Nio gånger fler säkerhetsbrister sedan mars – AI har gett angriparna ett övertag
Säkerhetsbristerna niodubblades på månader – AI ger angriparna övertaget.
När offensiven löper snabbare än försvaret
Det råder ingen tvekan om att AI förändrar spelreglerna inom cybersäkerhet — frågan är bara i vems favör. Under det andra kvartalet 2026 fördubblades antalet kritiska säkerhetssårbarheter jämfört med samma period föregående år, enligt säkerhetsföretaget Rapid7 i rapporten The Compression Era. Microsofts säkerhetschef Weston bekräftar bilden och beskriver en niodubbling av de säkerhetsbrister som hanteras av Microsofts eget säkerhetscentrum sedan mars — och takten fördubblas var sjätte vecka.
— Det är en otrolig siffra. Det handlar om allvarliga säkerhetsbrister av den typ som det tidigare tog ett år att skräddarsy — nu spottas de ut i industriell takt, säger Weston enligt Computer Sweden.
Det är inte längre fråga om enstaka sofistikerade angripare med djupa fickor. AI har demokratiserat offensiv kapacitet på ett sätt som förändrar hela hotbildens ekonomi.
Kinesisk modell skapar rubriker — men nyanserna är viktiga
Mitt i den här utvecklingen lanserade det kinesiska företaget Z.ai (Zhipu) sin kodningsmodell GLM-5.3 — en öppenviktsmodell som, enligt företaget självt, presterar i nivå med Anthropics och OpenAIs ledande modeller på sårbarhetssökning. På prestandatestet CyberGym uppnår modellen 84,5 procent, att jämföra med Anthropic Mythos 5 på 83,8 procent och OpenAI GPT-5.6 Sol på 83,6 procent, rapporterar Wired.
Men som AI News påpekar är bilden mer nyanserad än rubrikerna antyder. CyberGym är det smalaste av tre säkerhetsmått i Zhipus eget underlag, och skillnaden mot konkurrenterna är knappt sju tiondelars procentenhet. På ExploitBench — som kräver att modellen resonerar kring hur en sårbarhet faktiskt utnyttjas — hamnar GLM-5.3 på 54,4 procent, medan Anthropics modell når 78,0 procent.
Det som ändå gör lanseringen anmärkningsvärd är inte enbart prestandasiffrorna utan tillgängligheten. Modellens vikter är fritt nedladdningsbara och kan köras på egen hårdvara — till en bråkdel av kostnaden för slutna konkurrenter. Tillsammans med tjänsten OpenVuln, som automatiskt söker igenom kodarkiv efter säkerhetssvagheter, är det ett kraftfullt paket i händerna på vem som helst — oavsett om avsikten är legitim säkerhetsrevision eller något annat.
Copilot avslöjade sig självt
Om det behövdes ett konkret exempel på hur AI-system kan vändas mot sina egna användare, levererade säkerhetsforskarna på Varonis det i veckan. I ett metodiskt förhör med Microsoft 365 Copilot Enterprise ställde de fråga efter fråga om hur systemets interna skyddsmekanismer fungerade. Copilot vägrade hela tiden — men varje avslag läckte tekniska detaljer om den interna arkitekturen.
Till slut lämnade Copilot ut en odokumenterad webbadressparameter, ?autorun=1, som helt kringgick kravet på att användaren aktivt ska godkänna kommandon. Kombinerat med en sedan tidigare känd parameter kunde forskarna konstruera en attack där en användare omedvetet läcker lösenord och känslig information — bara genom att klicka på en länk, enligt Ars Technica.
Det är ett elegant, om än obehagligt, exempel på vad som kallas prompt-baserad utforskning: att använda AI-systemets egna svar som karta över dess svagheter.
Från teori till verklighet
Att det inte handlar om abstrakta risker understryks av attacken mot den franska skattemyndigheten DGFiP, rapporterar Computer Sweden. Uppgifter om nära 700 000 franska medborgare — namn, adresser och deklarationsdata — dök upp till försäljning på ett känt forum för stulen data. Hackaren uppges dessutom ha tillgång till ett nationellt fastighetsregister. Det är den typ av angrepp mot offentlig förvaltning som Rapid7 varnar kommer att öka när AI sänker tröskeln för sofistikerade intrång.
Rapid7 lyfter dessutom fram en oroväckande deltrend: 25 av 40 aktivt utnyttjade sårbarheter under det senaste kvartalet krävde varken inloggningsuppgifter eller användarinteraktion. Sådana brister kallas i rapporten för "heliga graal-sårbarheter" — och andelen har ökat med nio procentenheter på ett år.
Försvaret måste också automatiseras
Det finns dock en ljusning i det här mönstret — och det är att samma verktyg fungerar åt båda håll. Microsofts eget AI-drivna analysverktyg MDASH har identifierat omkring 200 säkerhetsbrister i Linux-kärnan inom Azures interna miljö, brister som nu åtgärdas i samarbete med öppenkällkodsgemenskapen. OpenAIs ordförande Greg Brockman har argumenterat för att organisationer omedelbart bör använda AI för att söka igenom sina egna system — proaktivt, innan angriparna hinner dit.
Det är rätt instinkt. Men det kräver att försvaret håller jämna steg med offensiven — och just nu är det långtifrån självklart att så är fallet.
Vår analys
Det som händer just nu är i grunden en kapprustning, och den har accelererat dramatiskt. Det som tidigare krävde specialistkompetens och månader av arbete kan nu göras på timmar med rätt AI-verktyg — av vem som helst. Det är en fundamental förändring av hotbildens karaktär.
Jag ser tre trender som samverkar och förstärker varandra: fler kraftfulla modeller med öppen tillgång (som GLM-5.3), AI-system som kan utnyttjas via sin egna gränssnitt (som Copilot-incidenten visar), och en sårbarhetstakt som det traditionella patchningsarbetet inte är byggt för att hantera.
Men jag är genuint övertygad om att försvaret kan vinna — om det tar samma språng som offensiven. Organisationer som börjar använda AI-driven säkerhetsrevision nu skaffar sig ett försprång som är svårt att ta igen senare. Frågan är inte om AI ska användas i säkerhetsarbetet, utan hur snabbt vi lyckas skala upp det defensiva bruket. Varje vecka av väntan är en vecka angriparna har för sig själva.