خانه متاورس ایران
خانه متاورس ایران
گزارش جدید Unit 42 از Palo Alto Networks از یک حمله سایبری واقعی پرده برداشته است که در آن یک مهاجم انسانی، اجرای بخش عمده عملیات نفوذ را به عاملهای خودکار هوش مصنوعی (AI Agents) سپرده بود. این عاملها توانستند پس از ورود اولیه، ساختار داخلی شبکه را شناسایی کنند، اطلاعات محرمانه و کلیدهای دسترسی را از مخازن کد استخراج کنند، به حسابهای دارای سطح دسترسی بالا برسند و حتی از زیرساخت هوش مصنوعی قربانی برای ادامه عملیات استفاده کنند. کل این زنجیره در کمتر از ۱۰ ساعت انجام شد.
گزارش جدید Unit 42 از Palo Alto Networks از یک حمله سایبری واقعی پرده برداشته است که در آن یک مهاجم انسانی، اجرای بخش عمده عملیات نفوذ را به عاملهای خودکار هوش مصنوعی (AI Agents) سپرده بود. این عاملها توانستند پس از ورود اولیه، ساختار داخلی شبکه را شناسایی کنند، اطلاعات محرمانه و کلیدهای دسترسی را از مخازن کد استخراج کنند، به حسابهای دارای سطح دسترسی بالا برسند و حتی از زیرساخت هوش مصنوعی قربانی برای ادامه عملیات استفاده کنند. کل این زنجیره در کمتر از ۱۰ ساعت انجام شد.
تصور رایج این است که هکر برای نفوذ به یک سازمان باید ساعتها یا روزها بهصورت دستی سیستمها را بررسی و مسیر حمله را مرحلهبهمرحله طراحی کند. اما بررسی Unit 42 نشان میدهد این الگو در حال تغییر است. در این حادثه، مهاجم از مدلهای پیشرفته هوش مصنوعی و چارچوبهای مخصوص هوش مصنوعی عاملمحور استفاده کرد تا بخشهای مختلف عملیات را بهصورت خودکار پیش ببرد. عاملها میتوانستند خروجی ابزارها را تحلیل کنند، تصمیم بعدی را بگیرند، اقدامات لازم را انجام دهند و بر اساس نتیجه، مسیر خود را دوباره تنظیم کنند. Unit 42 میگوید این عملیات شامل بیش از ۵۰ تکنیک از چارچوب MITRE ATT&CK بوده، اما اجرای این زنجیره پیچیده در کمتر از ۱۰ ساعت انجام شده است؛ در حالی که انجام فعالیتی با چنین مقیاسی توسط اپراتورهای انسانی میتوانست حدود دو هفته زمان ببرد.
بر اساس گزارش، مهاجم ابتدا از یک نقطه دسترسی عمومی در قالب API وارد محیط سازمان شد و سپس یک عامل شناسایی خودکار را برای بررسی سرویسهای داخلی و ترسیم معماری شبکه به کار گرفت. در مرحله بعد، عاملهای دیگری سراغ مخازن کد سازمان رفتند و به دنبال اطلاعات حساس مانند توکنهای دسترسی، رمزهای سرویس و سایر اسرار ذخیرهشده در کدها گشتند. این مرحله اهمیت زیادی دارد؛ زیرا یک مخزن کد که بهدرستی مدیریت نشده باشد، میتواند به جای یک ابزار توسعه، به منبعی برای دسترسی به زیرساختهای حیاتی تبدیل شود.
پس از بهدستآوردن برخی توکنهای افشاشده، مهاجم توانست به سیستم مدیریت اسرار سازمان نفوذ کند و اعتبارنامههای مدیریتی سطح بالا را به دست آورد. این دسترسی، امکان حرکت مهاجم به سمت سیستمهای حساستر و در نهایت دستیابی به سطح دسترسی ریشه را فراهم کرد. نکته مهم اینجاست که عاملهای هوش مصنوعی این مراحل را به شکل جدا از یکدیگر انجام نمیدادند؛ بلکه نتایج هر مرحله میتوانست برای تصمیمگیری درباره مرحله بعد مورد استفاده قرار گیرد.
یکی دیگر از بخشهای قابل توجه این حمله، سوءاستفاده از فرایندهای توسعه و استقرار نرمافزار بود. مهاجم تلاش کرد با استفاده از گردشکارهای سفارشی، یک برنامه سازمانی مرتبط با کدنویسی را تحت کنترل بگیرد و کلیدهای دسترسی ابری را استخراج کند. همچنین تلاشهایی برای ایجاد درِ پشتی در تنظیمات Terraform انجام شد. با این حال، یکی از لایههای دفاعی سازمان یعنی محافظت سختگیرانه از شاخههای کد (Branch Protection) مانع از اجرای این بخش از حمله شد. این موضوع نشان میدهد حتی در حملاتی که بخش زیادی از عملیات توسط AI انجام میشود، کنترلهای امنیتی سنتی و درستپیادهسازیشده همچنان میتوانند نقش تعیینکنندهای داشته باشند.
یکی از نگرانکنندهترین یافتههای Unit 42، استفاده مهاجم از زیرساخت هوش مصنوعی خود سازمان قربانی بود. پس از سرقت کلیدهای ابری، مهاجم توانست به نقاط پایانی هوش مصنوعی سازمان دسترسی پیدا کند و از توان پردازشی قربانی بهعنوان بخشی از زیرساخت عملیات خود استفاده کند. به این ترتیب، زیرساختی که برای افزایش بهرهوری سازمان طراحی شده بود، پس از نفوذ میتوانست به ابزاری برای ادامه حمله تبدیل شود. علاوه بر این، ترافیک مربوط به استفاده از سرویسهای AI ممکن است در میان ترافیک عادی سازمان پنهان شود و هزینه پردازش نیز بر عهده قربانی قرار گیرد.
یکی از عجیبترین بخشهای این حادثه، خروجی نهایی عاملهای هوش مصنوعی بود. مهاجم از سیستم خواست گزارشی درباره وضعیت امنیتی سازمان تهیه کند. نتیجه، یک گزارش فنی حدوداً ۸۰ صفحهای بود که دهها مورد از یافتههای مورد سوءاستفاده در جریان حمله را مستند میکرد. این اتفاق نشان میدهد نقش AI در چنین حملاتی صرفاً به اجرای چند دستور محدود نیست. عاملها میتوانند اطلاعات جمعآوریشده در طول عملیات را سازماندهی و از آن برای تحلیل محیط و تهیه خروجیهای ساختاریافته استفاده کنند.
با وجود خودکار بودن بخش قابل توجهی از عملیات، پژوهشگران Unit 42 توانستند نشانههایی از استفاده از عاملهای هوش مصنوعی پیدا کنند. از جمله این نشانهها میتوان به فراخوانی همزمان چند عامل هوش مصنوعی پیشرفته، استفاده از فایلهای Markdown ساختاریافته برای انتقال اطلاعات میان عاملها و نشستهای مختلف و همچنین اسکریپتهای سفارشی اشاره کرد که با احتمال بالا توسط AI تولید شده بودند. Unit 42 همچنین اعلام کرده است که عاملهای هوش مصنوعی در این حمله برای ایجاد چندین مسیر ماندگاری در محیط استفاده شدند؛ از جمله کلیدهای SSH، توابع Serverless، سیاستهای راهاندازی مجدد کانتینرها، هویتهای ابری و خطوط CI/CD.
نکته مهم این گزارش این است که مهاجم برای اجرای این عملیات الزاماً به یک آسیبپذیری ناشناخته و فوقپیشرفته متکی نبود. آنچه عملیات را خطرناک کرد، سرعت و هماهنگی عاملهای هوش مصنوعی بود. AI توانست فعالیتهایی را که در حالت عادی به زمان و نیروی انسانی قابل توجهی نیاز دارند، پشت سر هم و با فاصله بسیار کوتاه انجام دهد. به بیان سادهتر، تهدید اصلی فقط «هوشمندتر شدن هکر» نیست؛ بلکه کوتاهشدن فاصله میان مراحل مختلف حمله است.
در امنیت سایبری، سرعت واکنش همیشه یکی از عوامل کلیدی بوده است. اما زمانی که مهاجم نیز از سیستمهای خودکار و عاملهای AI استفاده کند، پنجره زمانی برای شناسایی و مهار حمله کوچکتر میشود. Unit 42 معتقد است مهاجمان در آینده بهطور فزایندهای عاملهای هوش مصنوعی را وارد مجموعه ابزارهای خود خواهند کرد. این عاملها میتوانند خروجی ابزارهای مختلف را تحلیل کرده و بدون نیاز به دخالت مداوم انسان، مرحله بعدی حمله را اجرا کنند. در چنین شرایطی، سازمانها نمیتوانند صرفاً به بررسیهای دورهای یا واکنش دستی به هشدارها تکیه کنند.
Unit 42 چند رویکرد مشخص برای مقابله با حملات مبتنی بر عاملهای AI پیشنهاد میکند. نخست، فرایندهای مهار حمله باید تا حد امکان خودکار شوند. برای مثال، سازمان باید بتواند در زمان تشخیص نفوذ، اعتبارنامهها را لغو کند، نشستهای OAuth را پایان دهد، خطوط CI/CD را متوقف کند و حسابهای ابری مشکوک را تقریباً همزمان ایزوله کند. از طرف دیگر، زیرساختهای هوش مصنوعی باید مانند یک بخش حیاتی از زیرساخت فناوری اطلاعات مدیریت شوند. سازمانها باید تمام نقاط پایانی مدلها، کلیدهای API، درگاههای MCP و ابزارهای متصل به سیستمهای AI را شناسایی کرده و برای آنها محدودیت نرخ، اصل حداقل دسترسی و ثبت لاگهای دقیق در نظر بگیرند. همچنین شناسایی الگوهای رفتاری غیرعادی اهمیت زیادی دارد؛ مواردی مانند درخواستهای API با حجم بالا، تغییرات سریع وضعیتهای HTTP، احراز هویتهای موازی و استفاده ناگهانی از مدلهای هوش مصنوعی توسط هویتهایی که معمولاً از این سرویسها استفاده نمیکنند، میتوانند نشانههایی از فعالیت عاملهای خودکار باشند.
گزارش جدید Unit 42 یک تغییر مهم در چشمانداز تهدیدات را نشان میدهد: مهاجمان دیگر لزوماً مجبور نیستند تمام مراحل یک عملیات پیچیده را خودشان اجرا کنند. یک مهاجم انسانی میتواند هدف را تعیین کند و بخش قابل توجهی از اجرای عملیات را به مجموعهای از عاملهای هوش مصنوعی بسپارد؛ عاملهایی که میتوانند بهصورت موازی اطلاعات جمعآوری کنند، تصمیم بگیرند، ابزارها را اجرا کنند و بر اساس نتایج به مسیر بعدی بروند. حادثه بررسیشده توسط Unit 42 نشان میدهد این سناریو دیگر صرفاً یک فرضیه آزمایشگاهی نیست و در یک حمله واقعی مشاهده شده است. اکنون برای سازمانها سؤال اصلی این نیست که آیا مهاجمان از AI استفاده خواهند کرد یا نه؛ بلکه این است که آیا زیرساخت دفاعی آنها میتواند با سرعت حملات مبتنی بر عاملهای هوش مصنوعی رقابت کند یا خیر.
برای مطالعه مقالات بیشتر به سایت خانه متاورس ایران سر بزنید.
