W aktualizacji GTIG i Mandiant opublikowanej 16 listopada 2026 r. Google Threat Intelligence Group (GTIG) opisał exploit_agent — wieloagentowy framework wykorzystujący duże modele językowe (LLM), który miał automatycznie analizować oprogramowanie, przygotowywać exploity i je uruchamiać. GTIG określił ten przypadek jako pierwszy taki przepływ, który zaobserwował. Raport GTIG

Jak działał przepływ exploit_agent opisany przez GTIG?

Schemat czterech etapów: porównanie kodu, analiza luk, przygotowanie exploitów i ich automatyczne uruchomienie.

Według GTIG exploit_agent porównywał kod popularnych aplikacji internetowych wokół publikacji poprawek, wyszukiwał możliwe podatności, przygotowywał exploity, a następnie uruchamiał je bez udziału człowieka. Framework działał na wystawionym serwerze testowym i korzystał z wielu zaawansowanych oraz lokalnych modeli językowych.

Na tym serwerze GTIG znalazł także wykradzione dane ofiar oraz skrypty do działań po uzyskaniu dostępu. Telemetria wskazywała zainteresowanie operatora francuskimi stronami z sektorów mediów, rozrywki i edukacji.

Przy ocenie podatności sprawdź zarówno wymagania techniczne konkretnego środowiska, jak i ekspozycję systemu — te warunki mogą zmienić priorytet.

Które frameworki GTIG widział w użyciu?

GTIG informował, że zaobserwował wdrożenie CAIRN i PentAGI w rzeczywistych działaniach, natomiast CyberStrikeAI i HexStrike AI widział na etapie eksperymentów. To odrębne statusy, a nie dowód, że wszystkie wymienione narzędzia działały w intruzjach.

Osobno GTIG śledził od końca sierpnia do początku października 2026 r. aktora używającego zmodyfikowanej platformy opartej na PentAGI do rekonesansu i skanowania podatności u organizacji w Azji. Według GTIG autonomiczne wykonanie zadań może pozostawiać ruch sieciowy, rozpoznawalne identyfikatory i ślady w kodzie, które dają obrońcom możliwości wykrycia aktywności.

Jak kontekst środowiska zmienia priorytet podatności?

Anglojęzyczna demonstracja Maze, w której James Berthoty pokazuje ocenę podatności z uwzględnieniem konfiguracji środowiska i ekspozycji.

W demonstracji Maze opublikowanej 4 grudnia 2025 r. analityk bezpieczeństwa James Berthoty pokazuje dwa przykłady oceny podatności z uwzględnieniem warunków konkretnego systemu. W pierwszym narzędzie uznaje podatność za niewykonalną w testowanym środowisku, ponieważ używany adapter sieciowy AWS nie obsługuje wymaganej funkcji RDMA. W drugim podnosi priorytet podatności z poziomu średniego do wysokiego ze względu na ekspozycję serwera Node.js na internet i dostępność publicznego exploita.

To odrębny, defensywny przykład: konfiguracja systemu i jego ekspozycja pomagają ocenić, jak pilna jest reakcja na podatność.