هوش مصنوعی محرمانه آنتروپیک توانست از گوشی اندرویدی قفل‌شده داده استخراج کند و از سد امنیتی کروم بگذرد

www.notebookcheck.net

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

مدل هوش مصنوعی محرمانه آنتروپیک با ترکیب آسیب‌پذیری‌ها، مرورگر سافاری، اندروید و دیگر پلتفرم‌ها را هدف قرار می‌دهد.
مدل هوش مصنوعی محرمانه آنتروپیک با ترکیب آسیب‌پذیری‌ها، حملاتی را علیه سافاری، اندروید و دیگر پلتفرم‌ها طراحی می‌کند. منبع تصویر: آنتروپیک

آنتروپیک می‌گوید یک مدل هوش مصنوعی منتشرنشده، با کمک بسیار اندک انسان، پنج زنجیره حمله ساخته است. این حملات می‌توانند داده‌های وب‌سایت‌هایی را که کاربران در آن‌ها وارد حساب کاربری خود شده‌اند افشا کنند، سرورهای ویندوز را از کار بیندازند و دسترسی ریشه به سیستم‌های لینوکس به دست آورند. این شرکت اعلام کرده است که تمام آسیب‌پذیری‌های گزارش‌شده برطرف شده‌اند و هیچ مدرکی در دست نیست که نشان دهد از این حملات در دنیای واقعی استفاده شده باشد.

به گفته آنتروپیک، این مدل هوش مصنوعی که هنوز منتشر نشده است، نقص‌های امنیتی را شناسایی کرده و آن‌ها را به اکسپلویت‌های عملیاتی برای هدف قرار دادن کروم، سافاری، اندروید، ویندوز و لینوکس تبدیل کرده است. شرکت این حملات را در محیط‌های کنترل‌شده آزمایش کرد و آسیب‌پذیری‌ها را به شرکت‌های مسئول گزارش داد. این شرکت‌ها از آن زمان برای رفع تمام این نقص‌ها به‌روزرسانی‌های امنیتی منتشر کرده‌اند.

تیم قرمز مرزی آنتروپیک (Frontier Red Team) پنج زنجیره حمله را شرح داده است که مدل پس از دریافت دستورالعمل‌های اولیه و با کمک محدود انسان طراحی کرده بود. آنتروپیک نام این مدل را اعلام نکرده، زمان احتمالی عرضه آن را مشخص نساخته و توضیح کاملی درباره میزان مشارکت پژوهشگران در مراحل مختلف ارائه نداده است.

در یکی از آزمایش‌ها، هوش مصنوعی چهار آسیب‌پذیری کروم را به هم پیوند داد تا از سندباکس امنیتی مرورگر خارج شود و کد را در خارج از این محیط اجرا کند. در یک نمایش عملی، چند ثانیه پس از بارگذاری یک صفحه مخرب، برنامه ماشین‌حساب در رایانه مک باز شد؛ بدون آنکه به تعامل دیگری از سوی کاربر نیاز باشد. حمله دیگری در سافاری، یکی از قواعد امنیتی را دور زد که مانع دسترسی وب‌سایت‌ها به داده‌های یکدیگر می‌شود. این نقص بالقوه می‌توانست اطلاعات وب‌سایت‌هایی را افشا کند که کاربر در آن‌ها وارد حساب خود شده بود.

آزمایش‌های دیگر، اندروید، ویندوز و لینوکس را هدف قرار دادند. یک اکسپلویت اندروید می‌توانست عکس‌ها و داده‌های دیگر را از گوشی قفل‌شده استخراج کند، اما برای اجرای آن دسترسی فیزیکی به دستگاه از طریق درگاه USB لازم بود. حمله‌ای علیه ویندوز نیز می‌توانست سروری را که درخواست‌های HTTP/3 را می‌پذیرد، به‌طور مکرر از کار بیندازد؛ بااین‌حال، این حمله امکان اجرای کد یا دسترسی به داده‌های ذخیره‌شده را فراهم نمی‌کرد.

اکسپلویت لینوکس از این هم فراتر رفت و به مهاجم اجازه داد از طریق شبکه، بدون ورود به حساب کاربری یا نیاز به هیچ‌گونه تعامل از سوی کاربر، دسترسی کامل مدیر سیستم را به دست آورد. بااین‌حال، اجرای این حمله به پیکربندی شبکه‌ای مشخصی نیاز داشت و روی همه سیستم‌های لینوکس کار نمی‌کرد.

آنتروپیک این یافته‌ها را نشانه‌ای از آن می‌داند که هوش مصنوعی می‌تواند به پژوهشگران در شناسایی و رفع آسیب‌پذیری‌ها پیش از سوءاستفاده مهاجمان کمک کند. در عین حال، این آزمایش‌ها خطر مدل‌هایی را نیز برجسته می‌کنند که قادرند چند نقص امنیتی جداگانه را به یک حمله کامل تبدیل کنند. بااین‌حال، آزمایش‌ها در محیط آزمایشگاهی انجام شده‌اند و مدرکی محسوب نمی‌شوند که نشان دهد از این زنجیره‌های حمله در حملات واقعی استفاده شده است.

اندرو سوزینوف، نویسنده حوزه فناوری

من از دوران کودکی به رایانه‌ها، تجهیزات الکترونیکی و فناوری‌های نوین علاقه‌مند بوده‌ام. از دوران دبیرستان نوشتن اخبار فناوری اطلاعات را آغاز کردم و بیش از ۱۰ سال است که به‌طور پیوسته در این حوزه فعالیت می‌کنم. در این مدت با رسانه‌های مختلفی همکاری داشته‌ام و اکنون دبیر اخبار در وب‌سایت 3DNews هستم. گاهی نیز نقد و بررسی گوشی‌های هوشمند می‌نویسم. در ژوئیه ۲۰۲۴ تصمیم گرفتم نوشتن خبر برای Notebookcheck را هم تجربه کنم. در اوقات فراغت، بازی‌های ویدئویی انجام می‌دهم، معما حل می‌کنم و به سفر می‌روم.

اندرو سوزینوف، ۲۸ اکتبر ۲۰۲۶؛ به‌روزرسانی: ۲۸ اکتبر ۲۰۲۶