A legtöbb email-védelem ma is ugyanazt csinálja, mint tíz éve. Megvizsgálja az üzenetet, keres benne valami rosszindulatút, és letiltja. Ez addig működött, amíg a veszély a payloadban volt: egy rossz linkben vagy csatolmányban. Amikor a veszély átköltözött az üzenet szándékába, ez a modell már nem működött, és mostanra végképp kudarcot vall, hogy a feladó sokszor már nem is ember.

A rossz tartalomtól a rossz szándékon át a kétoldali AI-ig

A phishing 1.0 a rossz tartalomról szólt. Rosszindulatú linkek, fertőzött csatolmányok, spam. Erre épültek a biztonságos email gatewayek. Megnézték az üzenetet, összevetették az ismert mintákkal, és kidobták a rossz tartalmat. Ezt a korszakot nagyrészt megoldottuk.

A phishing 2.0 a rossz szándékról szól. Üzleti email-kompromittálás, vezetők megszemélyesítése, hamis számlák, átutalási csalások. Nincs mit keresni a payloadban, csak olyan manipuláció, ami teljesen normális kérésnek tűnik egy megbízható embertől. A gatewayek erre vakok, mert a tartalomban nincs semmi, ami riasztana. Csak a viselkedés elemzése képes kiszúrni, ezért töltöttük sokan az elmúlt közel tíz évet azzal, hogy olyan AI-t építsünk, amely ténylegesen megtanulja, hogyan kommunikálnak a munkatársaid.

A phishing 3.0 AI-alapú és többcsatornás. A csalit generatív AI írja. A deepfake hang- és videóanyag viszi tovább. A kampány emailben, kollaborációs eszközökben és élő hívásokban fut egyszerre. A támadó már nem egy gép előtt ülő ember. Egyre inkább egy ügynök, amely önállóan kutat, szöveget ír, küld, és folyamatosan alkalmazkodik.

A harmadik szint alapjaiban változtatta meg a támadások gazdaságtanát.

A támadónak már saját ügynöke van

A felderítés korábban időbe került a támadónak. Egy embernek kellett átböngésznie a weboldaladat, leszednie az álláshirdetéseket, feltérképeznie a beszállítókat, és megnéznie néhány vezetőt a közösségi médiában, mielőtt hihető üzenetet tudott írni. Az agentikus AI ezt a költséget lenullázza. Egy ügynök néhány másodperc alatt összefoglalja a nyilvános jelenlétedet, adatokat húz be GitHub-ből és a cloud dokumentációból, feltérképezi, ki kinek a beosztottja, és célpontra szabott sztorit gyárt. Aztán ugyanezt megcsinálja a következő tízezer szervezetnek is.

A csali minősége közben javul. A sután megfogalmazott, teleírt phishing levelek kora lejár, helyüket interaktív csalik veszik át, amelyek beszélgetést folytatnak. A Microsoft olyan phishing platformokat követ, amelyek havonta több tízmillió üzenetet generálnak [3], és egy 2026-os Dark Reading olvasói felmérésben a biztonsági szakemberek 48%-a az agentikus AI-t jelölte meg az év legfőbb támadási vektoraként, megelőzve a deepfake-eket és minden más lehetőséget [4].

A becsapási kör is kitágul. Már nem kell kiemelt célpontnak lenned ahhoz, hogy személyre szabott támadást kapj. Ha a felderítés ingyen van, minden szervezet megér annyit, hogy testre szabják ellene a támadást, és a kisebb csapatok, amelyek eddig azt hitték, túl jelentéktelenek ahhoz, hogy foglalkozzanak velük, most olyan automatizált kampányok célpontjaivá válnak, amelyek első ránézésre kézzel készítettnek tűnnek.

A legrosszabb akkor történik, amikor a csali teljesen kikerül a postafiókból. Egy sokat idézett esetben az Arup mérnöki cégnél a támadás egy adathalász emaillel indult, amely a vállalat brit pénzügyi igazgatójának adta ki magát. Amikor az alkalmazott habozott, egy deepfake videóhívás érkezett, több ismerősnek tűnő kollégával, és ez győzte meg végül. A hívásban minden másik arc mesterséges volt. Az alkalmazott 15 utalást hagyott jóvá, összesen nagyjából 25 millió dollár értékben [5]. Ezt semmilyen email-biztonsági higiénia nem fogta volna meg. A támadás az alkalmazottak látásába és hallásába vetett bizalmat támadta, és a támadók pontosan ezt a bizalmat tanulták meg kihasználni.

Az adatok szerint a bizalom már most összetört

Egyetlen incidens, bármilyen drága is, még csak anekdota. A mintázat akkor rajzolódik ki, amikor azokat kérdezzük, akik hivatásszerűen a biztonságért felelnek. 2026 januárjában az Osterman Research egy, az IRONSCALES megbízásából készült tanulmányt tett közzé, amelyben 128, 1000–5000 fős amerikai szervezetnél dolgozó biztonsági és IT vezetőt kérdeztek meg [1]. Az eredmények kíméletlenek.

• 88% tapasztalt legalább egy olyan incidenst az előző évben, amely aláásta a digitális kommunikációba vetett bizalmat.
• 82% szerint a fenyegető szereplők érdeklődése kifejezetten az ő iparáguk iránt erősödött.
• 60% nem bízik abban, hogy a jelenlegi képzések mellett képes lenne kivédeni a deepfake támadásokat.
• 55% úgy látja, ha elbuknak egy bizalomra építő támadás kezelésében, az jelentősen növeli egy teljes körű adatbetörés esélyét.
• Több mint egyharmaduknál előfordult, hogy a támadók megbízható beszállítónak vagy partnernek adták ki magukat.

A legtöbb szervezetnél használt eszköz abból indul ki, hogy a fenyegetés magában az üzenetben rejtőzik, és ott fel is lehet fedezni. A modern támadás ezzel szemben a bizalmat utánozza különböző csatornákon, ahol nincs mit átvizsgálni, így ezek az eszközök soha nem jutnak szóhoz.

A gateway-számok is ezt támasztják alá. Az IRONSCALES éles email-forgalomra épülő elemzése szerint a Microsoft 365 EOP 30 naponta 293 adathalász üzenetet enged át 100 postafiókra vetítve, a Google Workspace pedig 350-et. Mindkét érték jóval magasabb annál, mint amit egy jól beállított gateway átengedne [2]. Ezek a számok jelentik a napi alapzajt: ennyi jut el az alkalmazottakhoz azután, hogy a peremvédelmi rendszerek már „véleményt mondtak”.

Miért omlik össze a régi válaszmodell

A hagyományos modell logikája: először blokkolni, aztán észlelni és reagálni. Amit felismerünk, azt azonnal letiltjuk, és ha valami mégis átcsúszik, utólag kivizsgáljuk és eltakarítjuk a nyomait. Amíg egy emberi támadó küldött néhány száz emailt, ez a ritmus tartható volt. Egy agentikus rendszerrel szemben, amely személyre szabott, beszélgető, többcsatornás támadásokat gyárt gyorsabban, mint ahogy egy ember el tudná olvasni őket, az észlelés és reagálás örökké egy lépéssel lemarad.

Önmagában a mennyiség is elég érv. A Crogl és a Ponemon Institute 2026-os felmérése szerint a nagyvállalati SOC-ok naponta átlagosan 4330 riasztást kapnak, és ezeknek csak 37%-át vizsgálják ki [6]. Egy agent ellen nem lehet „több embert felvenni”. Csak több automatizmust lehet bevetni.

Ezért a védekezési modellnek a másik kettő elé be kell szúrnia egy harmadik hozzáállást. Megelőzés. Előre kell látni a készülő támadást, még azelőtt megerősíteni az észlelést, hogy az első üzenet megérkezne, és az automatizmusokra bízni a rutinfeladatokat, hogy az emberek azokra a döntésekre koncentrálhassanak, ahol valódi mérlegelésre van szükség.

A védőnek is szüksége van egy agentre

A Phishing 3.0 kényszeríti ki a szimmetriát. Ha a támadó agenteket futtat, a védőnek is ezt kell tennie, különben tartós hátrányban marad a sebességben.

Ez az elmozdulás már zajlik. Ugyanebben a Crogl-felmérésben a legerősebb védelmi szinttel rendelkező security csapatok jóval nagyobb arányban vezették be az AI-t a SOC-ban, mint a többiek: 68% szemben a 46%-os átlaggal [6]. A Microsoft szerint az autonóm riasztáskezelő agent 6,5-szer több rosszindulatú emailt azonosított, mint a manuális ellenőrzés, és egy egészségügyi hálózatnak, a St. Luke's University Health Networknek havonta több mint 200 elemzői munkaórát takarított meg [7][8]. Az agent így már nem egy dashboardra odacsavarozott chatbot, hanem csapattárs, amely a teljes folyamatot kivizsgálja, és jegy helyett egy kész döntést ad át az embernek.

Az egyik előre jelez. A másik kivizsgál. A harmadik oktat.

A Red Teaming Agent ugyanazt a nyílt forráskódú felderítést futtatja, mint egy támadó: feltérképezi a szervezetet a közösségi médiában, a kódtárolókban és a nyilvános dokumentumokban, majd még a támadás előtt megerősíti és személyre szabja az észlelést. A Phishing SOC Agent L2-es elemzői szinten vizsgálja ki a fenyegetéseket, és a többórás kriminalisztikai munkát percekre rövidíti. Phishing Simulation Agent pedig olyan, felderítésre épülő támadásokkal tréningezi a dolgozókat, amelyek ténylegesen ellenük irányuló taktikákat követnek, nem általános sablonokat. A három agent alatt az Adaptive AI minden szervezet kommunikációs mintáit megtanulja, és több tízezer security szakember valós jelzései alapján finomítja a pontosságát.

A terméknevek önmagukban kevésbé fontosak, mint az elv. A megelőzéshez a védekező oldalon is olyan agent kell, amely ugyanúgy gondolkodik, mint a támadó. Ha a védelem csak arra reagál, ami már megérkezett, akkor egy olyan modellre támaszkodik, amelyet a támadások világa már maga mögött hagyott.

Mit jelent ez a gyakorlatban?

Ne csak az alapján mérd az email-biztonságot, hogy mit állít meg a peremvédelem. Az igazán fontos szám az, hogy mi jut át a gateway után is a postafiókba, mert a modern támadás ott él. Kérdezd meg bármelyik gyártótól a kézbesítés utáni tévesztési arányukat, és kezeld válaszként azt is, ha ködösen fogalmaznak.

Terjeszd ki a fenyegetési modellt az emailen túl a hang- és videócsatornákra is. Az Arup-eset egy videóhívás volt, nem üzenet. Ha a személyazonosság ellenőrzése a postafióknál véget ér, a legdrágább támadások egyszerűen megkerülik.

Az automatizálást ne a dashboardok, hanem az önállóság alapján ítéld meg. Ha egy eszköz csak még több riasztást tol az elemzők elé, azzal csak növeli a napi riasztáshalmazt. Ha viszont kivizsgál és meg is old problémákat, akkor csökkenti azt. Kérdezd meg, az incidensek hány százalékát kezeli le úgy, hogy ember hozzá sem nyúl.

A dolgozók képzését kezeld felderítés-tudatosan. Az általános szimulációk csak arra tanítanak, hogyan ismerjék fel az általános adathalász-támadásokat. A rájuk célzott támadások személyre szabottak, ezért a gyakorlásnak is annak kell lennie.

Az adathalás 3.0 nem jóslat. A támadók már most ügynököket futtatnak, a deepfake okozta veszteségeket már most számolják, és az adatok szerint a bizalmat már most gyorsabban használják ki, mint ahogy a legtöbb védelem reagálni tudna. Azok a szervezetek jönnek ki ebből jól, amelyek felhagynak azzal, hogy puszta emberi erővel próbáljanak gyorsasági versenyt futni a szoftverrel, és saját ügynököt is pályára küldenek.

Hivatkozások

• Osterman Research, „Rebuilding Trust in Digital Communications”, az IRONSCALES megbízásából, 2026. január. 128 biztonsági és IT-vezető megkérdezésével készült felmérés, 1000–5000 fős amerikai szervezeteknél, 2025. szeptember–október. https://ironscales.com/rebuilding-trust-in-digital-communications-report-download
• IRONSCALES, a termelési email-forgalom elemzése az ügyfélkörben (Microsoft 365 EOP és Google Workspace kézbesítés utáni tévesztési arányai, 100 postafiókra vetítve, 30 napos időszakra). Belső adat; a számok kérésre elérhetők.
• Microsoft Security, „Threat actor abuse of AI accelerates from tool to cyberattack surface”, Microsoft Security Blog, 2026. április 2. https://www.microsoft.com/en-us/security/blog/2026/04/02/threat-actor-abuse-of-ai-accelerates-from-tool-to-cyberattack-surface/
• Dark Reading, „2026: The Year Agentic AI Becomes the Attack-Surface Poster Child”, 2026. https://www.darkreading.com/threat-intelligence/2026-agentic-ai-attack-surface-poster-child
• CNN Business, „Arup revealed as victim of $25 million deepfake scam involving Hong Kong employee”, 2024. május 16. https://www.cnn.com/2024/05/16/tech/arup-deepfake-scam-loss-hong-kong-intl-hnk
• Crogl and Ponemon Institute, „The State of SecOps and the Deployment of AI in the SOC”, 2026. 649 észak-amerikai IT- és biztonsági szakember megkérdezésével készült felmérés. https://www.crogl.com/newsroom/state-of-secops-ai
• Microsoft, „St. Luke's saves nearly 200 hours monthly with AI-powered Security Copilot agents”, Microsoft Customer Stories, 2026. https://www.microsoft.com/en/customers/story/25330-st-lukes-university-health-network-microsoft-security-copilot
• Microsoft, „From alert overload to decisive action: How Security Copilot agents are transforming security and IT”, Microsoft Community Hub, 2026. https://techcommunity.microsoft.com/blog/securitycopilotblog/from-alert-overload-to-decisive-action-how-security-copilot-agents-are-transform/4504213