Thử nghiệm của công ty tư vấn công nghệ và an ninh mạng Booz Allen (Mỹ) cho thấy các mô hình AI tiên tiến có thể hoàn thành chuỗi nhiệm vụ tấn công hệ thống công nghiệp trong thời gian rất ngắn, từ dò tìm thiết bị, xác định điểm yếu đến tiếp cận khu vực điều khiển và thao tác với cánh tay robot. Đáng lo ngại, AI không cần phát minh ra kỹ thuật tấn công mới mà vẫn có thể khiến những phương thức vốn đòi hỏi chuyên môn cao trở nên dễ thực hiện hơn.
Theo Help Net Security ngày 13/10/2026, Booz Allen đã thử nghiệm các mô hình AI tiên tiến trong phòng thí nghiệm an ninh công nghệ vận hành (OT) tại Chantilly, bang Virginia, Mỹ. Trong cả tám kịch bản được thiết kế, các mô hình đều hoàn thành mục tiêu tấn công đã đặt ra. Ở một lần thử nghiệm, AI chỉ mất hơn 16 phút để đi từ việc vượt qua ranh giới mạng đến thực hiện hành động bên trong vùng điều khiển công nghiệp.
Môi trường thử nghiệm mô phỏng một nhà máy sản xuất, gồm hàng trăm thiết bị công nghệ thông tin (IT) và công nghệ vận hành (OT), các bộ điều khiển công nghiệp, hệ thống SCADA, cảm biến, bộ điều khiển động cơ và một cánh tay robot. Các thiết bị được kết nối theo cấu trúc phân vùng nhiều lớp tương tự hệ thống tại nhà máy thực tế.
Đáng chú ý, nhóm nghiên cứu chỉ cung cấp thông tin về ranh giới các mạng con cho AI, không đưa sẵn mã nguồn, tài liệu kỹ thuật hay hướng dẫn chuyên biệt về hệ thống công nghiệp. Từ đó, mô hình tự lập kế hoạch và thực hiện các bước cần thiết để đạt mục tiêu.
Theo Help Net Security ngày 13/10/2026, Booz Allen đã thử nghiệm các mô hình AI tiên tiến trong phòng thí nghiệm an ninh công nghệ vận hành (OT) tại Chantilly, bang Virginia, Mỹ. Trong cả tám kịch bản được thiết kế, các mô hình đều hoàn thành mục tiêu tấn công đã đặt ra. Ở một lần thử nghiệm, AI chỉ mất hơn 16 phút để đi từ việc vượt qua ranh giới mạng đến thực hiện hành động bên trong vùng điều khiển công nghiệp.
Môi trường thử nghiệm mô phỏng một nhà máy sản xuất, gồm hàng trăm thiết bị công nghệ thông tin (IT) và công nghệ vận hành (OT), các bộ điều khiển công nghiệp, hệ thống SCADA, cảm biến, bộ điều khiển động cơ và một cánh tay robot. Các thiết bị được kết nối theo cấu trúc phân vùng nhiều lớp tương tự hệ thống tại nhà máy thực tế.
Đáng chú ý, nhóm nghiên cứu chỉ cung cấp thông tin về ranh giới các mạng con cho AI, không đưa sẵn mã nguồn, tài liệu kỹ thuật hay hướng dẫn chuyên biệt về hệ thống công nghiệp. Từ đó, mô hình tự lập kế hoạch và thực hiện các bước cần thiết để đạt mục tiêu.
Từ dò tìm thiết bị đến thao tác với máy móc
Trong quá trình thử nghiệm, AI tự lập bản đồ mạng, đối chiếu thiết bị với các điểm yếu đã biết, viết mã khai thác có thể hoạt động và tìm cách di chuyển từ mạng ban đầu sang các hệ thống phục vụ sản xuất.
Một tình huống cho thấy mô hình có thể nhận diện vai trò của thiết bị bảo vệ rơ-le, vốn có nhiệm vụ phát hiện sự cố điện và kích hoạt máy cắt khi cần thiết. AI nhận thấy thiết bị liên tục gửi yêu cầu mạng nhưng không nhận được phản hồi, từ đó tìm ra cách giả lập đầu bên kia của kết nối để tiếp tục khai thác đường giao tiếp.
Ở một thử nghiệm khác, mô hình tìm được các phiên kết nối đã xác thực đang hoạt động trên một cổng SCADA. Từ điểm truy cập này, AI có thể tiếp cận 14 thiết bị OT, bao gồm các bộ điều khiển lập trình trong hai khu vực sản xuất. Mô hình cũng tìm cách thay đổi giao diện vận hành hiển thị tại phòng điều khiển, tạo nguy cơ khiến người vận hành nhìn thấy thông tin không phản ánh đúng trạng thái thực tế.
Trong kịch bản cuối, AI xác định được một cánh tay robot, giành quyền quản trị và điều khiển thiết bị thực hiện chuyển động. Tuy nhiên, mọi hành động có khả năng gây ảnh hưởng vật lý trong thử nghiệm đều phải dừng lại để chờ con người phê duyệt. Đây là điều kiện kiểm soát của phòng thí nghiệm, không phải bằng chứng rằng AI có thể tự do điều khiển máy móc tại một nhà máy đang hoạt động.
Một tình huống cho thấy mô hình có thể nhận diện vai trò của thiết bị bảo vệ rơ-le, vốn có nhiệm vụ phát hiện sự cố điện và kích hoạt máy cắt khi cần thiết. AI nhận thấy thiết bị liên tục gửi yêu cầu mạng nhưng không nhận được phản hồi, từ đó tìm ra cách giả lập đầu bên kia của kết nối để tiếp tục khai thác đường giao tiếp.
Ở một thử nghiệm khác, mô hình tìm được các phiên kết nối đã xác thực đang hoạt động trên một cổng SCADA. Từ điểm truy cập này, AI có thể tiếp cận 14 thiết bị OT, bao gồm các bộ điều khiển lập trình trong hai khu vực sản xuất. Mô hình cũng tìm cách thay đổi giao diện vận hành hiển thị tại phòng điều khiển, tạo nguy cơ khiến người vận hành nhìn thấy thông tin không phản ánh đúng trạng thái thực tế.
Trong kịch bản cuối, AI xác định được một cánh tay robot, giành quyền quản trị và điều khiển thiết bị thực hiện chuyển động. Tuy nhiên, mọi hành động có khả năng gây ảnh hưởng vật lý trong thử nghiệm đều phải dừng lại để chờ con người phê duyệt. Đây là điều kiện kiểm soát của phòng thí nghiệm, không phải bằng chứng rằng AI có thể tự do điều khiển máy móc tại một nhà máy đang hoạt động.
Tốc độ mới là thay đổi đáng lo ngại nhất
Theo Booz Allen, các biện pháp như tường lửa, phân vùng mạng và công cụ bảo vệ thiết bị đầu cuối đã làm chậm hoặc phát hiện một số hoạt động bất thường. Có bộ điều khiển ban đầu từ chối lệnh dừng, trong khi một thiết lập tại chỗ ngăn được thao tác khởi động động cơ từ xa.
Tuy nhiên, AI có thể điều chỉnh cách tiếp cận hoặc tìm đường khác để tiếp tục nhiệm vụ. Điều này cho thấy chỉ dựa vào một lớp phòng vệ đơn lẻ có thể không đủ để bảo vệ hệ thống công nghiệp trước những cuộc tấn công được tự động hóa cao.
Điểm đáng chú ý hơn là phần lớn kỹ thuật được sử dụng không phải phương thức khai thác hoàn toàn mới. AI chủ yếu tận dụng giao thức sẵn có của thiết bị, mật khẩu mặc định và những điểm yếu trong cấu hình hoặc kiểm soát truy cập.
Sự thay đổi nằm ở tốc độ và khả năng kết hợp nhiều công đoạn. Những việc như khảo sát mạng, nghiên cứu thiết bị, tìm điểm yếu, viết mã khai thác và xử lý khi gặp trở ngại vốn có thể cần nhiều chuyên gia phối hợp trong nhiều ngày, nay có thể được AI thực hiện liên tiếp trong một khoảng thời gian ngắn hơn đáng kể.
Nếu được sử dụng trong một cuộc tấn công thực tế, tốc độ này có thể thu hẹp khoảng thời gian mà đội ngũ bảo mật cần để phát hiện, đánh giá và ngăn chặn hành vi xâm nhập trước khi nó ảnh hưởng đến hoạt động sản xuất.
Tuy nhiên, AI có thể điều chỉnh cách tiếp cận hoặc tìm đường khác để tiếp tục nhiệm vụ. Điều này cho thấy chỉ dựa vào một lớp phòng vệ đơn lẻ có thể không đủ để bảo vệ hệ thống công nghiệp trước những cuộc tấn công được tự động hóa cao.
Điểm đáng chú ý hơn là phần lớn kỹ thuật được sử dụng không phải phương thức khai thác hoàn toàn mới. AI chủ yếu tận dụng giao thức sẵn có của thiết bị, mật khẩu mặc định và những điểm yếu trong cấu hình hoặc kiểm soát truy cập.
Sự thay đổi nằm ở tốc độ và khả năng kết hợp nhiều công đoạn. Những việc như khảo sát mạng, nghiên cứu thiết bị, tìm điểm yếu, viết mã khai thác và xử lý khi gặp trở ngại vốn có thể cần nhiều chuyên gia phối hợp trong nhiều ngày, nay có thể được AI thực hiện liên tiếp trong một khoảng thời gian ngắn hơn đáng kể.
Nếu được sử dụng trong một cuộc tấn công thực tế, tốc độ này có thể thu hẹp khoảng thời gian mà đội ngũ bảo mật cần để phát hiện, đánh giá và ngăn chặn hành vi xâm nhập trước khi nó ảnh hưởng đến hoạt động sản xuất.
AI đã xuất hiện trong các chiến dịch nhắm vào hệ thống công nghiệp
Rủi ro không chỉ tồn tại trong phòng thí nghiệm. Trong báo cáo công bố ngày 6/5/2026, công ty an ninh mạng công nghiệp Dragos mô tả một chiến dịch xâm nhập nhắm vào nhiều tổ chức chính phủ tại Mexico trong giai đoạn cuối năm 2025 đến đầu năm 2026.
Theo Dragos, đối tượng đã sử dụng các công cụ AI thương mại, chủ yếu gồm Claude và các mô hình GPT, để hỗ trợ khảo sát mạng, nghiên cứu mục tiêu và xây dựng đường tiếp cận hệ thống công nghệ vận hành. AI nhận diện một giao diện quản lý có liên quan đến hạ tầng cấp thoát nước và đánh giá đây có thể là con đường dẫn tới hệ thống OT.
Theo Dragos, đối tượng đã sử dụng các công cụ AI thương mại, chủ yếu gồm Claude và các mô hình GPT, để hỗ trợ khảo sát mạng, nghiên cứu mục tiêu và xây dựng đường tiếp cận hệ thống công nghệ vận hành. AI nhận diện một giao diện quản lý có liên quan đến hạ tầng cấp thoát nước và đánh giá đây có thể là con đường dẫn tới hệ thống OT.
Đối tượng sau đó thực hiện các nỗ lực truy cập bằng mật khẩu, nhưng không thành công. Dragos không tìm thấy bằng chứng cho thấy kẻ tấn công đã xâm nhập được hệ thống điều khiển công nghiệp trong vụ việc này. <Cite refs={["turn283431search2","turn283431search16"]}/>
Hai trường hợp cho thấy hai khía cạnh khác nhau của cùng một nguy cơ: thử nghiệm của Booz Allen chứng minh AI có thể hoàn thành những mục tiêu tấn công OT trong môi trường được kiểm soát; báo cáo của Dragos cho thấy AI đã được sử dụng trong hoạt động xâm nhập thực tế để xác định và theo đuổi mục tiêu liên quan đến hạ tầng công nghiệp. Chưa có bằng chứng công khai cho thấy AI là nguyên nhân của các sự cố gây thiệt hại vật lý được nhắc đến trong những báo cáo này.
Bảo vệ hệ thống công nghiệp trước các cuộc tấn công có AI hỗ trợ
Với các nhà máy, cơ sở cấp nước, nhà máy điện và những đơn vị vận hành hạ tầng thiết yếu, bài toán bảo mật không còn chỉ là ngăn chặn mã độc hay chặn các kết nối đáng ngờ. Các tổ chức cần rà soát toàn bộ đường kết nối giữa mạng IT và OT, kiểm soát chặt quyền truy cập từ xa, loại bỏ mật khẩu mặc định và hạn chế các phiên xác thực có thể được sử dụng để truy cập nhiều thiết bị cùng lúc.
Những hệ thống quan trọng cũng cần được giám sát hành vi, phát hiện hoạt động dò tìm tài sản, truy cập bất thường và các lệnh điều khiển không phù hợp với quy trình vận hành. Các biện pháp bảo vệ tại chỗ cần được duy trì để giảm khả năng một cuộc tấn công mạng trực tiếp dẫn tới thay đổi trạng thái máy móc.
Đồng thời, việc ứng dụng AI trong kiểm thử an ninh phải đi kèm cơ chế kiểm soát của con người, đặc biệt với các thao tác có khả năng gây ảnh hưởng đến thiết bị vật lý. Tốc độ của AI có thể giúp phát hiện và khắc phục điểm yếu nhanh hơn, nhưng cũng có thể mang lại lợi thế tương tự cho phía tấn công. Kết quả thử nghiệm của Booz Allen không có nghĩa mọi hệ thống công nghiệp đều có thể bị xâm nhập trong 16 phút. Thời gian thực tế phụ thuộc vào kiến trúc mạng, cấu hình bảo mật, thiết bị sử dụng và quyền truy cập mà đối tượng có được.
Tuy nhiên, thông điệp quan trọng là AI đang làm thay đổi tốc độ thực hiện các cuộc tấn công mạng. Khi nhiều công đoạn có thể được tự động hóa và phối hợp liên tục, các tổ chức vận hành hạ tầng thiết yếu cần chuẩn bị khả năng phát hiện và ứng phó nhanh hơn, thay vì chỉ dựa vào những biện pháp phòng thủ vốn được thiết kế cho các cuộc tấn công do con người thực hiện.
Những hệ thống quan trọng cũng cần được giám sát hành vi, phát hiện hoạt động dò tìm tài sản, truy cập bất thường và các lệnh điều khiển không phù hợp với quy trình vận hành. Các biện pháp bảo vệ tại chỗ cần được duy trì để giảm khả năng một cuộc tấn công mạng trực tiếp dẫn tới thay đổi trạng thái máy móc.
Đồng thời, việc ứng dụng AI trong kiểm thử an ninh phải đi kèm cơ chế kiểm soát của con người, đặc biệt với các thao tác có khả năng gây ảnh hưởng đến thiết bị vật lý. Tốc độ của AI có thể giúp phát hiện và khắc phục điểm yếu nhanh hơn, nhưng cũng có thể mang lại lợi thế tương tự cho phía tấn công. Kết quả thử nghiệm của Booz Allen không có nghĩa mọi hệ thống công nghiệp đều có thể bị xâm nhập trong 16 phút. Thời gian thực tế phụ thuộc vào kiến trúc mạng, cấu hình bảo mật, thiết bị sử dụng và quyền truy cập mà đối tượng có được.
Tuy nhiên, thông điệp quan trọng là AI đang làm thay đổi tốc độ thực hiện các cuộc tấn công mạng. Khi nhiều công đoạn có thể được tự động hóa và phối hợp liên tục, các tổ chức vận hành hạ tầng thiết yếu cần chuẩn bị khả năng phát hiện và ứng phó nhanh hơn, thay vì chỉ dựa vào những biện pháp phòng thủ vốn được thiết kế cho các cuộc tấn công do con người thực hiện.
