Передовой ИИ и киберриск для банков

Автор: Jonas Osman Abdelghafour.

В 2026 году европейские надзорные органы выпустили совместное предупреждение о системных киберрисках, связанных с передовыми моделями ИИ, и формулировка была намеренной: проблема не в новом типе атак, а в изменении экономики атаки. Возможности, которые раньше требовали квалифицированного оператора и значительного времени, теперь требуют промпта и нескольких минут. Когда предельная стоимость сложной атаки падает на порядок, меняются одновременно и объём, и набор целей.

Что реально меняется для банка

Социальная инженерия — по масштабу и качеству. Фишинг, который звучит свободно, точен по контексту, персонализирован на основе публичных данных и составлен на родном языке цели, устраняет лингвистические и форматные признаки, на которые опирается обучение осведомлённости. Клонирование голоса расширяет проблему на процедуры перезвона для верификации и на авторизацию платежей, зависящую от узнавания коллеги.

Более быстрые циклы эксплуатации уязвимостей. Автоматизированный анализ кода сокращает время между раскрытием уязвимости и её вооружением, что сжимает окно на патч, заложенное банками в SLA по управлению уязвимостями. Стандарт устранения за тридцать дней, откалиброванный на исторической скорости эксплуатации, теперь может оказаться политикой планового взлома.

Атаки на сам уровень модели. Организации, внедряющие ИИ, приобретают поверхности атаки, для которых их системы безопасности не проектировались: внедрение промптов через документы или письма, которые агенту поручено обработать, отравление корпусов для поиска (retrieval), извлечение конфиденциальной информации, встроенной в контекст, и злоупотребление агентами, использующими инструменты и обладающими реальными системными правами. Агент с доступом к базе данных и наивной границей доверия — это аутентифицированный инсайдер без каких-либо суждений.

Концентрация. Небольшое число поставщиков моделей обеспечивает растущую долю ИИ в финансовом секторе. Дефект, компрометация или сбой на этом уровне распространяются одновременно на множество организаций — та же проблема корреляции, что и с концентрацией облачных провайдеров, только на более ранней стадии зрелости.

Контроли, отвечающие на изменение экономики

Обучение осведомлённости остаётся необходимым, но уже недостаточным, поскольку оно зависит от распознаваемости приманки. Контроли должны смещаться к проектированию процессов, не полагающихся на человеческое распознавание:

• Верификация вне канала для платежей и смены реквизитов, без исключений по статусу или срочности.
• Аутентификация, устойчивая к фишингу, чтобы убеждённый обманом пользователь не мог передать переиспользуемый учётный признак.
• Сокращённые циклы патчинга для внешних и критичных по серьёзности уязвимостей с процедурой исключений, у которой есть реальные полномочия.
• Принцип минимальных привилегий и обязательное человеческое одобрение для ИИ-агентов с правом записи или возможностью совершать транзакции, а также обращение со всем извлечённым контентом как с недоверенным вводом.
• Валидация входных и выходных данных вокруг систем ИИ, включая контроль происхождения источников поиска.
• Детектирование, настроенное на аномальное внутреннее поведение, а не только на сигнатуры на периметре.

Управление и связь с третьими сторонами

Киберриск от передового ИИ находится на стыке операционной устойчивости, риска третьих сторон и риска моделей — поэтому он часто теряется между тремя комитетами. Ему нужен один ответственный владелец, явное место в таксономии рисков и отчётность, связывающая угрозу с критичными бизнес-услугами, а не только с ИТ-активами.

В отношении поставщиков конкретные вопросы должной осмотрительности таковы: какие меры защиты существуют против неправомерного использования модели, какие меры безопасности защищают модель и передаваемые ей данные, как уведомляется о существенных изменениях, что происходит с промптами и результатами и как организация будет действовать, если сервис будет отключён. Договорные права на аудит и уведомление об изменениях — это практический минимум.

Тестирование

Сценарное тестирование должно включать путь атаки с участием ИИ — компрометацию через посредничество агента, мошенничество с авторизацией через синтетический голос или отравленный источник поиска — и проверять восстановление в условиях, когда сами инструменты реагирования деградировали. Red-team-упражнения, использующие те же возможности, что доступны атакующим, дают более честную картину, чем чек-лист контролей.

Стратегический вывод прост. Защита, откалиброванная на стоимость атаки последнего десятилетия, теперь откалибрована на неверную цифру. Её перекалибровка — это решение об операционной устойчивости, и оно должно быть в повестке совета директоров наряду с собственными планами организации по внедрению ИИ.

Первичные источники: поддержка ESA предупреждения ESRB о системных киберрисках от передовых моделей ИИ, июль 2026 года; требования операционной устойчивости DORA; работа FSB по внедрению ИИ и финансовой стабильности.