ИБ-специалисты заметили, что злоумышленники вновь используют давно известную технику засаливания текста (text salting), чтобы обходить почтовые фильтры, использующие машинное обучение и большие языковые модели.
Аналитики из компании Barracuda предупреждают, что с апреля 2026 года выявили более миллиона фишинговых писем, замаскированных под рассылки от магазинов и других ритейлеров. Во всех этих атаках хакеры подмешивали в сообщения случайные нейтральные слова, которые сбивали с толку автоматические системы анализа.
Суть техники text salting заключается в умышленном замусоривании содержимого письма безобидным текстом. Фильтр учитывает добавленные слова при классификации и в итоге может счесть, что сообщение не представляет угрозы. Получатель при этом видит только фишинговую приманку: лишний текст атакующие скрывают с помощью HTML и CSS.
По данным исследователей, чаще всего атакующие применяют три варианта этой техники. В первом случае область отображения обрезают средствами CSS таким образом, чтобы спрятанный текст не попал в видимую часть письма. Во втором случае нейтральные слова перемещают за пределы экрана. В третьем — используют нулевой размер шрифта и внедряют текстовый мусор между подозрительными фразами.
В итоге человек видит письмо именно таким, каким его задумывал атакующий, а автоматический анализатор, напротив, получает смесь фишингового содержимого и случайных слов. Из-за этого сообщение выглядит для ИИ менее подозрительным или вообще превращается в бессвязный набор текста.
Традиционная email-защита в основном успешно распознает подобные трюки: из писем удаляются скрытые элементы, HTML-код сравнивается с отображаемым содержимым, и системы реагируют на большое количество невидимого текста. Однако некоторые ИИ-инструменты оказались уязвимы перед методами, которыми спамеры пользовались еще в начале 2000-х годов.
Как пишут исследователи, LLM часто обрабатывают текст письма и его исходный код как единую последовательность данных. Модель не всегда понимает, какие элементы действительно видит пользователь, а какие оказываются скрыты с помощью стилей или вынесены за пределы экрана. Специалисты Barracuda объясняют:
«Засаливание текста и связанные с этим техники позволяют запутать ИИ-движки анализа контента. Поток случайных терминов подталкивает систему к ошибочной классификации письма».
По словам исследователей, в теории ИИ-модели можно обучить учитывать особенности отображения HTML, однако, судя по всему, многие защитные решения не делают этого по умолчанию.
Исследователи рекомендуют не оценивать письма только по тексту или вердикту ИИ-классификатора. Почтовая защита также должна проверять репутацию отправителя, результаты аутентификации, встроенные URL, особенности рендеринга HTML и различия между видимым и скрытым содержимым послания.
