В декабре 2025 года доля фишинговых писем с явными признаками генерации нейросетью в трафике Hoxhunt подскочила с 4% до 56% — четырнадцатикратный рост за один месяц, по данным Phishing Trends Report 2026. К январю показатель осел до 40%, но к прежним 1–4% так и не вернулся. Для корпоративного SOC это не разовый всплеск, а новая базовая линия: AI-фишинг перестал быть экспериментом злоумышленников и стал стандартным инструментом сезонных кампаний.
Что произошло
Hoxhunt проанализировала более 50 млн симуляций и реальных инцидентов от 4 млн пользователей по всему миру и зафиксировала резкий скачок доли AI-генерированных писем в конце 2025 года — с устойчивых 1–4% на протяжении почти всего года до 56% в декабре. Одновременно компания отметила ещё несколько сезонных всплесков: количество callback-фишинга (звонки под видом службы поддержки внутри письма) выросло на 500% в четвёртом квартале, а число вредоносных вложений в формате SVG — в 50 раз по сравнению с 2024 годом, до 5% от всех вредоносных вложений. Весной 2026 года похожий паттерн повторился на волне налогового сезона в США: кампании с имитацией налоговых органов выросли на 400% к базовому уровню предыдущих двух лет, а общее число репортов о вредоносных письмах — на 147,3%.
Как это работает
Рост доли AI-писем в праздники объясняется не новым классом атак, а масштабированием старых. Генеративные модели убирают традиционные признаки, по которым фильтры и люди годами учились узнавать фишинг, — грамматические ошибки, шаблонные обороты, неестественный тон. AI пишет быстрее, персонализирует контекст под праздничный или налоговый повод и легче обходит сигнатурные фильтры, потому что каждое письмо уникально. Это подтверждает и разбор похожих кейсов: атакующие используют генеративные модели именно для того, чтобы уйти от одинаковых шаблонов, на которых строится сигнатурная детекция массовых рассылок.
При этом сам вектор доставки часто остаётся классическим. SVG-вложения интересны атакующим тем, что это текстовый XML-формат: он проходит через почтовые шлюзы как «безопасная картинка», но может содержать встроенный JavaScript или скрытую ссылку на фишинговую страницу. Спуфинг внутриорганизационных писем — под видом HR или ИТ-уведомлений — остаётся самым результативным вектором с показателем перехода 7,4% в симуляциях, опережая инвойс-мошенничество и другие приманки.
Что удержало атаку
Ключевой вывод отчёта Hoxhunt не в росте атак, а в том, что организации со зрелыми программами обучения удержали линию обороны. Там, где тренинги ориентированы на изменение поведения, а не на разовое прохождение теста, сотрудники за 6 месяцев в 6 раз лучше распознают и репортят социальную инженерию, а число вредоносных кликов падает на 87%. При традиционном квартальном формате обучения показатель репортинга держится на уровне около 10%, тогда как в программах с адаптивной сложностью тренировок он превышает 20% — выше среднеотраслевого бенчмарка Verizon DBIR. По данным Hoxhunt, через 6 месяцев такой программы минимум один реальный инцидент репортит половина сотрудников, через 12 месяцев — 64%, через 24 месяца — 71%.
Здесь помогают агенты, которые оценивают намерение письма, а не только формальные индикаторы, и подходы для случаев, когда в письме нет ни ссылки, ни вложения — именно такой BEC-фишинг AI генерирует охотнее всего.
Что внедрить у себя
- Пересмотрите правила фильтрации вложений SVG: по умолчанию блокируйте активный контент (скрипты, встроенные ссылки) или переводите такие вложения в песочницу.
- Заранее усильте мониторинг SOC на сезонные окна — праздники, отчётный и налоговый периоды, — когда объём и качество AI-фишинга исторически растут скачком.
- Замените разовый compliance-тренинг на адаптивную программу, где сложность симуляций растёт вместе с навыком сотрудника, а не остаётся статичной.
- Упростите репортинг: кнопка «Сообщить о фишинге» прямо в почтовом клиенте снижает порог и повышает долю реальных репортов.
- Добавьте в плейбуки SOC отдельный сценарий для callback-фишинга — писем, которые толкают жертву не на клик, а на звонок по указанному номеру.
- Проверьте, что триаж фишинговых обращений учитывает контекст и намерение письма, а не только наличие ссылок и вложений — именно эти признаки AI-фишинг умеет маскировать.
Для команд, которые выстраивают триаж вокруг формальных индикаторов, а не смысла письма, декабрьский всплеск стал наглядной проверкой на прочность. Похожая логика разбора приманок актуальна и для других AI-каналов атаки — например, для отравления AI-поиска, когда пользователя приводят на фишинговую страницу через сгенерированный «полезный» совет. В обоих случаях статичные фильтры проигрывают там, где выигрывает связка из адаптивного обучения людей и семантической детекции на стороне SOC.
Источники: Hoxhunt, Phishing Trends Report 2026; PR Newswire, пресс-релиз Hoxhunt.
