Используя искусственный интеллект и машинное обучение, мы помогаем людям и организациям быстрее распознавать киберугрозы, снижать риски и уверенно пользоваться цифровыми технологиями в повседневной жизни и работе.
Почему это важно
Злоумышленники все активнее используют ИИ для автоматизации атак. Наши эксперты регулярно фиксируют его применение при генерации фишинговых страниц, программ‑вымогателей, вредоносного ПО для продвинутых целевых атак (например, Bluenoroff), а также в кампаниях, нацеленных на российские организации, таких как Librarian Likho.
Злоумышленники автоматизируют все больше этапов в цепочке атаки. Однако важно отметить, что ИИ не меняет ландшафт угроз радикально.
ИИ также активно используется в киберзащите: позволяет значительно повысить эффективность обнаружения (детектирования) угроз, включая сложные техники атак, такие как DLL HijackingТехника атаки, при которой злоумышленник внедряет вредоносную динамическую библиотеку (DLL), из‑за чего легитимная программа загружает и запускает чужой код..
При этом надежная защита по‑прежнему строится на многослойном подходе — защите конечных точек и сетей, управляемых сервисах (например, MDR), продвинутых комплексных решениях, таких как XDR, и качественной аналитике угроз (Threat Intelligence). Роль ИИ заключается в другом: он повышает скорость реакции, масштабируемость и точность защитных технологий, помогая противостоять кибератакам.
Как мы используем ИИ в киберзащите
~20 лет
Компания применяет технологии ИИ и ML
135 патентов
в области ИИ в портфеле интеллектуальной собственности «Лаборатории Касперского»
«Лаборатория Касперского» уже почти 20 лет применяет технологии ИИ и машинного обучения (ML) в своих продуктах и сервисах.
Искусственный интеллект помогает ежедневно анализировать сотни тысяч подозрительных и вредоносных файлов, выявляя закономерности и аномалии за доли секунды. При этом мы рассматриваем ИИ не как замену специалистам, а как инструмент поддержки: алгоритмы берут на себя рутинную обработку сигналов, освобождая экспертов для анализа сложных, целевых и нестандартных атак.
Наш центр экспертизы Kaspersky AI Technology Research объединяет исследователей данных, ML‑инженеров, экспертов по угрозам и инфраструктуре, чтобы решать самые амбициозные задачи на стыке сфер ИИ/ML и кибербезопасности. Среди этих задач — как разработка и развитие прикладных технологий, так и проведение исследований по безопасности ИИ‑алгоритмов, повышение осведомленности о рисках ИИ и многое другое.
Расширяем возможности детектирования угроз
«Лаборатория Касперского» разработала множество ИИ/ML‑технологий детектирования угроз, в первую очередь для выявления вредоносного ПО, а также нелегитимной активности злоумышленников. Например, в 2025 году наши эксперты обучили ML‑модель выявлять попытки использования техники DLL Hijacking и усилили ей SIEM‑систему KUMA. В наших решениях используется не один универсальный алгоритм, а набор специализированных моделей, каждая из которых решает свою задачу. Такой подход делает защиту более устойчивой и точной.
Ранняя проверка файлов. Глубокие нейросети помогают выявлять вредоносные исполняемые файлы по статическим признакам на ранних стадиях, еще до запуска.
Автоматизация создания правил обнаружения. ML‑технологии на базе решающих деревьев помогают формировать правила обнаружения угроз, которые могут работать прямо на устройстве пользователя. Это важно, когда нужно быстро внедрить знания об угрозах в практическую защиту.
Поведенческий анализ. Даже если файл выглядит безопасным, вредоносная активность может проявиться во время работы программы. Поведенческие модели помогают выявлять такие угрозы по нетипичным действиям.
Выявление вредоносных интернет‑ресурсов на основе анонимной телеметрии, поступающей из установленных у клиентов решений и других источников.
Защита от фишинга и спама. Специализированные модели, включая ML‑модель для детектирования мошеннических веб‑страниц и DeepQuarantine для карантина писем с подозрением на спам, снижают риски пользователей.
Благодаря облачной инфраструктуре результаты работы ИИ становятся доступны пользователям почти мгновенно — новые угрозы блокируются сразу после обнаружения.
Боремся с фишингом и онлайн‑мошенничеством
Онлайн‑мошенничество с годами становится хитрее: современные фишинговые сайты выглядят аккуратно, тексты часто написаны без ошибок, а визуальные элементы копируют интерфейсы известных сервисов. Чтобы противостоять таким угрозам, мы применяем машинное обучение и анализ контента.
В частности, для защиты от фишинга Компания использует:
технологии оптического распознавания символов (OCR), которые выявляют вредоносный текст, спрятанный внутри изображений;
собственные запатентованные ML‑модели, обученные на массивах легитимных и поддельных сайтов и выявляющие характерные признаки мошенничества.
Это особенно важно, поскольку мошенники все чаще используют изображения и визуальные приманки, пытаясь обойти простые фильтры.
Помогаем специалистам SOC работать эффективнее
В корпоративной среде специалисты по безопасности часто сталкиваются с проблемой избыточного «шума» — большого количества уведомлений, не приводящих к реальным инцидентам. Это приводит к существенным потерям времени.
В сервисах управляемой защиты (Managed Detection and Response) ИИ‑алгоритмы автоматически анализируют потоки событий и отфильтровывают ложные срабатывания, позволяя ежегодно закрывать десятки и сотни тысяч неопасных инцидентов без участия человека. В результате специалисты центров мониторинга кибербезопасности (SOC) могут сосредоточиться на действительно важных атаках и быстрее реагировать на реальные угрозы.
В корпоративных решениях для мониторинга и реагирования (Kaspersky SIEM (KUMA) и Kaspersky XDR) риск‑скоринг на базе машинного обучения используется для оценки поведения устройств и серверов внутри инфраструктуры. Это помогает выявлять скрытые атаки и аномалии, не передавая данные за пределы компании, что особенно важно для организаций с высокими требованиями к конфиденциальности.
Развиваем ИИ в промышленности и на физических объектах
Искусственный интеллект используется не только для защиты компьютеров и сетей. В промышленности сбои и отклонения могут приводить к простоям, авариям и серьезным финансовым потерям.
Для таких сценариев применяются решения на базе машинного обучения, такие как Kaspersky MLAD (Machine Learning for Anomaly Detection) — программный продукт для предиктивной аналитики. Они анализируют телеметрию оборудования и помогают выявлять ранние (скрытые) признаки надвигающегося отказа оборудования, нарушения техпроцесса, кибератаки, а также ошибки персонала. Постоянно обучая нейросеть, MLAD анализирует поток «атомарных» событий от объекта, структурирует его в паттерны и выявляет нештатное поведение.
Предотвращаем злоупотребление ИИ злоумышленниками
Атакующие активно используют искусственный интеллект для автоматизации своей работы: создания фишинговых ресурсов, ускорения создания вредоносного кода, масштабирования мошеннических схем и создания аудио‑ и видеодипфейков.
Изучая кейсы обнаруженных угроз, созданных с применением ИИ, наши специалисты улучшают эффективность защиты от вредоносных программ, фишинга и скама, делятся рекомендациями с пользователями. Например, они советуют критически относиться к неожиданным сообщениям, аудио и видео, всегда перепроверять информацию и использовать надежные защитные решения.
Исследуем большие языковые модели
Генеративный ИИ и большие языковые модели уже стали частью цифровой реальности. Мы развиваем инфраструктуру для исследования и безопасного использования их возможностей и быстрого создания прототипов. В этой среде развернуты LLM‑инструменты, подобные ChatGPT: они доступны сотрудникам всех подразделений для решения повседневных задач и одновременно служат базой для разработки новых решений.
Одним из ключевых практических сценариев является использование языковых моделей для помощи аналитикам. В частности, сервис Kaspersky ThreatLookup (один из сервисов портала Kaspersky Threat Intelligence Portal) в 2025 году получил ИИ‑инструмент для работы с OSINT‑даннымиOpen Source Intelligence — инструменты и возможности для работы с открытыми источниками информации.: алгоритмы анализируют открытые источники и формируют краткую сводку по индикаторам компрометации из всех публикаций, связанных с интересующим объектом. Это позволяет специалистам по информационной безопасности быстрее получать контекст и принимать решения без необходимости вручную изучать большое количество материалов.
Примеры обнаруженных зловредов, созданных с применением ИИ или использующих тему ИИ
FunkSec. Анализ программы‑шифровальщика показал признаки автоматической генерации фрагментов кода; среди целей — организации госсектора, IT, финансов и образования в Европе и Азии.
RevengeHotels. Новая волна атак на отели с целью кражи данных банковских карт; в кампании выявлены образцы, созданные с применением ИИ.
Зловреды под видом DeepSeek и Grok. Кампании с поддельными страницами, через которые распространялись стилер, вредоносный PowerShell‑скриптСкрипт для среды PowerShell, применяемый злоумышленниками для скрытого выполнения команд, загрузки вредоносного кода или управления зараженной системой. и бэкдор; ссылки на один из зловредных ресурсов размещались в том числе в соцсети X (бывший Twitter).
BrowserVenom. Фишинговый ресурс, имитирующий сайт DeepSeek, предлагал скачать модель для Windows, а на деле распространял троянец, перехватывающий трафик.
Jarka. Вредоносные пакеты, распространявшиеся через репозиторий Python Package Index (PyPI) под видом инструментов для чат‑ботов на основе нейросетей, заражали устройства стилером.
Gipy. Загрузчик распространялся под видом приложения на основе нейросетей для изменения голоса.
выяснили, как и для чего люди используют непрямые инъекции затравкиСпособ манипулирования ИИ, при котором инструкции для модели скрыто встраиваются в данные, с которыми она работает, а не передаются ей напрямую., — например, чтобы обратить внимание больших языковых моделей на свои резюме и т. д.
проанализировали предложения на теневых площадках и типовые сценарии злоупотреблений.
Как мы управляем безопасностью ИИ
Мы рассматриваем безопасность ИИ как комплексную задачу, которая выходит далеко за рамки самих технологий. Речь идет не только о защите алгоритмов и моделей, но и о том, как ИИ используется внутри Компании, какие данные с ним работают, какие риски это создает и как построено управление этими рисками.
Вопросы безопасности ИИ затрагивают сразу несколько направлений:
юридические и правовые аспекты — например, какие данные допустимо использовать и передавать в облачные ИИ‑сервисы;
IT‑ и ИБ‑процессы, в том числе управление доступами, контроль конфигураций и предотвращение использования так называемого «теневого ИИ», когда сотрудники применяют внешние ИИ‑инструменты без согласования;
процессы разработки и обучения моделей, где важно понимать источники данных, возможные искажения, уязвимости моделей и сценарии их некорректного использования.
Для эффективного управления этими рисками требуется участие специалистов из разных областей — информационной безопасности, IT, юридических команд, а также экспертов по данным (data science) и машинному обучению. В идеальной модели необходимы отдельные специалисты по безопасности ИИ, координирующие работу этих команд.
Мы также учитываем, что область безопасности ИИ развивается очень быстро. Постоянно появляются новые подходы, уязвимости, методы атак и инструменты защиты. Поэтому мы рассматриваем управление рисками ИИ как непрерывный процесс, который требует регулярного обновления знаний, практик и обучающих материалов.
Развиваем сотрудничество и делимся экспертизой
Экспертиза «Лаборатории Касперского» в области ИИ формируется системно — от фундаментальных исследований и инфраструктуры обучения моделей до практического применения в продуктах и сервисах. Мы исходим из того, что устойчивый прогресс в развитии ИИ возможен только при активном обмене знаниями. Поэтому Компания участвует в международных инициативах и отраслевых альянсах, сотрудничает с профессиональным и академическим сообществом и присутствует в профильных рейтингах.
В 2024 году «Лаборатория Касперского» стала участником Глобального альянса по искусственному интеллекту для промышленности и производства (AIM Global), созданного в 2023 году. Альянс объединяет правительства, международные организации, коммерческие компании и отраслевых лидеров. Участие в AIM Global позволяет обмениваться экспертизой, участвовать в формировании единых подходов к применению ИИ и поддерживать развитие технологий с учетом этических, социальных и технологических аспектов.
В 2025 году Компания присоединилась к числу организаций, поддерживающих концепцию Глобального цифрового договора ООН. В документе перечислены задачи и принципы, которые будут способствовать достижению инклюзивного, открытого и устойчивого цифрового будущего.
Так, мы публикуем исследования безопасности собственных ИИ‑алгоритмов — в том числе пишем о смоделированных атаках на алгоритмы детектирования спама и вредоносного ПО. Исследуем использование нейронных сетей для анализа временных рядов.
Кроме того, мы выпускаем обучающие материалы и курсы, в том числе для специалистов по информационной безопасности и разработчиков, чтобы помочь им безопасно внедрять ИИ‑решения и учитывать возможные риски.
В 2025 году «Лаборатория Касперского» выпустила курс по обучению разработчиков и специалистов по информационной безопасности основам безопасности систем на базе больших языковых моделей. Также мы постоянно обновляем портфолио тренингов для экспертов, чтобы учебные материалы соответствовали потребностям бизнеса, государственных и научных учреждений.
Экспертиза «Лаборатории Касперского» в области ИИ и ML подтверждается и внешним признанием. В 2025 году Компания стала победителем премии «ИТ‑Лидер» в номинации «Искусственный интеллект». Награды была удостоена SIEM‑система Kaspersky Unified Monitoring and Analysis Platform (KUMA) со встроенным ИИ‑ассистентом Kaspersky Investigation and Response Assistant (KIRA).
ИИ‑ассистент KIRA был внедрен в платформу в конце 2024 года. В его основе лежит нейросетевая модель «ГигаЧат», разработанная Сбером. Ассистент помогает анализировать события информационной безопасности, снижая нагрузку на специалистов, сокращая объем рутинных операций и уменьшая вероятность ошибок при интерпретации инцидентов.
Также в 2025 году «Лаборатория Касперского» заняла пятое место в российском рейтинге SmartRanking в области ИИ, продемонстрировав заметный рост выручки от продаж решений с использованием ИИ и машинного обучения. А в 2024 году компания была признана одним из ключевых работодателей в сфере ИИ в России по результатам исследования TAdviser.
Следуем принципам ответственного и этичного использования ИИ
Мы убеждены, что искусственный интеллект должен использоваться ответственно и прозрачно, особенно в такой чувствительной сфере, как кибербезопасность. Поэтому Компания регулярно участвует в разработке законодательных актов, создании политик и других документов, охватывающих разные аспекты безопасности в работе с новыми технологиями, в том числе ИИ.
В рамках Форума ООН по управлению интернетом в 2024 году «Лаборатория Касперского» представила руководство по безопасной разработке и внедрению систем на основе ИИ.
Ранее, в 2023 году, мы сформулировали и публично представили на Internet Governance Forum первые принципы этичного использования ИИ в кибербезопасности, которых придерживаемся в своей работе.
Прозрачность. Объясняем, как работает ИИ — клиенты имеют право понимать, где и зачем используются технологии машинного обучения.
Безопасность. Делаем безопасность приоритетом — все ИИ‑системы проходят проверки, тестирование и специальный аудит. Принимаются меры по минимизации зависимости от сторонних наборов данных в процессе обучения ИИ‑решений.
Человеческий контроль. Специалисты всегда могут вмешаться, проверить и скорректировать работу алгоритмов при анализе сложных угроз.
Конфиденциальность. Принимаем меры для защиты данных и систем, чтобы обеспечить цифровую приватность клиентов.
Приверженность целям кибербезопасности. Сосредоточившись исключительно на защитных технологиях, мы следуем своей миссии строить более безопасный мир и демонстрируем приверженность защите пользователей и их данных.
Открытость к диалогу. Обмениваемся передовым опытом в области этичного использования алгоритмов машинного обучения со всеми заинтересованными сторонами.
Планы на 2026–2027 годы
Компания планирует и дальше развивать портфель решений на базе машинного обучения, дополняя его технологиями, которые охватывают полный цикл работы с решениями по кибербезопасности. Наш подход основан на принципе разумной достаточности: мы используем максимально надежные и быстрые методы ИИ, но при этом — эффективные и понятные.
В числе приоритетных планов:
развитие классических статистических и ML‑моделей для детектирования разных видов вредоносного ПО, контентных атак и аномалий — в том числе для поиска атак, связанных с боковым перемещением и несанкционированным использованием учетных записей;
применение генеративного ИИ для новых классов задач, недоступных традиционным ML‑алгоритмам, в первую очередь через расширение навыков ассистента KIRA и применение его в разных продуктах — от Kaspersky SIEM до Kaspersky Container Security;
развитие агентной парадигмы: создание навыков KIRA, которые комбинируют существующие функции решений и помогают в многошаговых сценариях расследования и реагирования без заранее заданного сценария. Такая глубокая интеграция может потребовать создания интерфейсов MCP (Model Context Protocol), для организации доступа ИИ‑модели к встроенным инструментам наших решений;
выход на рынок решений по управлению уязвимостями (Vulnerability Management). Новый продукт, усиленный технологиями ИИ, поможет организациям своевременно выявлять и устранять уязвимости и ошибки конфигурации в IT‑инфраструктуре.
