Christian Hellemar · 25 augusti 2026 · 6 min läsning

AI påverkar cybersäkerheten på många områden. I den här insikten fokuserar vi på en specifik förändring: hur AI förändrar antagonistens förmåga att genomföra cyberangrepp och vad det innebär för vårt försvar.

AI har länge diskuterats i samband med bättre phishing, deepfakes och snabbare utveckling av skadlig kod. Nu sker ett mer fundamentalt skifte. AI kan användas för att automatisera allt fler steg i en attack, analysera resultat och anpassa nästa steg.

Det förändrar hastigheten, skalan och graden av autonomi i cyberangrepp. Det påverkar inte bara hur attacker genomförs. Det förändrar också vilka krav vi behöver ställa på vårt försvar.

När attackkedjan accelererar

Automation i cyberangrepp är inget nytt. Färdiga verktyg, skript och Ransomware-as-a-Service har länge gjort avancerade angrepp tillgängliga för mindre kvalificerade aktörer. Det nya med agentisk AI är att även analys, beslutsfattande och anpassning kan automatiseras, moment som tidigare i större utsträckning krävde mänsklig interaktion.

JADEPUFFER, som dokumenterades av Sysdig under sommaren 2026, är ett aktuellt exempel. En AI-agent genomförde stora delar av en utpressningsattack autonomt - den kartlade miljön, letade efter autentiseringsuppgifter, tog sig vidare mellan system och angrep slutligen en produktionsdatabas. När ett inloggningsförsök misslyckades analyserade agenten problemet, anpassade metoden och försökte igen med en fungerande lösning inom 31 sekunder. [1]

Det är inte nödvändigtvis attackteknikerna som är nya. Det nya är hur snabbt de kan kombineras, analyseras och anpassas. När fler delar av attackkedjan kan genomföras i maskinhastighet krymper också försvararens tid för att upptäcka och stoppa ett pågående angrepp.

AI hittar sårbarheter och bygger exploits

Project Glasswing visar en annan sida av samma utveckling.

Anthropic lanserade initiativet i april 2026 efter att deras ännu inte publikt tillgängliga modell Claude Mythos Preview visat mycket hög förmåga att hitta och exploatera sårbarheter. Modellen har autonomt identifierat tidigare okända sårbarheter och i många fall även utvecklat fungerande exploits - kod eller metoder som kan utnyttja sårbarheten i praktiken. [2]

Tillsammans med cirka 50 partners rapporterade Anthropic efter de första veckorna fler än 10 000 fynd med hög eller kritisk allvarlighetsgrad. Resultaten omfattar bland annat tidigare okända sårbarheter i operativsystem, webbläsare och open source-projekt. [3]

Project Glasswing är ett defensivt initiativ och tillgången till Claude Mythos Preview har begränsats. Samtidigt är vår insyn i vilka AI-förmågor kvalificerade antagonister faktiskt har begränsad. Vi vet därför inte i vilken utsträckning antagonister redan har motsvarande förmåga. Glasswing ger framför allt en tydlig bild av vad som nu är tekniskt möjligt. Sårbarhetsforskning har alltid bedrivits av både försvarare och antagonister. Skillnaden är att arbete som tidigare krävt betydande specialistkompetens och tid nu kan skalas och automatiseras på ett helt annat sätt.

AI förändrar balansen: sårbarheter kan nu hittas snabbare än de hinner åtgärdas. När AI kan hitta sårbarheter i en helt annan skala flyttas trycket vidare i kedjan – till verifiering, ansvarsfull rapportering, CVE-hantering och utveckling av säkerhetsuppdateringar. Det finns redan tecken på kapacitetsproblem. Inom Project Glasswing har vissa utvecklare av open source-projekt bett Anthropic att sakta ner rapporteringen eftersom de behöver mer tid för att analysera fynden och utveckla patchar. [3]

Om utvecklingen fortsätter är det rimligt att förvänta sig en hårdare prioritering. Alla fynd kommer inte att kunna hanteras samtidigt, vare sig av leverantörer, organisationer inom CVE-ekosystemet eller organisationernas egna IT- och säkerhetsteam. Microsoft bygger redan ut automation och riskbaserad prioritering för att hantera den ökande mängden AI-upptäckta sårbarheter. [4]

Samtidigt finns en annan sida av problemet: sårbarheter som upptäcks av antagonister behöver aldrig bli offentligt kända. De behöver inte tilldelas ett CVE eller rapporteras till leverantören innan de används. När AI sänker tiden och resursbehovet för sårbarhetsforskning kan därför även mängden okända och privat exploaterade sårbarheter öka.

När AI både kan öka mängden upptäckta sårbarheter och korta vägen från fynd till fungerande exploit förändras förutsättningarna för traditionell sårbarhetshantering.

Försvar med hastighet och motståndskraft

Att möta utvecklingen handlar om mer än snabbare detektion och respons. Vi behöver kunna prioritera rätt risker, minska sannolikheten för att ett angrepp lyckas och begränsa konsekvensen när något trots allt komprometteras.

Prioritera rätt och åtgärda snabbare

När mängden sårbarheter ökar blir förmågan att prioritera rätt avgörande. Äldre system, tekniska beroenden och begränsade resurser innebär redan idag att allt inte kan patchas omedelbart.

Det ställer också krav på organisationens förmåga att fatta riskbaserade beslut och genomföra förändringar i högre tempo. En CVSS-poäng beskriver en sårbarhets tekniska allvarlighetsgrad, men inte vilken risk den faktiskt innebär i den egna miljön. Är systemet internetexponerat? Hur kritisk är tillgången? Finns en fungerande exploit? Vilka system kan nås därifrån och vilka behörigheter kan exponeras? Finns kompensatoriska säkerhetskontroller?

Sårbarhetshantering behöver därför väga samman teknisk allvarlighetsgrad med faktisk exponering, exploaterbarhet, tillgångskritikalitet och möjliga attackvägar. Frågan är inte bara hur allvarlig sårbarheten är, utan vilken risk den faktiskt innebär i den egna miljön.

Bygg för begränsad påverkan

Vi kan inte förutsätta att alla sårbarheter är kända eller hinner åtgärdas innan de utnyttjas.

Därför blir grundläggande säkerhetsprinciper ännu viktigare: säker design och konfiguration, least privilege, segmentering och kontroll över administrativa gränssnitt och identiteter.

Målet är inte bara att förhindra initial access. Miljön behöver vara byggd så att en komprometterad klient, identitet eller server inte automatiskt ger angriparen en väg vidare till organisationens mest kritiska tillgångar.

Smartare detektion och snabbare respons

Hastighet är inte den enda utmaningen. Antagonister använder redan legitima funktioner och verktyg - exempelvis inbyggda systemverktyg (LOLBins), legitima RMM- och fjärrstyrningsverktyg som TeamViewer och till och med backup- och molntjänster för dataexfiltrering. Skadlig aktivitet kan därför vara svår att skilja från normal IT-administration.

AI kan dessutom göra angreppen mer adaptiva genom att snabbare analysera resultat och anpassa nästa steg. Försvarssidan behöver därför också använda AI och automation, både för att agera snabbare och för att korrelera fler signaler, förstå sammanhang och identifiera mönster som är svåra att se i en enskild alert.

Så använder vi AI inom Miru

Miru är Tech Stn tjänsteområde för cybersäkerhet och omfattar bland annat vårt operativa cyberförsvar. Inom Miru använder vi AI och automation för att förstärka analytikerns förmåga. Det hjälper oss att snabbare analysera information, skapa bättre beslutsunderlag och automatisera moment där det kan göras med tillräcklig säkerhet - med människan kvar där bedömning och konsekvens kräver det.

AI-stödd analys och triage

AI hjälper oss att analysera och korrelera säkerhetssignaler från olika delar av miljön - exempelvis identitet, molntjänster och endpoints. Genom att sätta enskilda händelser i ett större sammanhang kan vi minska brus, snabbare identifiera verkliga hot och ge analytikern bättre beslutsunderlag.

Mer automation – med kontroll

Automation har länge varit en del av vårt arbetssätt och utvecklas kontinuerligt i takt med nya möjligheter. AI gör det möjligt att automatisera även mer komplex analys och beslutsfattande, men maximal autonomi är inte målet. Att autonomt hantera ett false positive är något helt annat än att isolera en produktionsserver eller blockera en kritisk identitet. Graden av autonomi behöver därför anpassas efter både tillförlitligheten i analysen och konsekvensen om beslutet blir fel.

AI gör det möjligt för antagonister att agera snabbare, i större skala och med högre grad av autonomi. Försvaret behöver utvecklas i samma takt – men med säker design, motståndskraft och kontroll som grund.

Referenser

[1] Sysdig Threat Research Team, JADEPUFFER: Agentic ransomware for automated database extortion, 1 juli 2026.
https://www.sysdig.com/blog/jadepuffer-agentic-ransomware-for-automated-database-extortion

[2] Anthropic, Project Glasswing: Securing critical software for the AI era, 7 april 2026.
https://www.anthropic.com/glasswing

[3] Anthropic, Project Glasswing: An initial update, 22 maj 2026.
https://www.anthropic.com/research/glasswing-initial-update

[4] Microsoft, Evolving Windows vulnerability management to meet the speed of AI-powered discovery, 9 juli 2026.
https://blogs.windows.com/windowsexperience/2026/07/09/evolving-windows-vulnerability-management-to-meet-the-speed-of-ai-powered-discovery/