Phishing 3.0 – jak bronić się przed nową generacją ataków?

Phishing 3.0 – co to takiego?

Phishing, który znaliśmy przez ostatnie 10 lat, właśnie przeszedł ewolucję. To, co kiedyś było prostą wiadomością z podejrzanym linkiem, dziś stało się spersonalizowaną, wielokanałową kampanią napędzaną przez sztuczną inteligencję. Atakujący nie piszą już ręcznie – używają agentów AI, które badają firmę, generują treści i prowadzą rozmowy. Jedyną skuteczną obroną? Własne agenty AI po stronie defensywy.

Ewolucja phishingu: od złej treści do złego zamiaru

Możemy wyróżnić trzy generacje phishingu:

Phishing 1.0 – zła treść
To klasyczne wiadomości z linkami do złośliwych stron, zainfekowanymi załącznikami i spamem. Bramki email (SEG) radziły sobie z tym dobrze – skanowały treść, wykrywały sygnatury i blokowały zagrożenia.

Phishing 2.0 – zły zamiar
Tu nie ma już złośliwych załączników. Atakujący udają zaufane osoby – prezesa, księgową, dostawcę – i proszą o przelew, dane lub dostęp. Bramki email są ślepe, bo treść wygląda normalnie. Jedyną obroną jest analiza behawioralna i AI uczące się, jak komunikują się pracownicy.

Phishing 3.0 – AI po obu stronach
GenAI pisze treść, deepfake przenosi atak na głos i wideo, a kampania rozgrywa się przez email, komunikatory i wideokonferencje. Atakujący to nie człowiek – to agent AI, który samodzielnie zbiera informacje, tworzy pretekst i adaptuje się w czasie rzeczywistym.

Dlaczego to zmienia wszystko?

Kiedyś atakujący musiał poświęcić godziny na research: przeglądać stronę firmy, analizować posty na LinkedIn, mapować strukturę organizacyjną. Dziś agent AI robi to w sekundy – i powtarza proces dla 10 000 organizacji naraz.

Skutki?

• Jakość ataków rośnie – nie ma już literówek i podejrzanych zwrotów.
• Ataki są interaktywne – agent prowadzi rozmowę, odpowiada na pytania, buduje zaufanie.
• Zasięg się poszerza – nie musisz być dużym celem, żeby dostać spersonalizowany atak.

Najgorsze? Atak wychodzi poza email. Przykład? Firma Arup straciła 25 mln USD po tym, jak pracownik zatwierdził przelewy podczas wideokonferencji z deepfake’ami – na ekranie było kilku „znajomych” współpracowników, ale każdy z nich był syntetyczny.

Dane mówią same za siebie

Badanie Osterman Research (styczeń 2026) na grupie 128 liderów ds. bezpieczeństwa w USA pokazuje:

• 88% firm doświadczyło przynajmniej jednego incydentu, który zachwiał zaufaniem do cyfrowej komunikacji.
• 82% widzi wzrost zainteresowania atakami na ich branżę.
• 60% nie ma pewności, że poradzi sobie z atakami deepfake, mimo szkoleń.
• 55% uważa, że nieudana reakcja na atak oparty na zaufaniu zwiększa ryzyko pełnego włamania.
• Ponad 1/3 firm widziała atakujących podszywających się pod zaufanych dostawców.

Narzędzia, które większość firm używa, zakładają zagrożenie, które można znaleźć w treści wiadomości. Tymczasem nowoczesny atak impersonuje zaufanie tam, gdzie nie ma nic do zeskanowania – w głosie, wideo, na żywo.

Dlaczego stary model obrony nie działa?

Tradycyjny model to: blokuj → wykrywaj → reaguj.
To działało, gdy atakujący wysyłał kilkaset wiadomości. Nie działa, gdy agent AI generuje tysiące spersonalizowanych, wielokanałowych ataków szybciej, niż człowiek jest w stanie je przeczytać.

Skala problemu:
Średnie SOC w przedsiębiorstwach otrzymują 4 330 alertów dziennie i badają tylko 37% z nich. Nie wygrasz wyścigu z agentem AI, zatrudniając więcej ludzi. Możesz go tylko zautomatyzować.

Rozwiązanie: prewencja + automatyzacja + własny agent AI

Nowy model obrony musi dodać trzecią postawę przed blokowaniem i wykrywaniem: prewencja.
Chodzi o to, żeby przewidzieć atak, zanim pierwszy email wyląduje w skrzynce, utwardzić wykrywanie i zostawić ludziom tylko decyzje wymagające osądu.

Co to oznacza w praktyce?

1. Mierz to, co dociera do skrzynki, a nie to, co blokuje bramka.
   Pytaj dostawców o wskaźnik „post-delivery miss rate” – ile phishingu przechodzi mimo filtrów.
2. Rozszerz model zagrożeń poza email.
   Ataki deepfake rozgrywają się na wideokonferencjach. Jeśli weryfikujesz tożsamość tylko w emailu, najdroższe ataki ominą Cię bokiem.
3. Oceniaj automatyzację pod kątem autonomii, a nie dashboardów.
   Narzędzie, które generuje więcej alertów do ręcznej analizy, dokłada pracy. Narzędzie, które samodzielnie bada i rozstrzyga incydenty, odejmuje pracy.
4. Szkolenia pracowników muszą być świadome researchu.
   Generyczne symulacje uczą wykrywania generycznego phishingu. Ataki są spersonalizowane – szkolenia też powinny.

Co z RODO i NIS2?

W kontekście polskiego i europejskiego prawa:

• RODO wymaga ochrony danych osobowych przed nieuprawnionym dostępem – a phishing 3.0 to jeden z głównych wektorów wycieku.
• NIS2 nakłada na firmy obowiązek wdrożenia odpowiednich środków technicznych i organizacyjnych – w tym wykrywania i reagowania na incydenty w czasie rzeczywistym.
• Obowiązek zgłaszania incydentów do odpowiednich organów (np. NASK w Polsce) w ciągu 24 godzin od wykrycia – a to wymaga automatyzacji, bo ręczne badanie tysięcy alertów jest nierealne.

Podsumowanie

Phishing 3.0 to nie przyszłość – to teraźniejszość. Atakujący już używają agentów AI, straty z deepfake’ów są już liczone, a dane pokazują, że zaufanie jest eksploatowane szybciej niż większość obron jest w stanie zareagować.

Firmy, które wyjdą z tego cało, to te, które przestaną próbować wygrywać wyścig z oprogramowaniem ludzkimi rękami i postawią własnego agenta AI na boisku.