Zkušenosti týmu Bitdefender MDR: co AI urychluje, kde rozhoduje analytik a proč kvalitní data, prevence a znalost prostředí zůstávají zásadní.
Zákazníci se mě ptají, kolik analytiků ještě tým MDR potřebuje. Otázka často předpokládá, že díky AI už jich může být méně. Přitom právě tyto organizace někdy dosud nevyřešily chybějící bezpečnostní data, nespravovaná zařízení nebo neúplné vícefaktorové ověřování. Očekávají, že AI vyřeší problémy, které vůbec nevidí.
Rozumím tomu, odkud očekávání pochází. Na trhu se často tvrdí, že AI nahradí analytiky bezpečnostního operačního centra, tedy SOC. Takové očekávání může vést k podfinancování věcí, které AI potřebuje: telemetrie, znalosti prostředí a odborného úsudku.
Nejvíce z AI těží organizace s vybudovanými základy. Pokud je přeskočí a nejprve pořídí nástroj AI, zůstávají stejné mezery ve viditelnosti, jen se rychleji zpracovává neúplný obraz. O tématu jsme s kolegy mluvili také na webináři The Lab, the SOC, the Red Team: Why Prevention Still Wins.
Co AI v bezpečnostním dohledu zvládá
AI skutečně mění práci týmů MDR. Propojuje telemetrii z mnoha zdrojů a předkládá prioritizovaná upozornění. Souhrny vyšetřování, jejichž sestavení z logů dříve trvalo desítky minut, mohou vznikat během sekund. Omezení množství nepodstatných upozornění má velký význam zejména pro týmy pokrývající stovky prostředí.
V dobře vymezených situacích může AI provést i předem schválené kroky bez čekání na analytika. Příkladem je izolace známého kompromitovaného zařízení na základě konkrétního chování, příprava resetu hesla napadeného účtu nebo blokování procesu odpovídajícího známému škodlivému vzorci. Automatizace dává smysl zejména tam, kde je nízká nejistota a omezený provozní dopad případné chyby.
Silnou stránkou AI je tedy obohacení dat, spojování souvislostí, určování priorit a předem definovaná reakce. U úloh s dobře známým výsledkem a jasnými hranicemi přináší skutečný provozní přínos.
Proč nestačí čekat na spuštění ransomwaru
Nasazení ransomwaru bývá až jednou z posledních fází incidentu. Útočník už mohl být v síti hodiny či dny: získal přístup, prohledal prostředí, našel přihlašovací údaje, přesunul se mezi systémy a připravil útok. V okamžiku spuštění šifrovacího programu se často rozhoduje jen o tom, zda byla reakce dostatečně rychlá.
V jednom případu jsme objevili Advanced IP Scanner spuštěný z dočasného uživatelského adresáře. Nástroj sám o sobě není škodlivý a správci jej běžně používají. Náš tým ale znal předchozí ransomware incidenty se stejnou kombinací: vstup přes VPN a následné interní skenování z neobvyklého umístění.
U útoků Akira jsme napříč několika středně velkými organizacemi v různých oborech viděli tento sled:
- Vstup přes VPN.
- Interní skenování sítě.
- Vzdálená práce s částmi registru souvisejícími s přihlašovacími údaji.
- Získávání přihlašovacích údajů z paměti a systémů.
- Přesun mezi zařízeními přes RDP.
- Nasazení ransomwaru.
Dopad se podařilo zastavit ve druhém kroku. Vstup v daném případě souvisel se zneužitím SonicWall VPN. Napadené zařízení jsme izolovali a zákazníkovi doporučili vypnout externí přístup přes VPN, zkontrolovat aktualizace a obnovit privilegované přihlašovací údaje. K nasazení ransomwaru nedošlo, protože analytik rozpoznal známý sled včas.
Takové zkušenosti vznikají opakovaným vyšetřováním napříč zákazníky, obory a architekturami. Podobné učení funguje také u technik ClickFix, kdy útočník přiměje oběť ručně spustit škodlivý příkaz. Způsob doručení se mění, ale řada behaviorálních vzorců se opakuje. Analytik proto u nového případu nezačíná od nuly.
Co nemusí zachytit signatury
Signatury a doporučení výrobců nemusí držet krok s rychlostí útočníků. Právě v tomto časovém okně je důležité sledování chování.
Dne 18. července 2025 tým Bitdefender MDR zachytil podezřelou aktivitu zakódovaného PowerShellu na lokálně provozovaném SharePoint serveru. Pokoušela se nasadit škodlivý kód do webového adresáře SharePointu. Microsoft přitom zranitelnosti CVE-2025-49706, která umožňovala obejít ověřování, a CVE-2025-49704, související s nebezpečnou deserializací a vzdáleným spuštěním kódu, zveřejnil již 8. července. Informace o aktivním zneužívání ale tehdy ještě nebyly široce rozšířené.
CISA upravila doporučení 20. července a Microsoft publikoval analýzu aktivního zneužívání 22. července. Širší kampaň později spojil se skupinami Linen Typhoon, Violet Typhoon a Storm-2603. V dalších zprávách se pro tuto aktivitu ustálilo označení ToolShell.
Detekce z 18. července tedy nepředcházela zveřejnění zranitelnosti. Přišla však dříve, než širší bezpečnostní komunita a související ochrana plně reagovaly na její aktivní zneužívání. Mezi zveřejněním CVE a plošným rozpoznáním probíhajícího útoku mohou uplynout dny až týdny. Behaviorální detekce někdy zachytí škodlivé jednání i bez předchozí znalosti konkrétní zranitelnosti.
Kdy rozhodování přebírá analytik
Hranici mezi automatizací a lidským rozhodnutím určují především nejistota a dopad na provoz. Jsou-li obě hodnoty nízké, může úkol zvládnout AI. Jakmile je některá vysoká, má rozhodovat analytik.
V jednom vyšetřování AI původně vyhodnotila aktivitu jako pravděpodobně legitimní správu. Procesy byly podepsané systémové programy Windows a nebylo vidět zjevné spuštění malwaru. Podle dostupných podkladů bylo takové předběžné hodnocení pochopitelné.
Analytik si ale všiml vzdáleného přístupu k citlivým částem registru souvisejícím s přihlašovacími údaji. Podobná operace může patřit k legitimní správě, ale také k přípravě krádeže přihlašovacích údajů před ransomwarem. Rozhodující bylo, zda odpovídá obvyklému chování právě tohoto zákazníka. Analytik znal prostředí, případ eskaloval a zařízení bylo izolováno.
AI pomohla s korelací, omezením šumu a prvotním hodnocením. Člověk posoudil význam události v konkrétním provozním kontextu. Smyslem další automatizace je zachovat odborný úsudek u rozhodnutí, která mohou výrazně ovlivnit provoz.
Které organizace z AI získávají nejvíce
Největší přínos mají organizace s kvalitním sběrem telemetrie, vícefaktorovým ověřováním, preventivní ochranou, viditelností koncových zařízení a schopností reagovat. AI pracuje se spolehlivým kontextem a analytikům uvolňuje čas pro zásadní rozhodnutí.
Kde AI naopak naráží
Problém nastává, když AI překrývá nevyřešené mezery: systémy neposílající data, chybějící agenty, nejednotné ověřování nebo neurčená oprávnění k zásahu. AI zpracovává dostupné informace. Pokud jsou neúplné, pouze rychleji vzniká hodnocení založené na neúplném obrazu.
Pomáhá AI více útočníkům, nebo obráncům?
Odpověď zatím není jednoznačná. V průzkumu Bitdefender Cybersecurity Assessment 2026 mezi 1 200 IT a bezpečnostními odborníky ze šesti zemí uvedlo 52,6 % respondentů názor, že AI pomáhá více útočníkům. Jisté je především zrychlování práce na obou stranách.
Výhodou MDR je souběžné vyšetřování v mnoha prostředích a postupné propojování zkušeností. Nový vzorec u jednoho zákazníka mění interpretaci časných signálů u dalšího. AI usnadňuje ukládání a vybavování těchto poznatků; jejich vznik závisí také na práci analytiků.
Představa plně automatizovaného SOC předpokládá kompletní telemetrii, silnou prevenci, správu identit a jasně vymezené oprávnění reagovat. V takovém prostředí AI práci skutečně urychluje. Řada organizací si ale nejprve musí tyto podmínky vytvořit.
Útok typu Akira je obtížnější dokončit, pokud prevence omezuje možnosti útočníka už v prvních fázích. Kvalitní data dávají analytikům i AI úplnější obraz. Vícefaktorové ověřování a řízení identit komplikují úvodní kroky útoku. Bezpečnostní dohled pak rozvíjí to, co vytvořily preventivní vrstvy.
Panelová diskuse The Lab, the SOC, the Red Team: Why Prevention Still Wins se těmito tématy zabývá z pohledu Bitdefender Labs, SOC a Red Teamu. Odkaz na záznam je v původním článku.
