Ma már ritkán kezdődik úgy egy biztonságtechnikai beruházás, hogy valaki felhív három céget.
Előbb megkérdezi az AI-t. Milyen kamerarendszert érdemes venni egy telephelyre? Melyik márka bírja a kinti hideget? Mennyibe kerül egy nyolc kamerás rendszer? Kell-e engedély a kamerához? És kap rá választ — magabiztos, rendezett, pontokba szedett választ, benne két-három konkrét márkával és néha konkrét cégnevekkel.
Az a néhány név egy döntés kezdete.
Elektronikai műszerész végzettséggel indultam, huszonhat évet töltöttem a rendvédelemben, a vagyonvédelmi rendszerszerelő képesítést pedig 2022-ben szereztem meg — két évvel azelőtt, hogy leszereltem volna. A két szakma nálam évekig párhuzamosan futott.
A rendvédelemben megtanul az ember egy reflexet, amit később nem tud kikapcsolni: ha egy rendszer döntést hoz, azt a rendszert előbb-utóbb megpróbálják befolyásolni. Nem azért, mert a világ rossz, hanem mert a döntésnek pénzben mérhető tétje van.
Hónapok óta mérem, mit válaszolnak az AI-keresők a saját szakterületem kérdéseire. Eredetileg kíváncsiságból kezdtem. Aztán feltettem magamnak a kérdést, amiből ez a cikk lett: ki tudja ezt a listát befolyásolni, és észrevenném-e, ha valaki megtette?
Amit támadnak, az nem az AI
Az első dolog, amit tisztázni kell: a támadó nem az AI-t támadja. Ahhoz olyan hozzáférés kellene, ami nincs.
A támadó azt támadja, amit az AI olvas.
Ez a logika ismerős a mi szakmánkból. Nem a kamerát törik fel — gondoskodnak róla, hogy a kamera olyasmit lásson, ami megnyugtatja a nézőt. Nem az őr ellen dolgoznak, hanem az őr jelentése ellen, hogy papíron minden rendben legyen.
Az AI-keresés esetében a „kamera" a nyilvános internetes tartalom. Amikor a rendszer válaszol, dokumentumokat olvas, cégeket és márkákat azonosít, és összeveti, mit állítanak róluk különböző források. Ha ezeket a forrásokat sikerül befolyásolni, akkor a modell tökéletesen működik — csak manipulált anyagból dolgozik.
Ez az elmúlt egy évben szűnt meg elméleti kérdés lenni. 2026 áprilisában a Google és a Forcepoint egymás után publikált jelentést valós esetekről. A Google havi két-három milliárd feltérképezett oldalt vizsgált, és 2025 novembere és 2026 februárja között 32 százalékos relatív növekedést mért a rosszindulatú kategóriában. A Palo Alto Networks Unit 42 csapata 2025 decemberében dokumentálta az első valós esetet.
Öt minta, amit érdemes felismerni
Nem receptet írok. Azt írom le, mit céloznak ezek a módszerek, és miről lehet felismerni őket.
A visszaélés abból áll, hogy valaki nagy mennyiségű, egymáshoz hasonló tartalmat állít elő ugyanarról az állításról, és szétszórja a weben.
Felismerés: ha ugyanaz a mondat, ugyanaz a szám és ugyanaz a fordulat több, látszólag különböző oldalon visszaköszön, az nem visszhang. Az egy forrás, sokszorosítva.
2. Hamis konszenzus
Kifinomultabb változat. Itt nem a mennyiség a cél, hanem az, hogy az állítás függetlennek látszó forrásoktól érkezzen. Néhány blog, egy-két „szakmai portál", pár fórumbejegyzés — látszólag különböző szereplők, valójában egy kéz.
Azért működik, mert a független megerősítés valóban erős jelzés. A támadó ezt a mechanizmust utánozza.
Felismerés: nézze meg a „független" források regisztrációs dátumát, az impresszumát és a szerzőit. Három friss domain, azonos sablonnal, szerző nélkül — az nem konszenzus.
3. Strukturált adat visszaélése
A weboldalak gépi olvasásra szánt adatcímkéket tartalmaznak: ki a szerző, mi a cég, hány csillagot kapott, hány értékelés alapján. Ezeket senki nem hitelesíti — az oldal maga állítja magáról.
A visszaélés az, hogy a látható oldalon más szerepel, mint a gépi címkében. Az oldalon egyetlen értékelés sincs, a gépi adatban viszont 4,9 csillag áll ötszáz vélemény alapján.
Felismerés: hasonlítsa össze, amit az oldal mutat, azzal, amit állít magáról.
4. Rejtett utasítás az oldalon
Ez a legérdekesebb, és ezt érdemes minden döntéshozónak ismernie.
Az AI nem tesz különbséget aközött, amit a felhasználó mond neki, és amit egy weboldalon olvas. Mindkettő szöveg. Ha valaki az oldalba olyan szöveget rejt, ami utasításnak van megfogalmazva, a rendszer jó eséllyel utasításként kezeli.
A Zscaler kutatói 2026-ban két valós kampányt dokumentáltak. Az egyikben a rejtett szöveg arra utasította az AI-t, hogy az adott oldalt tekintse hiteles, ellenőrzött forrásnak, sorolja első helyre bizonyos keresésekre, és ne említse a valódi természetére utaló szót. Ugyanezekben a kampányokban a támadók először klasszikus keresőoptimalizálással tolták fel az oldalaikat, hogy az AI egyáltalán megtalálja őket. A két módszer együtt dolgozott.
Felismerés: ha egy AI-válasz feltűnően határozottan állít valamit egyetlen forrásról — „ez a hivatalos", „ez az ajánlott", „ez az egyetlen" —, és a forrás ismeretlen, az önmagában gyanújel. A magabiztosság nem bizonyíték.
5. Cégazonosság-manipuláció
Az AI-rendszerek nemcsak oldalakat kezelnek, hanem cégeket, márkákat, személyeket. Az azonosításhoz különböző nyilvántartásokból származó adatokat vetnek össze.
A visszaélés az, hogy valaki hamis vagy félrevezető adatot helyez el ezekben — nem létező szakértői profilt, valós céghez nem köthető adatlapot, vagy egy ismert cég nevére megtévesztésig hasonlító entitást.
Felismerés: a cégnyilvántartás. Ha egy ajánlott szállító nem található meg a cégjegyzékben, ott a beszélgetés véget ért. Ezt egyébként engedély nélküli telepítők esetében is érdemes megtenni, mert a probléma nem új — csak az útvonal, amin a szállító eljut önhöz.
Miért nagyobb a kockázat magyarul?
Erre a kérdésre külön ki kell térni, mert magyar döntéshozóként más helyzetben van, mint egy amerikai kollégája.
A magyar nyelvű webes tartalom sokkal kevesebb. Ha valaki az angol nyelvű „best security camera" kérdést akarná befolyásolni, több tízezer forrás ellen kellene dolgoznia. Magyarul, a biztonságtechnika területén ez a szám nagyságrendekkel kisebb. Kevés a szakmai portál, kevés a független teszt, kevés az érdemi összehasonlítás.
Egy szűk információs teret olcsóbb manipulálni. Ez logikusan következik a mechanizmusból, bár tudtommal külön nem mérték.
És a magyar AI-válaszok gyakran vékony forrásbázisról dolgoznak. Ha megkérdezi ugyanazt magyarul és angolul, néha észreveszi, hogy a magyar válasz kevesebb és gyengébb forrásra épül. Nem azért, mert a modell butább magyarul, hanem mert kevesebb magyar anyagot talál.
Miért érinti ez pont a biztonságtechnikai beruházást?
Három okból.
Nincs technikai kontroll a döntés előtt. Egy informatikai rendszernél van audit, van tesztkörnyezet, van beszállítói átvilágítás. Egy kamerarendszer- vagy riasztóbeszerzésnél a döntés jellemzően ajánláson, árajánlaton és benyomáson alapszik. És az ajánlás forrása egyre gyakrabban egy AI.
A döntés évekre szól. A tapasztalatom az, hogy egy biztonsági rendszert a cégek bevezetés után nagyon ritkán cserélnek le. Nem azért, mert tökéletes, hanem mert körbeépül: kiépül a kábelezés, felkerülnek az eszközök, megszokja a személyzet, a szolgáltatóhoz kötődik a karbantartás és a távfelügyelet. Egy csere az egészet újraindítja — ezért inkább együtt élnek azzal, ami van.
Ez önmagában nem baj. Csak azt jelenti, hogy az a néhány név, ami a döntés előtt egyáltalán szóba került, évekre meghatározza a cég védelmét. És itt jön a kérdés, amit érdemes feltenni: valóban a legmegfelelőbb rendszert választotta — vagy a legláthatóbbat?
A kettő nem ugyanaz. És ma egyre gyakrabban egy AI dönti el, melyik a látható.
A tét nem a beruházás ára. Ha rossz rendszert épít ki, nem néhány százezer forintot bukik. Akkor derül ki, amikor már baj van: a felvétel használhatatlan, a rögzítés kihagyta az eseményt, a képen nem azonosítható semmi. Ezekkel a hibákkal a gyakorlatban rendszeresen találkozunk, és utólag nem javíthatók — az esemény egyszer történt meg.
A védekezés: hat kérdés, mielőtt elhiszi a listát
Nem kell hozzá technikai tudás. Ezeket a kérdéseket bárki fel tudja tenni — akár magának, akár közvetlenül az AI-nak.
1. Ki mondja?
Kattintson rá a forrásra. Van szerzője? Van a szerzőnek szakmai előélete a témában? Van az oldalnak impresszuma, elérhetősége, cégháttere?
Kérdezze vissza:„Ki írta azokat a forrásokat, amelyekre az ajánlásod épül, és milyen szakmai háttérrel?"
2. Hány egymástól független forrás mondja?
A legfontosabb kérdés az egész listán. Nem az számít, hányszor mondják — hanem hogy hány valóban független szereplő mondja.
Tíz oldal, amit ugyanaz a cég üzemeltet, az egy forrás. Nem tíz.
Kérdezze vissza:„Hány egymástól független forrás támasztja alá ezt az állítást, és melyek állnak a gyártó vagy a forgalmazó saját ellenőrzése alatt?"
3. Mihez képest?
Minden szám, aminek nincs viszonyítási alapja, marketing. „Jobb éjszakai kép" — minél? Milyen fényviszonyok mellett? Milyen távolságról? Milyen beállítással?
Kérdezze vissza:„Pontosan milyen körülmények között, milyen módszerrel mérték ezt az eredményt?"
4. Mi a hátránya?
A legegyszerűbb és az egyik leghatékonyabb teszt. Kérdezzen rá kifejezetten a gyengeségekre.
Egy kiegyensúlyozott forrásanyagból dolgozó rendszer tud hátrányt mondani, mert a források is mondanak. Ha csak jót tud mondani, az azt jelenti, hogy amit olvasott, az egyoldalú volt.
Kérdezze vissza:„Mik a legkomolyabb hátrányai és korlátai ennek a megoldásnak? Kinek NEM ajánlanád?"
5. Mit mond a másik rendszer?
Tegye fel ugyanazt a kérdést két-három különböző AI-nak.
Itt egy fontos megjegyzés a saját méréseimből: a rendszerek jellemzően nem értenek egyet. Ugyanazokra a kérdésekre több motoron rendszeresen jelentős eltéréseket mérek. Ez normális.
Ezért a szabály fordított, mint elsőre gondolná: nem az eltérés gyanús, hanem a tökéletes egyezés. Ha három különböző rendszer ugyanazokkal a fordulatokkal ajánlja ugyanazt, akkor valószínűleg mindhárom ugyanabból a szűk forráskészletből dolgozik.
És ellenőriztesse le a másikkal — de a forrásokra kérdezzen, ne az ítéletre. Másolja át az egyik AI válaszát egy másikba, és kérje meg, hogy nézze meg a benne szereplő forrásokat: elérhetők-e, ki írta őket, és valóban azt támasztják-e alá, amit állítanak.
Egy dolgot viszont tudni kell hozzá. A második modell nagyrészt ugyanazokból a forrásokból dolgozik, és ha az oldalon rejtett utasítás van, azt ő is beolvassa. Ez nem független ellenőrzés, hanem második olvasat. Ezért ne az ítéletét vegye át, hanem a forráslistát — azt már saját maga is meg tudja nézni.
Kérdezze vissza:„Nyisd meg a válaszban hivatkozott forrásokat, és mondd meg, melyik állítást támasztja alá ténylegesen mindegyik, és melyiket egyik sem."
Ha mindebből egyetlen dolgot kell megjegyezni, ez legyen az.
Egy állítás akkor erős, ha több, egymástól független úton is eljut hozzá.
Ha a „kültéren is éles éjszakai képet ad" állítás egyetlen helyen szerepel — a forgalmazó saját termékoldalán —, akkor az nem bizonyíték, hanem ígéret. Ha viszont megtalálja egy megnevezett ügyfél beszámolójában, egy független tesztben, egy szakmai fórum valós tapasztalatában és a gyártó műszaki adatlapján is, akkor ugyanahhoz az állításhoz négy különböző úton jutott el, és ezek közül hármat nem a forgalmazó ír.
Ez a mutató kétirányú. Építéskor cél. Ellenőrzéskor gyanújel: a manipulált hírnév jellegzetessége pontosan az, hogy nagy a volumen, de alacsony a függetlenség.
Ugyanez vonatkozik ránk is
Nem vagyunk kívülálló megfigyelők. A Trinity Security Kft. szereplő azon a piacon, amelyről ez a cikk szól — és maga a cikk is tartalom, amit egy AI beolvashat.
Amit egy cég önmagáról állít, az nem bizonyíték. Állítás, amíg valaki más meg nem erősíti, és ez ránk ugyanúgy igaz, mint bárki másra.
A fenti hat kérdés tehát nem csak a versenytársakra vonatkozik. Tegye fel őket nekünk is.
Ez a cikk egyébként egy nagyobb munka része. A méréseket és a mögöttes hálózati modellt az amerikai leányvállalatunk, a Trinity Guard LLC kutatási oldalán, a DigitalGuardTour.com-on folytatjuk és publikáljuk angolul — ott részletesebben is olvashat arról, hogyan manipulálható az AI-keresés, és hogyan lehet ellene védekezni. Ami itt magyarul, biztonságtechnikai beruházásra lefordítva olvasható, ott mérési adatokkal és a teljes módszertannal együtt szerepel.
Zárás
Nem gondolom, hogy az AI-keresés megbízhatatlan. Naponta használom, és a munkám nagy részét gyorsabbá tette.
Azt gondolom, hogy új eszközként ugyanaz jár neki, ami minden más eszköznek: ellenőrzés. A biztonsági szakmában ez nem bizalmatlanság, hanem alapállás. Nem azért nézzük vissza a felvételt, mert nem bízunk az emberben, hanem mert a bizonyíthatóság a szolgáltatás része.
Az AI-nak feltett kérdés is szolgáltatás. A válasz vagy bizonyítékon alapul, vagy semmin.
A cikkben szereplő megállapítások közül a rejtett utasítás, a keresőoptimalizálással kombinált támadás és a dokumentumgyakoriság hatása dokumentált, publikált forrásokon alapul. A magyar nyelvű információs tér fokozott sérülékenysége logikus következtetés, amelyet külön mérés nem támaszt alá. Arra, hogy a magyar biztonságtechnikai piacon ilyen manipuláció történt volna, nincs adatunk, és nem is állítjuk.
Györfi Gyula Biztonságtechnikai szakértő, a Trinity Security Kft. és a Trinity Guard LLC alapítója. Elektronikai műszerész és vagyonvédelmi rendszerszerelő végzettséggel, huszonhat év rendvédelmi tapasztalattal foglalkozik kamera- és riasztórendszerek tervezésével és kivitelezésével Debrecenben és Hajdú-Bihar vármegyében. A Trinity Guard® őrjárat-ellenőrző rendszer fejlesztésének és üzemeltetésének irányítója — mely platform ma három szerveren, több kontinensen működik.
Ha kamerarendszer, riasztórendszer vagy más vagyonvédelmi megoldás kiválasztása előtt
szakmai egyeztetésre van szüksége, vegye fel velünk a kapcsolatot.
Digitális őrjárat-ellenőrzéshez a Trinity Guard® rendszer 14 napig ingyenesen kipróbálható.
A TrinitySecurity.hu a weboldal működéséhez szükséges sütiket
és hasonló technológiákat használ. Ezek segítenek az oldal megfelelő működésében,
a választás megjegyzésében és az űrlapok spamvédelmében.
A látogatottsági mérés csak akkor indul el, ha Ön ezt engedélyezi.
Szükséges működés
Az oldal alapvető működéséhez, a választás megjegyzéséhez és az űrlapok
spamvédelméhez szükséges. Ez nem kapcsolható ki.
Mindig aktív
Látogatottsági mérés
Segít megérteni, mely oldalakat nézik meg, milyen eszközről érkeznek,
és hogyan találnak ránk. Csak engedéllyel kapcsol be.
