На конференции Protect 2026 компания Proofpoint показала, как генеративный ИИ меняет привычный облик вредоносных сообщений. Письма теперь можно быстро персонализировать, писать на грамотном языке и делать непохожими друг на друга. Прежние признаки фишинга — странные формулировки, повторяющиеся шаблоны, неуместные просьбы — всё чаще исчезают.
Масштаб угрозы заметен и в статистике ФБР. По данным Internet Crime Complaint Center (IC3), в 2025 году поступило более 22 000 жалоб, связанных с ИИ; заявленный ущерб приблизился к 900 млн долларов. За тот же год IC3 зарегистрировал 24 768 жалоб на компрометацию деловой почты (BEC) с потерями около 3,05 млрд долларов.
Раньше подготовка убедительного письма требовала времени: злоумышленникам приходилось изучать жертву, подражать поставщикам, писать на другом языке и вручную менять шаблоны. Повторяемость помогала защитникам находить кампании. Генеративный ИИ снимает эти ограничения: он подстраивает текст под язык, должность адресата, переписку и момент отправки, имитирует подписи и стиль конкретных людей, а также создаёт множество вариантов за секунды.
Одна из кампаний, разобранных Proofpoint, была направлена на более чем 30 агентов по недвижимости в одной компании. Каждому писали с отдельного аккаунта о разных объектах и разными словами. Вопросы выглядели буднично: можно ли осмотреть дом на этой неделе, действует ли предложение, какова ориентировочная цена. Но все диалоги в итоге сводились к одному: пригласить агента на видеовстречу.
В одной переписке запрос об осмотре, отправленный в 2:58 ночи, превратился в приглашение на встречу через 13 минут. В письме стоял фирменный шаблон и требование уделить встрече «немедленное внимание». Ссылка проходила через настоящий редирект , который выглядел безопасным для проверок репутации, однако параметр URL перенаправлял пользователя на посторонний сайт. Отправитель писал впервые, поэтому фильтрам было не с чем сравнить его прежнее поведение; тексты тоже не повторялись. Общим оставалось намерение — заставить адресата перейти к видеовстрече.
Такая схема подходит любому бизнесу, где сотрудники общаются с незнакомыми людьми: клиникам, принимающим новых пациентов, компаниям, заключающим договоры с клиентами, банкам, открывающим счета, и страховщикам, рассчитывающим стоимость полиса. В варианте против страховых агентов злоумышленники начинали с вопросов о расценках, рекомендаций соседей и условиях покрытия, а затем присылали поддельное приглашение на конференцию с вредоносной нагрузкой.
Proofpoint также описала кампании, цель которых — не кража данных, а срыв работы. Сотни или тысячи отправителей могут писать одним руководителям, подбирая содержание под отрасль и конкретную компанию. В письмах встречаются оскорбления и изображения, созданные или изменённые ИИ, чтобы высмеять адресата. Отдельное сообщение может выглядеть как выпад одного недовольного человека: в нём нет ни вредоносной ссылки, ни запроса пароля. Поэтому анализировать нужно общую картину, включая текст и изображения, а не только каждое письмо по отдельности.
Меняться может и оболочка фишинговой инфраструктуры. В наборе для фишинга как услуги Proofpoint обнаружила один сценарий входа под четырьмя предлогами: портал суда, запрос на подпись документа, проверка личности и библиотека финансовых отчётов. На каждой странице показывался код подтверждения, после чего пользователя отправляли на настоящую страницу входа. Но код создавал злоумышленник: вводя его, жертва фактически разрешала вход в чужую сессию. Этот способ называется фишингом с кодом устройства. Маскировку легко сменить; цель остаётся прежней.
В примере BEC злоумышленники включили в одно письмо поддельную цепочку переписки между аудитором и руководителем компании. Они якобы согласовали счёт, скидку постоянному клиенту в 50% и дату платежа. Приложенный счёт расписывал этапы аудита, часы и ставки, а в конце содержалась просьба оплатить его в тот же день на адрес для перевода, отличный от адреса отправителя. Имена и домены на иллюстрации Proofpoint были обезличены. Раньше правдоподобная переписка от обеих сторон и готовый счёт отнимали часы; языковая модель составляет такой материал за секунды.
В сентябре Proofpoint объявила модель Nexus Intent-Based Detection Model в составе системы Agentic Collaboration Security. Она оценивает цель сообщения, её правдоподобие с учётом отношений и переписки, а также способ, которым отправитель пытается добиться своего. Например, просьба сменить банковские реквизиты приходит с настоящего адреса поставщика, в реальной цепочке писем, без подозрительной репутации и с безупречным текстом. Но смены реквизитов не было годами; просьба не относится к обсуждению счёта; срок привязан к конкретному платёжному циклу; отправитель предлагает продолжить разговор лично, вне цепочки, и заранее отговаривает от проверки, объясняя это «переходом финансового почтового ящика на новую систему».
Анализ намерения дополняет, а не заменяет другие уровни защиты. Традиционные правила, сигнатуры, репутация инфраструктуры и индикаторы компрометации быстро отсекают известные угрозы. Анализ поведения и данные о группировках помогают распознавать знакомых злоумышленников и отклонения от привычных шаблонов. Третий уровень проверяет, чего добивается сообщение, когда оно проходит предыдущие фильтры. Так можно связать разрозненные письма в кампанию — например, когда разные сотрудники одной компании получают разные запросы, а в каждом почтовом ящике виден лишь один эпизод.
Глубокую языковую проверку нельзя запускать на каждом письме: поток замедлится. Поэтому Proofpoint описывает три ступени анализа. Первый уровень — быстрые модели, которые проверяют всю почту менее чем за 500 миллисекунд, используя машинное обучение, данные об угрозах, компьютерное зрение и языковые модели. Второй уровень обрабатывает менее 1% сообщений за секунды или минуты; к нему добавлены песочница, анализ темы и тона, а также граф организации. Третий уровень получает менее 0,01% сообщений и может тратить на них минуты: он включает многоэтапный анализ языковыми моделями, обработку голоса и видео, а также профили привилегированных сотрудников. Неясные случаи переходят дальше, но вредоносный вердикт возможен на любой ступени.
Одновременно Proofpoint предлагает ускорить расследования. Автоматизированная кампания способна создать и изменить сотни писем, пока аналитик разбирает одно обращение. Поэтому вместо проверки заявок по очереди компания развивает Threat Investigation Agent, который связывает события в почте, системах идентификации, мессенджерах, браузерах и взаимодействиях с поставщиками. Его задача — оценить масштаб инцидента и передать результаты обратно в системы обнаружения. Среди сценариев: захват учётных записей, разбор жалоб на почту, сложные кампании, проверка ложных срабатываний и запросы о расследовании со стороны третьих лиц.
В одном случае приманка с запросом предложений привела к краже учётной записи сотрудника финансового отдела. Злоумышленник сначала вошёл из Нью-Йорка, затем из Далласа, создал правило для сокрытия ответов и отправил около 100 фишинговых писем 42 коллегам. Через четыре минуты после сигнала агент отозвал 92 исходящих письма, удалил правило, заблокировал URL и восстановил настройки пользователя. Четыре действия с более серьёзными последствиями, включая сброс пароля и 14 дней проверки исходящей почты, оставили на согласование человеку.
В отчёте об инциденте были отмечены и ограничения: агент не смог установить, кто нажал на ссылку в PDF, который не был переписан, а часть попыток поместить письма в карантин не завершилась. Такая фиксация неопределённости важна для расследования: автоматизация ускоряет реакцию, но не превращает каждое решение в безошибочное. Подробности об ИИ-системах Proofpoint компания предлагает искать в Proofpoint Nexus, где также доступна демонстрация.
Масштаб угрозы заметен и в статистике ФБР. По данным Internet Crime Complaint Center (IC3), в 2025 году поступило более 22 000 жалоб, связанных с ИИ; заявленный ущерб приблизился к 900 млн долларов. За тот же год IC3 зарегистрировал 24 768 жалоб на компрометацию деловой почты (BEC) с потерями около 3,05 млрд долларов.
Раньше подготовка убедительного письма требовала времени: злоумышленникам приходилось изучать жертву, подражать поставщикам, писать на другом языке и вручную менять шаблоны. Повторяемость помогала защитникам находить кампании. Генеративный ИИ снимает эти ограничения: он подстраивает текст под язык, должность адресата, переписку и момент отправки, имитирует подписи и стиль конкретных людей, а также создаёт множество вариантов за секунды.
Одна из кампаний, разобранных Proofpoint, была направлена на более чем 30 агентов по недвижимости в одной компании. Каждому писали с отдельного аккаунта о разных объектах и разными словами. Вопросы выглядели буднично: можно ли осмотреть дом на этой неделе, действует ли предложение, какова ориентировочная цена. Но все диалоги в итоге сводились к одному: пригласить агента на видеовстречу.
В одной переписке запрос об осмотре, отправленный в 2:58 ночи, превратился в приглашение на встречу через 13 минут. В письме стоял фирменный шаблон и требование уделить встрече «немедленное внимание». Ссылка проходила через настоящий редирект , который выглядел безопасным для проверок репутации, однако параметр URL перенаправлял пользователя на посторонний сайт. Отправитель писал впервые, поэтому фильтрам было не с чем сравнить его прежнее поведение; тексты тоже не повторялись. Общим оставалось намерение — заставить адресата перейти к видеовстрече.
Такая схема подходит любому бизнесу, где сотрудники общаются с незнакомыми людьми: клиникам, принимающим новых пациентов, компаниям, заключающим договоры с клиентами, банкам, открывающим счета, и страховщикам, рассчитывающим стоимость полиса. В варианте против страховых агентов злоумышленники начинали с вопросов о расценках, рекомендаций соседей и условиях покрытия, а затем присылали поддельное приглашение на конференцию с вредоносной нагрузкой.
Proofpoint также описала кампании, цель которых — не кража данных, а срыв работы. Сотни или тысячи отправителей могут писать одним руководителям, подбирая содержание под отрасль и конкретную компанию. В письмах встречаются оскорбления и изображения, созданные или изменённые ИИ, чтобы высмеять адресата. Отдельное сообщение может выглядеть как выпад одного недовольного человека: в нём нет ни вредоносной ссылки, ни запроса пароля. Поэтому анализировать нужно общую картину, включая текст и изображения, а не только каждое письмо по отдельности.
Меняться может и оболочка фишинговой инфраструктуры. В наборе для фишинга как услуги Proofpoint обнаружила один сценарий входа под четырьмя предлогами: портал суда, запрос на подпись документа, проверка личности и библиотека финансовых отчётов. На каждой странице показывался код подтверждения, после чего пользователя отправляли на настоящую страницу входа. Но код создавал злоумышленник: вводя его, жертва фактически разрешала вход в чужую сессию. Этот способ называется фишингом с кодом устройства. Маскировку легко сменить; цель остаётся прежней.
В примере BEC злоумышленники включили в одно письмо поддельную цепочку переписки между аудитором и руководителем компании. Они якобы согласовали счёт, скидку постоянному клиенту в 50% и дату платежа. Приложенный счёт расписывал этапы аудита, часы и ставки, а в конце содержалась просьба оплатить его в тот же день на адрес для перевода, отличный от адреса отправителя. Имена и домены на иллюстрации Proofpoint были обезличены. Раньше правдоподобная переписка от обеих сторон и готовый счёт отнимали часы; языковая модель составляет такой материал за секунды.
В сентябре Proofpoint объявила модель Nexus Intent-Based Detection Model в составе системы Agentic Collaboration Security. Она оценивает цель сообщения, её правдоподобие с учётом отношений и переписки, а также способ, которым отправитель пытается добиться своего. Например, просьба сменить банковские реквизиты приходит с настоящего адреса поставщика, в реальной цепочке писем, без подозрительной репутации и с безупречным текстом. Но смены реквизитов не было годами; просьба не относится к обсуждению счёта; срок привязан к конкретному платёжному циклу; отправитель предлагает продолжить разговор лично, вне цепочки, и заранее отговаривает от проверки, объясняя это «переходом финансового почтового ящика на новую систему».
Анализ намерения дополняет, а не заменяет другие уровни защиты. Традиционные правила, сигнатуры, репутация инфраструктуры и индикаторы компрометации быстро отсекают известные угрозы. Анализ поведения и данные о группировках помогают распознавать знакомых злоумышленников и отклонения от привычных шаблонов. Третий уровень проверяет, чего добивается сообщение, когда оно проходит предыдущие фильтры. Так можно связать разрозненные письма в кампанию — например, когда разные сотрудники одной компании получают разные запросы, а в каждом почтовом ящике виден лишь один эпизод.
Глубокую языковую проверку нельзя запускать на каждом письме: поток замедлится. Поэтому Proofpoint описывает три ступени анализа. Первый уровень — быстрые модели, которые проверяют всю почту менее чем за 500 миллисекунд, используя машинное обучение, данные об угрозах, компьютерное зрение и языковые модели. Второй уровень обрабатывает менее 1% сообщений за секунды или минуты; к нему добавлены песочница, анализ темы и тона, а также граф организации. Третий уровень получает менее 0,01% сообщений и может тратить на них минуты: он включает многоэтапный анализ языковыми моделями, обработку голоса и видео, а также профили привилегированных сотрудников. Неясные случаи переходят дальше, но вредоносный вердикт возможен на любой ступени.
Одновременно Proofpoint предлагает ускорить расследования. Автоматизированная кампания способна создать и изменить сотни писем, пока аналитик разбирает одно обращение. Поэтому вместо проверки заявок по очереди компания развивает Threat Investigation Agent, который связывает события в почте, системах идентификации, мессенджерах, браузерах и взаимодействиях с поставщиками. Его задача — оценить масштаб инцидента и передать результаты обратно в системы обнаружения. Среди сценариев: захват учётных записей, разбор жалоб на почту, сложные кампании, проверка ложных срабатываний и запросы о расследовании со стороны третьих лиц.
В одном случае приманка с запросом предложений привела к краже учётной записи сотрудника финансового отдела. Злоумышленник сначала вошёл из Нью-Йорка, затем из Далласа, создал правило для сокрытия ответов и отправил около 100 фишинговых писем 42 коллегам. Через четыре минуты после сигнала агент отозвал 92 исходящих письма, удалил правило, заблокировал URL и восстановил настройки пользователя. Четыре действия с более серьёзными последствиями, включая сброс пароля и 14 дней проверки исходящей почты, оставили на согласование человеку.
В отчёте об инциденте были отмечены и ограничения: агент не смог установить, кто нажал на ссылку в PDF, который не был переписан, а часть попыток поместить письма в карантин не завершилась. Такая фиксация неопределённости важна для расследования: автоматизация ускоряет реакцию, но не превращает каждое решение в безошибочное. Подробности об ИИ-системах Proofpoint компания предлагает искать в Proofpoint Nexus, где также доступна демонстрация.
