beslutninger om neste steg.
Hvis deler av denne prosessen kan delegeres til autonome AI-agenter, kan det samme arbeidet utføres parallelt og i betydelig større skala.
En angriper kan potensielt distribuere flere agenter for å undersøke forskjellige systemer, identiteter og sårbarheter samtidig.
Det kan redusere tiden mellom at en svakhet blir identifisert og at den faktisk blir utnyttet.
For sikkerhetsorganisasjoner betyr dette at manuelle prosesser risikerer å bli for trege.
AI endrer begge sider av cybersikkerhet
Den samme teknologien brukes samtidig på forsvarssiden.
AI-baserte sikkerhetsplattformer kan analysere store mengder telemetri, identifisere unormal atferd og hjelpe sikkerhetsteam med å prioritere hendelser.
Dette skaper en utvikling der både angripere og forsvarere får tilgang til stadig mer autonome systemer.
Det neste steget i nettsikkerhet kan derfor bli et miljø der AI-agenter ikke bare hjelper mennesker.
De kan i økende grad møte andre AI-agenter.
For bedrifter betyr dette at spørsmål knyttet til identitet, autorisasjon, overvåking og automatisert respons blir stadig viktigere.
En organisasjon trenger ikke lenger bare å kunne identifisere hva en menneskelig bruker eller et tradisjonelt program gjør.
Den må også kunne forstå hva en autonom agent prøver å gjøre, hvilke ressurser den bruker og hvilke tillatelser den faktisk bør ha.
En ny fase i cybertrusselen
Angrepet på Taiwan er spesielt viktig fordi det illustrerer hvor raskt grensen mellom AI-assistert og AI-drevet viskes ut. cyberoperasjoner er i endring.
Det betyr ikke at menneskelige angripere forsvinner.
Folk kan fortsatt sette målene, velge ofre og kontrollere infrastrukturen.
Men stadig større deler av selve operasjonen kan automatiseres.
Når AI-systemer kan kartlegge miljøer, analysere resultater, velge verktøy og tilpasse neste steg, endres også økonomien bak det. cyberangrep.
En liten gruppe angripere kan potensielt utføre operasjoner som tidligere ville krevd betydelig større ressurser.
For IT-sjefer, IT-sosjefer og sikkerhetsorganisasjoner er spørsmålet ikke lenger bare hvordan man skal beskytte AI.
Det blir også hvordan organisasjonen forsvarer seg når AI i seg selv blir en del av angriperens operative evner.
Swedish
Danish
Norwegian
Finnish
English
German
Dutch