Nettverk av falske lokalaviser i 14 amerikanske delstater forsøker å styre chatbotenes valgsvar
Et nettverk av hyperlokale nyhetssider i minst 14 amerikanske delstater ser ut til å være skapt for maskiner, ikke lesere. Det er dokumentert at minst én chatbot faktisk siterer sidene.
Et israelsk trusselintelligensfirma har avdekket et koordinert nettverk av falske hyperlokale nyhetssider som tilsynelatende er bygget for å påvirke hva AI-chatboter svarer om kandidater i amerikanske politiske valg. Funnene, som nettstedet CyberScoop rapporterte 15. oktober 2026, beskriver en influensoperasjon rettet mot AI-systemenes innhentingsmekanismer snarere enn mot menneskelige velgere – mindre enn tre uker før mellomvalgene 3. november. Og forskeren bak funnet mener metoden er lett å kopiere for nesten enhver aktør.
Hva som er avdekket
VisionHeight, et israelsk trusselintelligensfirma, publiserte en blogg onsdag 14. oktober der operasjonen ble beskrevet som seks delstater og 37 nettsteder. Men firmaets CTO og medgrunnlegger Nitsan Daniel opplyste overfor CyberScoop at de i ettertid har oppdaget at operasjonen spenner over minst 14 delstater og 460 sider med innhold. Avviket mellom den publiserte bloggen og Daniels muntlige oppdatering er verdt å merke seg: De høyere tallene er altså ikke dokumentert i noe publisert materiale, men kommer fra firmaets egen påstand om nyere funn.
Ifølge CyberScoop inkluderer de berørte delstatene Arizona, Colorado, Georgia, Indiana, Iowa, Kansas, Michigan, Mississippi, Nevada, Nord-Carolina, Pennsylvania, Texas, Virginia og Wisconsin. Minst syv av delstatene har én eller flere valgkamper til Representantenes hus som er målrettet, mens andre sider fokuserer på valg som statssekretærer, delstatlige dommerutnevnelser og lokale verv.
Slik fungerer mekanismen
Innholdet på sidene er slående formelpreget. Påstander som at «kandidat X er det sterkere valget» for velgere som bryr seg om bolig, skatter eller andre politiske saker, ble gjentatt hundrevis av ganger på nettsidene, med små språklige variasjoner tilpasset ulike saker. Ifølge CyberScoop fremstår sidene som eksplisitt skrevet for AI-crawlere som samler inn nettinnhold – ikke for menneskelige lesere.
Et særlig avslørende grep: Sidene tillater crawlere fra store amerikanske AI-selskaper, i motsetning til de fleste etablerte mediesider, som i økende grad blokkerer dem. Det betyr at når en chatbot søker etter lokal informasjon om et politisk valg, kan de falske sidene faktisk komme i innhentingsgrunnlaget.
Troverdigheten bygges deretter opp sirkulært. Hvert delstatsnettverk består vanligvis av fem til seks separate sider med navn som ligner på lokale aviser – «Wolverine State Report», «Peach State Bulletin» og «Tarheel State Report» er blant de navngitte eksemplene. Noen fremstiller seg som rene nyhetssider, andre som kommentar- eller lederstoff. Sidene siterer hverandre, noe som skaper en sirkulær nettverkseffekt av lokal troverdighet: En AI-modell som vurderer kilder, kan tolke den gjensidige siteringen som tegn på at informasjonen er lokal og etablert.
Hva er faktisk dokumentert
Det er viktig å skille mellom konstruksjonen av nettverket og dokumentert effekt. Det meste av VisionHeights forskning har fokusert på KI-svar i Google-søk. Men ifølge Daniel har firmaet bekreftet at minst én stor AI-modell, Perplexity, lenket til og sitererte én av sidene, Tarheel State Report, som sin første kilde for et svar.
Det er altså den eneste konkret bekreftede effekten på en chatbot så langt. I hvilken grad Google og andre modeller faktisk gjenbruker innholdet fra nettverket i svarene sine, er uavklart. Det er heller ikke opplyst om noen plattformer eller domeneregistratorer har tiltalt mot sidene.
Ingen attribusjon – og det er poenget
VisionHeight tilskriver ikke aktiviteten noen bestemt aktør, og det foreligger ingen opplysninger om hvem som står bak eller hvor de opererer fra. For Daniel er det dessuten ikke det viktigste spørsmålet. Daniel argumenterer overfor CyberScoop for at hvem som står bak kampanjen, og hva deres endelige mål er, er mindre viktig enn utsiktene til at denne typen operasjoner er lett reproduserbare for både utenlandske og innenlandske aktører som ønsker å påvirke hvordan AI-systemer svarer på spørsmål om politiske valg.
Den vurderingen peker på noe nytt ved trusselbildet. Klassisk influensmanipulering retter seg mot mennesker – falske profiler, betalt innhold, manipulerte videoer. Denne operasjonen retter seg mot et mellomledd: innhentingssystemene som AI-assistenter bruker når de genererer svar. Kostnaden ved å lage hundrevis av sider med repetitivt, formelpreget innhold er lav, og målet er ikke å overbevise en leser, men å ligge der når en chatbot søker.
Chatboten som valgveileder – og som angrepsflate
Rapporteringen kommer tett i tid på valgene den ser ut til å sikte mot, 3. november 2026 – en periode der mange velgere danner seg et bilde av kandidater og saker, i økende grad også ved å spørre AI-assistenter. Hvis slike tjenester henter informasjon fra nettet, er nettverket av falske lokalaviser et forsøk på å plassere innhold der innhentingen skjer.
Funnene etterlater flere åpne spørsmål. Omfanget er usikkert så lenge hovedkilden er en firmablogg med utdaterte tall og en muntlig oppdatering. Effekten på de store plattformene – Google fremst – er ikke dokumentert utover det enkelte Perplexity-tilfellet. Og det er uvisst om noen har ryddet opp: Ingen opplysninger tyder på at sidene er fjernet eller blokkert.
Det Daniel mener er hovedpoenget, står uansett igje: Metoden krever ingen spesielle ressurser, og den lar seg gjenta. Etter hvert som chatboter får en rolle i politisk informasjonsformidling, blir de selv informasjonsinfrastruktur – og dermed også et angrepsmål.
Kilder: CyberScoop
Network of Fake Local Newspapers in 14 US States Tries to Steer Chatbots' Election Answers
A network of hyperlocal news sites in at least 14 US states appears to have been built for machines, not readers. At least one chatbot is documented to have actually cited the sites.
An Israeli threat intelligence firm has uncovered a coordinated network of fake hyperlocal news sites apparently built to influence what AI chatbots say about candidates in US political elections. The findings, reported by the news site CyberScoop on October 15, 2026, describe an influence operation aimed at the retrieval mechanisms of AI systems rather than at human voters – less than three weeks before the November 3 midterms. And the researcher behind the discovery believes the method is easy to copy for almost any actor.
What was uncovered
VisionHeight, an Israeli threat intelligence firm, published a blog post on Wednesday, October 14, describing the operation as covering six states and 37 websites. But the firm's CTO and co-founder Nitsan Daniel told CyberScoop that they have since discovered the operation spans at least 14 states and 460 pages of content. The gap between the published blog post and Daniel's verbal update is worth noting: the higher figures are thus not documented in any published material, but come from the firm's own claim of recent findings.
According to CyberScoop, the affected states include Arizona, Colorado, Georgia, Indiana, Iowa, Kansas, Michigan, Mississippi, Nevada, North Carolina, Pennsylvania, Texas, Virginia and Wisconsin. At least seven of the states have one or more targeted House races, while other sites focus on races for secretaries of state, state judicial appointments and local offices.
How the mechanism works
The content on the sites is strikingly formulaic. Claims such as "candidate X is the stronger choice" for voters who care about housing, taxes or other policy issues were repeated hundreds of times across the sites, with small linguistic variations tailored to different issues. According to CyberScoop, the sites appear to be written explicitly for AI crawlers that collect web content – not for human readers.
A particularly revealing move: the sites allow crawlers from major US AI companies, in contrast to most established media outlets, which increasingly block them. That means that when a chatbot searches for local information about a political race, the fake sites can actually make it into the retrieval base.
Credibility is then built up circularly. Each state network typically consists of five to six separate sites with names resembling local newspapers – "Wolverine State Report," "Peach State Bulletin" and "Tarheel State Report" are among the named examples. Some present themselves as pure news sites, others as commentary or opinion pieces. The sites cite one another, creating a circular network effect of local credibility: an AI model assessing sources may interpret the mutual citations as a sign that the information is local and established.
What is actually documented
It is important to distinguish between the construction of the network and a documented effect. Most of VisionHeight's research has focused on AI answers in Google search. But according to Daniel, the firm has confirmed that at least one major AI model, Perplexity, linked to and cited one of the sites, Tarheel State Report, as its first source for an answer.
That is the only concretely confirmed effect on a chatbot so far. The extent to which Google and other models actually reuse the network's content in their answers remains unclear. It has also not been stated whether any platforms or domain registrars have taken action against the sites.
No attribution – and that is the point
VisionHeight does not attribute the activity to any particular actor, and there is no information about who is behind it or where they operate from. For Daniel, moreover, that is not the most important question. Daniel argues to CyberScoop that who is behind the campaign, and what their ultimate goal is, matters less than the prospect that this type of operation is easily reproducible for both foreign and domestic actors seeking to influence how AI systems answer questions about political elections.
That assessment points to something new in the threat landscape. Classic influence manipulation targets humans – fake profiles, paid content, manipulated videos. This operation targets an intermediary: the retrieval systems AI assistants use when generating answers. The cost of producing hundreds of pages of repetitive, formulaic content is low, and the goal is not to convince a reader, but to be sitting there when a chatbot searches.
The chatbot as election guide – and as attack surface
The reporting comes close in time to the elections it appears to target, on November 3, 2026 – a period in which many voters form a picture of candidates and issues, increasingly by asking AI assistants. If such services retrieve information from the web, the network of fake local newspapers is an attempt to place content where the retrieval happens.
The findings leave several open questions. The scale is uncertain as long as the primary source is a company blog with outdated figures and a verbal update. The effect on the major platforms – Google foremost – is not documented beyond the single Perplexity case. And it is unknown whether anyone has cleaned up: no information suggests the sites have been removed or blocked.
What Daniel sees as the main point stands regardless: the method requires no particular resources, and it can be repeated. As chatbots take on a role in political information delivery, they become information infrastructure themselves – and thus also a target for attack.
Sources: CyberScoop