← AI hírek

origo.hu · Techbázis ·

AI-támadás: több mint 600 000 bankkártya adatot lopott a Gambit kutatói szerint

2026 júliusa óta zajló AI-alapú támadássorozat során legalább 119 weboldalra helyeztek bankkártyaadatokat lopó kódot, és két vállalat adataiból több mint 600 000 érvényes kártyát szereztek be. A cselekmény AI-ügynökökkel végzett önálló döntéseket igényelt, ami a kibertámadások költségét jelentősen csökkentette.

A Gambit kiberbiztonsági vállalat kutatói felfedezték, hogy 2026 júliusa óta egy AI-alapú támadássorozat során legalább 119 weboldalra sikerült bankkártyaadatokat lopó kódot elhelyezni. A támadás két vállalat adataiból több mint 600 000 érvényes, még le nem járt bankkártyát szerezett be.

A támadók három nyílt forrású AI-ügynököt használtak: a Strix célpontokat vizsgálta és biztonsági réseket keresett; a Cairn ezek kihasználásával próbálta hozzáférést szerezni; a Hermes pedig irányító szerepet töltött be, önállóan döntve a következő lépésekről. Az AI-ügynökök önállóan hajtották végre a feladatok egy részét, így a támadónak nem kellett minden műveletet kézzel elvégeznie.

A kártyaadatok megszerzése érdekében rosszindulatú JavaScript‑kódokat és fizetési oldalak módosítását alkalmazták. A Gambit szerint az érintett weboldalak között Fortune 500-as vendéglátóipari vállalat, nagy amerikai légitársaság és jelentős ipari beszállító is szerepelt.

Az AI használata költséghatékony volt: négy hét alatt a mesterséges intelligencia modellekhez kapcsolódó fiókban körülbelül 7 000 dollárra szorult, míg az egész művelet AI-költsége 12–18 ezer dollár között mozgott. Egyetlen célpont átvizsgálása átlagosan 25,46 dollárt tett ki, a legolcsóbb esetben 3,13 dollár, a legdrágábbban pedig 79,31 dollár.

Ez a felfedezés rávilágít arra, hogy az AI-ügynökök képesek automatizálni olyan feladatokat, amelyek korábban emberekhez tartoztak, és így jelentősen növelik a kibertámadások hatékonyságát és csökkentik költségeiket.

Forrás: https://www.origo.hu/techbazis/2026/09/ai-tamadas-600-ezer-bankkartya-adatait-szereztek-meg