Raport CrowdStrike 2026 Threat Hunting Report mierzy okno eksploatacji w godzinach — i twierdzi, że AI frontowe nie skróciło go jako pierwsze

CrowdStrike opublikował 3 sierpnia 2026 r. swój 2026 Threat Hunting Report, a liczbą, która zrobiła największe wrażenie, było 88%: w okresie od stycznia do czerwca 2026 r. — jak podaje firma — 88% zaobserwowanego przez nią wykorzystywania luk, które miały publiczne proof of concept, rozpoczęło się w ciągu 48 godzin od publikacji tego proof of concept. Report jest sygnowany przez CrowdStrike Intelligence i CrowdStrike OverWatch, obejmuje dwanaście miesięcy od lipca 2025 do czerwca 2026 r. i śledzi to, co firma określa jako ponad 290 nazwanych przeciwników. Dwa ustalenia mają wątek AI — kampania LLMJacking, która wygenerowała blisko 200 000 żądań API w ciągu dwóch minut, oraz tropy wykrywcze zgłaszane przez agentów AI, pojawiające się 2,5 razy częściej niż te pochodzące od ludzi. Z wpisem w archiwum nie wiąże się żadna nazwana ofiara, kwota strat ani zarzut; jest on sklasyfikowany jako report, severity info, z potwierdzonym udziałem AI. Ocena ważności, poziom pewności i lista źródeł tego rekordu znajdują się w archiwum incydentów AI, obok wpisów zarejestrowanych wokół niego.

Zegar zaczyna tykać od proof of concept, a nie od łatki

Zdanie we wpisie CrowdStrike na blogu jest starannie sformułowane i warto je zacytować, zamiast parafrazować: od stycznia do czerwca 2026 r. „88%” zaobserwowanych przez CrowdStrike przypadków wykorzystania podatności z publicznym PoC „nastąpiło w ciągu 48 godzin od publikacji PoC”. Przedział ten liczy się od momentu, gdy działający kod exploita staje się publiczny, do momentu, gdy ktoś go użyje — a nie od momentu wydania poprawki. Duncan Riley z SiliconANGLE, pisząc w dniu publikacji, ujął to tak: „Między styczniem a czerwcem ten odstęp wynosił poniżej 48 godzin w 88% przypadków”. Chi-gyu Hwang z DigitalToday opisał tę samą metodę: CrowdStrike „mierzył przedział od publikacji exploita proof-of-concept do jego użycia w rzeczywistych atakach w godzinach”.

W to zdanie wpisano dwa zastrzeżenia, które zwykle wypadają z niego w drodze do nagłówka. Pierwszym jest mianownik: 88% dotyczy wyłącznie luk, które miały już publiczny proof of concept, więc nie mówi nic o znacznie większym zbiorze błędów, dla których nigdy takiego nie powstaje. Drugim jest samo odliczanie. Własny jednolinijkowy abstrakt archiwum streszcza to ustalenie do „w ciągu 48 godzin od ujawnienia”, a publikacja PoC i ujawnienie łatki to różne zdarzenia w różne dni. Gdy te dwa się rozchodzą, raport mierzy bardziej łagodne z nich: lukę można ujawnić i załatać wiele miesięcy, zanim ktokolwiek opublikuje kod exploitu, a 48 godzin CrowdStrike'a zaczyna się od drugiego zdarzenia.

Najbardziej wyrazistym, szczegółowo omówionym przykładem w raporcie jest grupa powiązana z Białorusią, którą CrowdStrike nazywa UMBRAL BISON i która — jak twierdzi firma — w kwietniu 2026 r. wykorzystała CVE-2026-31431, lokalną lukę w systemie Linux umożliwiającą eskalację uprawnień. Według raportu luka została publicznie ujawniona 29 kwietnia 2026 r.; następnego dnia OverWatch wykrył szeroko zakrojone wdrażanie exploita; a około 94% zdarzeń w ciągu tych pierwszych 24 godzin stanowiły działania testowe oparte na publicznym kodzie PoC, a nie na opracowywaniu własnego exploita. CrowdStrike twierdzi, że wykryła działalność tego aktora „w ciągu nieco ponad 20 godzin po publicznym ujawnieniu”. To pojedynczy przypadek, pochodzący z własnej telemetrii dostawcy, i jest to ten rodzaj szczegółowości, którego zbiorczy odsetek nie może dostarczyć.

Obok tego raport odnotowuje, że wykorzystanie luk zero-day wzrosło o 42% rok do roku — liczba, którą SiliconANGLE przytacza z tego samego dokumentu. Te dwie liczby opisują różne populacje — luki wykorzystane bez publicznego PoC oraz luki wykorzystane po jego pojawieniu się — a raport nie sumuje ich.

React2Shell: 800 tropów, 80 ofiar, cztery dni

Najbardziej konkretnym studium przypadku w raporcie jest React2Shell, śledzony jako CVE-2025-55182 — luka umożliwiająca zdalne wykonanie kodu bez uwierzytelnienia w React Server Components i Next.js. SiliconANGLE odnotowuje, że ujawnienie i poprawki nastąpiły 3 grudnia 2025 r., a działający kod exploita pojawił się następnego dnia. CrowdStrike twierdzi, że grupy powiązane z Chin, które nazywa VAULT PANDA i GENESIS PANDA, przeprowadziły celowe ataki w ciągu 24 godzin od publicznego ujawnienia luki, a OverWatch odpowiedział na ponad 800 tropów w ramach polowania w ponad 80 organizacjach-ofiarach w ciągu pierwszych czterech dni. DigitalToday donosi o tych samych dwóch grupach i tej samej liczbie 24 godzin, liczonej w jego relacji od pojawienia się kodu exploita.

Zestawianie tego przypadku z 88% wymaga ostrożności, ponieważ oba dotyczą różnych fragmentów okresu sprawozdawczego. React2Shell ujawniono 3 grudnia 2025 r., w pierwszej połowie objętego raportem okresu od lipca 2025 r. do czerwca 2026 r.; zagregowana wartość 88% obejmuje wyłącznie okres od stycznia do czerwca 2026 r. To dwie obserwacje z jednego dokumentu, a nie dwa pomiary jednego trendu; czytelnik, który składa je w jedną przyspieszającą krzywą, odczytuje coś, czego raport nie mówi.

To, co przypadek React2Shell rzeczywiście ustala, to kształt problemu obrońcy. Odstęp między publicznym kodem exploita a atakami mierzono w godzinach, a konsekwencją nie była liczba przejętych hostów, lecz liczba tropów do polowania — 800, rozproszonych po ponad 80 organizacjach, w ciągu czterech dni. To wielkość nakładu pracy, a nakład pracy to właśnie coś, co dostawca zajmujący się threat huntingiem może realnie policzyć.

Ustalenia AI oraz te, do których nie przypisano numeru.

Kampania LLMJacking to najbardziej wymowny szczegół dotyczący AI w raporcie, a SiliconANGLE podaje na ten temat więcej informacji niż wpis na blogu. W majowej kampanii wymierzonej w usługę modeli bazowych dostawcy chmury aktor podniósł uprawnienia przejętej tożsamości do uprawnień administratora, przesłał formularz przypadku użycia wymagany do odblokowania dostępu do modelu, a następnie wysłał prawie 200 000 żądań API „w ramach wstępnego dwuminutowego zalewu, zanim zadziałało ograniczanie tempa”. Podsumowanie samego CrowdStrike mówi, że kampania wygenerowała prawie 200 000 żądań API w ciągu dwóch minut, „powodując finansowe i operacyjne skutki na dużą skalę”.

Tu kończy się zapis. Raport nie podaje kwoty w dolarach obrazującej skalę skutków, nie podaje nazwy dostawcy chmury ani nazwy podmiotu. Sformułowanie „large-scale financial and operational impact” jest charakterystyką dostawcy, a nie zmierzoną stratą, i nic w trzech niezależnych opracowaniach przejrzanych na potrzeby tego tekstu nie dodaje do niego liczby. Archiwum nie odnotowuje zatem żadnej rzeczywistej szkody w tym wpisie — nie dlatego, że nic się nie stało, ale dlatego, że relacja określa mechanizm ilościowo, a koszt pozostawia jako prozę.

Druga liczba dotycząca AI to stosunek, a nie incydent. CrowdStrike twierdzi, że leady wykrywcze wyzwalane przez agentów AI „ujawniają obecnie 2,5 razy więcej leadów zagrożeń niż działalność prowadzona ręcznie”, co firma przypisuje OverWatch; eSecurity Planet przedstawia to jako leady wykrywcze generowane przez AI pojawiające się „2,5 razy częściej niż leady generowane przez ludzi”. Odczytane wprost, jest to stwierdzenie o wolumenie pracy napływającej do centrum operacji bezpieczeństwa, a nie o kompetencjach agentów, którzy ją generują, a raport nie podaje współczynnika precyzji ani odsetka fałszywych alarmów, który by temu towarzyszył.

Trzecim elementem jest udział w taksonomii: CrowdStrike twierdzi, że techniki dostępu do modeli AI stanowiły 16% technik MITRE ATLAS, które zaobserwował w ciągu roku, a grupa powiązana z DPRK, którą nazywa FAMOUS CHOLLIMA, uzbraja środowiska zorientowane na AI przeciwko firmom kryptowalutowym i blockchainowym — przykład techniki ATLAS dotyczącej kompromisu łańcucha dostaw AI, AML.T0010. Ustalenia dotyczące łańcucha dostaw są najbardziej konkretną częścią raportu: grupa, którą nazywa STARDUST CHOLLIMA, wykorzystała skradzione poświadczenia opiekunów w marcu 2026 r., aby skompromitować pakiet npm Axios, a w czerwcu 2026 r. wstrzyknęła złośliwy pakiet do co najmniej 131 pakietów frameworka Mastra AI; grupa, którą nazywa ALTERED SPIDER, skompromitowała ponad 300 zależności oprogramowania w ciągu jednego dnia; a 87% zagrożeń w rejestrach oprogramowania, które CrowdStrike zidentyfikował w pierwszej połowie 2026 r., dotyczyło pakietów npm.

Co raport mówi wbrew własnemu nagłówkowi

Tytuł raportu brzmi „Okno wykorzystania zamyka się, gdy przyspiesza użycie AI”, co brzmi jak twierdzenie przyczynowe. Tekst główny takiego twierdzenia nie formułuje. W poście na blogu CrowdStrike pisze, że „ten wzorzec istniał przed pojawieniem się modeli AI najnowszej generacji” oraz że wdrażanie takich systemów „prawdopodobnie” jeszcze bardziej skróci czas do wykorzystania podatności, przyspieszając wykrywanie podatności i opracowywanie exploitów. W ujęciu samego raportu AI jest czynnikiem przyspieszającym, który nakłada się na trend już mierzony w godzinach — oraz nowym celem, ponieważ systemy AI zawierają sekrety, dostęp do modeli i moc obliczeniową, których pragną przeciwnicy.

Adam Meyers, szef operacji przeciwko przeciwnikom (counter-adversary operations) w CrowdStrike, jest cytowany przez SiliconANGLE, który mówi, że „AI jest już osadzona we współczesnych działaniach przeciwnika" oraz że organizacje muszą „zabezpieczać AI tak agresywnie, jak ją wdrażają". Ani ten cytat, ani treść raportu nie twierdzą, że to AI spowodowała 48-godzinne okno; raport wyraźnie datuje ten schemat wcześniej niż modele frontier.

Słowo „likely” naprawdę odgrywa w tym zdaniu istotną rolę i stanowi uczciwą granicę dokumentu. Wszystko, co raport mówi o tym, że AI jeszcze bardziej zawęża to okno, jest prognozą — i to prognozą dostawcy. To, co raport może poprzeć danymi, jest węższe i pod pewnymi względami bardziej użyteczne: podmioty działają szybko przeciwko lukom, które mają publiczny kod exploitu, infrastruktura AI jest obecnie zarówno powierzchnią ataku, jak i zasobem, który można ukraść, a obciążenie pracą związaną z wykrywaniem rośnie szybciej niż ludzka zdolność do jego przyswojenia.

Co przekazywały niezależne relacje, a czego żadna z nich nie zmierzyła

Trzy redakcje spoza CrowdStrike opisały raport w dniu publikacji lub około tego dnia, a różnice między nimi są pouczające co do tego, które ustalenia przetrwały zetknięcie z drugą redakcją.

W materiale SiliconANGLE znalazły się: liczba 88% wraz z metodą jej wyliczenia, chronologia React2Shell obejmująca liczby 800 tropów i 80 ofiar, 42-procentowy wzrost liczby ataków zero-day, 16-procentowy udział ATLAS, kampania LLMJacking w najpełniejszej postaci, 2,5-krotny wskaźnik wyprzedzenia wykrywania oraz cytat Meyersa. Nie znalazł się w nim przypadek UMBRAL BISON.

eSecurity Planet w artykule Kena Underhilla z 4 sierpnia 2026 r. podał liczbę 88%, wskaźnik 2,5x, twierdzenie, że cyberzagrożenia wykorzystujące AI wzrosły w 2025 r. o 89%, udział npm wynoszący 87%, ponad 300 zależności ALTERED SPIDER, wzrost ataków w chmurze motywowanych finansowo o 171%, podwojenie vishingu i 15-krotny wzrost phishingu z użyciem kodów urządzenia oraz ogólny wzrost liczby wtargnięć o 4% rok do roku wobec 27% w poprzednim roku. Nie wspomniał o VAULT PANDA, GENESIS PANDA, React2Shell, OverWatch ani LLMJacking.

DigitalToday podało liczbę 88% wraz z zegarem opartym na PoC, okresem raportowania od lipca 2025 do czerwca 2026, liczbą ponad 290 przeciwników oraz timingiem React2Shell w przypadku obu grup powiązanych z Chinami.

Najważniejsze jest to, co wszystkie trzy łączy: każda liczba powyżej pochodzi z telemetrii CrowdStrike. Żadna z trzech redakcji nie zmierzyła niezależnie 48-godzinnego okna, nie policzyła tropów z huntingu ani nie zaudytowała wskaźnika wyprzedzenia wykrycia; przekazały to, co powiedział dostawca — dokładnie — i wskazały źródło. Niezależne potwierdzenie tego zapisu istnieje zatem na poziomie relacjonowania — trzy newsroomy zgadzają się co do tego, co mówi dokument — a nie na poziomie pomiaru, co dokładnie opisuje ocena pewności A w archiwum, a czego nie opisuje.

Czego rekord nie zawiera

Luki są konkretne. Żadna organizacja poszkodowana nie jest wymieniona z nazwy w żadnej części ustaleń raportu streszczonych przez CrowdStrike ani przez trzy serwisy: ponad 80 organizacji stojących za tropami React2Shell to liczba, a nie lista. Kampania LLMJacking ma mechanizm i wolumen żądań, ale nie ma wielkości strat. Liczba 88% nie ma opublikowanego mianownika — ile podatności, ile zdarzeń wykorzystania — ani we wpisie na blogu, ani w żadnej z relacji wtórnych przejrzanych na potrzeby tego tekstu. Nigdzie w dokumencie nie ma też udziału przyspieszenia, który można przypisać AI, ponieważ stanowisko CrowdStrike jest takie, że przyspieszenie to poprzedza czołową AI.

Nic z tego nie sprawia, że ten zapis jest błędny. Sprawia natomiast, że jest to raport dostawcy z zakresu wywiadu zagrożeń z nazwaną metodologią i nienazwanymi podmiotami — a właśnie tak wygląda ten gatunek. Powód, by czytać go uważnie, zamiast pobieżnie przeglądać owe 88%, jest taki, że raport jest staranniejszy niż jego własny nagłówek: oddziela pomiar od prognozy, określa, że trend przyspieszenia zaczął się wcześniej niż technologia, którą wszyscy chcą obwiniać, a koszt kampanii specyficznych dla AI pozostawia jako frazę, a nie liczbę.

To, co zmieniłoby obraz sytuacji, to zewnętrzny pomiar tego samego przedziału czasu — krajowy CERT publikujący własny rozkład czasu od PoC do wykorzystania albo regulator wymagający danych o czasie trwania incydentów. Nic takiego nie pojawia się w źródłach przeanalizowanych tutaj. Dopóki tak się nie stanie, 48-godzinne okno to spojrzenie jednej firmy na jej własną telemetrię, opublikowane 3 sierpnia 2026 r. i potwierdzone przez trzy redakcje, które odczytały je w ten sam sposób.