اف‌بی‌آی هشدار داد: هکرها با استفاده از چارچوب هوش مصنوعی ARTEX حملات سایبری به بخش‌های انرژی، تولید و مخابرات را خودکار می‌کنند

industrialcyber.co

انتشار در منبع: انتشار در سایت ما:

مقاله اصلی · English

هشدار اف‌بی‌آی درباره استفاده هکرها از چارچوب هوش مصنوعی ARTEX برای خودکارسازی حملات سایبری

اداره تحقیقات فدرال آمریکا (اف‌بی‌آی) در یک هشدار فوری اعلام کرد هکرها از ARTEX، چارچوب متن‌باز و مبتنی بر مدل‌های زبانی بزرگ (LLM) برای آزمون نفوذ خودکار، استفاده می‌کنند تا مراحل مختلف حملات سایبری را خودکارسازی کنند؛ از شناسایی اهداف و دستیابی اولیه گرفته تا ارتقای سطح دسترسی و خارج‌کردن اطلاعات. این نهاد اعلام کرد عوامل مخرب سایبری دست‌کم از ماه اوت از این چارچوب برای هدف قرار دادن سازمان‌های فعال در حوزه‌های خدمات مالی، دولت، فناوری، دفاع، نیمه‌رساناها، انرژی، بهداشت و درمان، تولید، مخابرات و خدمات حقوقی استفاده کرده‌اند. در برخی از این نفوذها، مهاجمان کمتر از سه ساعت پس از آغاز عملیات توانسته‌اند به سطح دسترسی ممتاز دست پیدا کنند.

اف‌بی‌آی در گزارش خود به کارزارهایی اشاره کرده است که مؤسسات مالی کره جنوبی را هدف قرار دادند و به سرقت اطلاعات شخصی حدود ۶۷ هزار نفر انجامیدند. همچنین، نفوذ به زنجیره تأمین مشتریان ConnectWise Cloud Backup امکان دسترسی به بیش از ۲۲۵۰ مستأجر پایین‌دستی را فراهم کرد. این چارچوب با استفاده از عامل‌های تخصصی هوش مصنوعی، اهداف کلی اعلام‌شده از سوی کاربر را به دستورهای قابل اجرا توسط ماشین تبدیل می‌کند و پس از دریافت دستورهای اولیه، به مداخله انسانی اندکی نیاز دارد.

ARTEX یک پلتفرم خودکار و چندعاملی برای آزمون نفوذ است که با زبان برنامه‌نویسی Go توسعه یافته است. این ابزار اهداف تاکتیکی کلی را که به زبان طبیعی توصیف شده‌اند، به دستورهای ماشینی تبدیل می‌کند و عامل‌های تخصصی ابرهوشمند (SI) آن را اجرا می‌کنند؛ بنابراین، به‌جز تعیین هدف اولیه، دخالت انسان بسیار محدود است. اگرچه توسعه‌دهنده اولیه پس از انتشار گزارش‌هایی درباره استفاده مخرب از این ابزار، مخزن آن را در ماه اکتبر از گیت‌هاب حذف کرد، ARTEX همچنان از طریق نسخه‌های انشعابی جامعه کاربران، نسخه‌های بایگانی‌شده، نسخه‌های بومی‌سازی‌شده و یک محصول تجاری در دسترس است.

پژوهشگران در اوایل ماه نوامبر بیش از ۱۶۰۰ نمونه از کنسول‌های ARTEX را شناسایی کردند که به‌صورت عمومی در اینترنت قابل دسترسی بودند. شمار واقعی استقرارهای این ابزار احتمالاً بیشتر است، زیرا سامانه‌های خصوصی و نمونه‌های محافظت‌شده با دیواره آتش در این آمار لحاظ نشده‌اند.

اف‌بی‌آی هشدار داده است که این چارچوب، موانع فنی انجام حملات پیچیده را کاهش می‌دهد، عملیات هم‌زمان علیه چندین هدف را سرعت می‌بخشد و از ضعف سامانه‌هایی بهره‌برداری می‌کند که معمولاً از توجه امنیتی کمتری برخوردارند؛ از جمله درگاه‌های تأمین‌کنندگان، سرویس‌های قدیمی، یکپارچه‌سازی‌های شخص ثالث و زیرساخت‌های ابری. این نهاد از سازمان‌ها خواسته است سطح حمله سامانه‌های در معرض اینترنت را کاهش دهند، کنترل‌های هویت و دسترسی را تقویت کنند، فعالیت برنامه‌ها را زیر نظر بگیرند و شواهد مربوط به نفوذهای احتمالی را حفظ کنند.

چارچوب ARTEX مدل SI اختصاصی خود را ارائه نمی‌کند، بلکه به ارائه‌دهندگان خارجی مدل‌های زبانی بزرگ متصل می‌شود. این ارائه‌دهندگان شامل مدل‌های پیشرفته‌ای مانند Claude شرکت Anthropic و GPT شرکت OpenAI و همچنین مدل‌های متن‌باز یا توسعه‌یافته در چین، از جمله DeepSeek، GLM، Grok و Kimi هستند. بررسی نمونه‌های ARTEX تحت کنترل مهاجمان نشان می‌دهد مدل‌های چینی بیشترین میزان استفاده را دارند. در این میان، خانواده DeepSeek Flash به دلیل ایجاد تعادل میان توانایی و هزینه پایین، بیش از سایر مدل‌ها به کار گرفته شده است. همچنین، در درخواست‌هایی که در قالب آزمون نفوذ مطرح می‌شوند، هیچ سازوکار محدودکننده قابل مشاهده‌ای در این مدل‌ها مشاهده نشده است.

توسعه‌دهنده این ابزار که با نام مستعار «Autumn-27» فعالیت می‌کند، نخستین نسخه ARTEX را در ژوئیه ۲۰۲۶ در گیت‌هاب منتشر کرد. این ابزار به‌سرعت مورد استقبال قرار گرفت و طی حدود ۱۰ هفته، تعداد ستاره‌های آن به رقمی بین ۱۵۰۰ تا ۲۰۰۰ رسید. توسعه‌دهنده اعلام کرده بود که هدف از ساخت این ابزار، انجام آزمون‌های امنیتی مجاز در محدوده‌های مشخص است. با این حال، پس از انتشار گزارش‌هایی درباره سوءاستفاده هکرها، مخزن آن را در اوایل اکتبر ۲۰۲۶ از دسترس خارج کرد. این اقدام تأثیر چندانی بر محدود کردن دسترسی نداشت، زیرا ARTEX همچنان از مسیرهای مستقل و نسخه‌های آینه‌ای در پلتفرم‌های اشتراک کد به‌طور گسترده در دسترس است.

با توجه به قابلیت‌های مشاهده‌شده و استقبال مستمر عوامل تهدید از این ابزار، ARTEX چند خطر مشخص ایجاد می‌کند. نخستین خطر، افزایش سرعت عملیات هم‌زمان علیه چندین هدف است. عامل‌های ابرهوشمند این چارچوب، مراحل زمان‌بر شناسایی و بهره‌برداری از آسیب‌پذیری‌ها را خودکار می‌کنند. در نتیجه، حتی گروه‌های کوچک مهاجم نیز می‌توانند کارزارهای نفوذ هم‌زمانی را در مقیاسی اجرا کنند که پیش‌تر از توان آن‌ها خارج بود. دومین خطر، بهره‌برداری از سطوح حمله کمتر مورد توجه است. ARTEX در شناسایی و سوءاستفاده از سامانه‌های جانبی که در مقایسه با برنامه‌های اصلی کمتر تحت نظارت امنیتی قرار دارند، توانایی ویژه‌ای دارد. این سامانه‌ها شامل درگاه‌های شرکا و تأمین‌کنندگان، زیرساخت‌های پشتیبان برنامه‌های موبایل، اپلیکیشن‌های کارکنان، سامانه‌های پشتیبانی فروش، سرویس‌های قدیمی، یکپارچه‌سازی‌های شخص ثالث و برنامه‌هایی هستند که واحدهای مختلف یک سازمان ایجاد کرده‌اند.

سومین خطر، نفوذ به زنجیره تأمین است. عامل‌های این چارچوب پیش‌تر نشان داده‌اند که می‌توانند مسیرهای حمله به زنجیره تأمین را شناسایی و از آن‌ها سوءاستفاده کنند؛ از جمله تغییر زیرساخت توزیع برنامه‌های iOS با استفاده از اطلاعات ورود افشاشده در فضای ابری. از آنجا که عامل‌های خودکار قادرند روابط مبتنی بر اعتماد را به‌صورت نظام‌مند میان سازمان‌ها ترسیم کنند، مهاجمان می‌توانند با کمک ARTEX به یک فروشنده شخص ثالث ضعیف‌تر، خط لوله یکپارچه‌سازی و تحویل مداوم نرم‌افزار (CI/CD) یا ارائه‌دهنده نرم‌افزار یکپارچه نفوذ کنند و سپس از این تأمین‌کننده جانبی به شبکه‌های سازمانی بالادستی و باارزش راه یابند.

این ابزار همچنین آستانه مهارت لازم برای انجام حملات را پایین می‌آورد و به مهاجمانی با دانش فنی محدود امکان می‌دهد کارزارهای پیچیده و پیشرفته‌ای اجرا کنند. خطر دیگر، کوتاه شدن فرصت شناسایی و واکنش به حمله است. ARTEX حجم زیادی از ترافیک تولید می‌کند که از نظر تحلیل جرم‌شناختی و بررسی شواهد، الگوهای غیرعادی و پرنویز دارد و ممکن است هشدارهای امنیتی را فعال کند؛ اما سرعت اجرای حملات باعث می‌شود مدافعان پیش از تکمیل هدف مهاجم، فرصت اندکی برای هماهنگی و واکنش داشته باشند.

اف‌بی‌آی توصیه کرده است سازمان‌ها پیش از هرگونه اقدام، از جمله مسدودسازی، شاخص‌های نفوذ (IOC) را بررسی و اعتبارسنجی کنند. این نهاد خاطرنشان کرده است که زیرساخت‌های مورد استفاده برای فعالیت‌های مخرب ممکن است روی پلتفرم‌های ابری یا مجازی میزبانی شوند؛ پلتفرم‌هایی که در آن‌ها نشانی‌های IP به‌صورت پویا یا موقت تخصیص داده می‌شوند. بنابراین، نشانی‌ای که در مقطعی با فعالیت مخرب ارتباط داشته است، ممکن است بعداً به یک سرویس بی‌ضرر اختصاص یابد. بر همین اساس، این شاخص‌ها باید به‌عنوان زیرساخت‌هایی تفسیر شوند که در بازه زمانی فعالیت مورد بررسی، سابقه استفاده داشته‌اند. همچنین، هنگام استفاده از آن‌ها برای اقدامات دفاعی یا تحقیقات، باید اطلاعاتشان با داده‌های به‌روز ترافیک شبکه یا منابع اطلاعاتی تکمیلی تطبیق داده شود.

این نهاد اعلام کرده است افرادی که وقوع حادثه‌ای مرتبط با ARTEX یا چارچوب‌های مشابه SI عامل‌محور را گزارش می‌کنند، باید مجموعه گسترده‌ای از شواهد را ارائه دهند که نخستین بخش آن به خود زیرساخت مربوط می‌شود. این اطلاعات شامل کد منبع یا تصاویر صفحه کنسول‌های مشکوک ARTEX و همچنین هرگونه فایل پیکربندی این ابزار است.

گزارش‌ها باید حاوی سوابق احراز هویت و دسترسی نیز باشند. این اطلاعات باید گزارش‌های ورود سرویس‌پرینسیپال‌ها را در بر بگیرد که در آن‌ها شبکه‌های مبدأ، شماره سامانه‌های خودمختار (ASN)، ارائه‌دهندگان میزبانی یا موقعیت‌های جغرافیایی غیرعادی ثبت شده‌اند. رشته‌های عامل کاربر (User-Agent) مربوط به تلاش‌های مشکوک برای احراز هویت، جزئیات نشانی IP و زمان ورودها و هرگونه نشانه احراز هویت از زیرساخت‌هایی که پیش‌تر مشاهده نشده‌اند نیز باید ارائه شوند. گزارش‌دهندگان همچنین باید سوابق فعالیت برنامه‌ها و APIها را اضافه کنند؛ از جمله فعالیت Microsoft Graph، گزارش‌های ممیزی Microsoft Entra و سوابق ممیزی Microsoft 365 که نشانه‌هایی از شناسایی و بررسی اولیه اهداف را نشان می‌دهند. درخواست‌های جست‌وجوی متوالی، دسترسی غیرمعمول به تعداد زیادی از رکوردها در هر نشست در درگاه‌های شرکا یا کارکنان، نقض محدودیت نرخ درخواست و ناهنجاری‌های حجمی در فراخوانی‌های API نیز از جمله شواهد مهم هستند.

شاخص‌های مربوط به زیرساخت مدل‌های زبانی بزرگ و SI مورد استفاده در حمله نیز به همان اندازه ارزشمندند. این شاخص‌ها شامل اتصال‌های خروجی به نقاط پایانی API مدل‌های زبانی بزرگ، شواهد مربوط به درگاه‌های میزبانی داخلی LLM یا نرم‌افزارهای فروش مجدد مانند CLIProxyAPI و New API، وجود پراکسی‌ها یا واسطه‌های فروش ناشناخته LLM در گزارش‌های ترافیک خروجی و الگوهای غیرعادی مصرف توکن یا صورتحساب API هستند.

در بخش زیرساخت ابری، گزارش‌دهندگان باید گزارش‌های فعالیت AWS IAM، اجرای آزمایشی و اعتبارسنجی بدون اعمال تغییرات در استقرارهای Azure ARM برای انواع مختلف منابع و عملیات آزمایشی نوشتن و حذف فایل‌های Blob در فضای ذخیره‌سازی ابری با فاصله زمانی کمتر از یک ثانیه را ارائه کنند. شواهد مربوط به افشای اطلاعات احراز هویت Kudu یا SCM، فعالیت غیرعادی APIهای Kudu، گزارش‌های ارکستراسیون کانتینرها و درخواست‌های ارسال‌شده به سرویس فراداده ابری نیز باید در گزارش گنجانده شوند. فرض‌کردن غیرمنتظره نقش‌های IAM، عملیات PassRole و تغییرات پروفایل نمونه‌ها از دیگر مواردی هستند که باید ثبت شوند.

آثار بهره‌برداری از آسیب‌پذیری‌ها و ایجاد ماندگاری در سامانه نیز اهمیت دارند. این شواهد شامل وب‌شل‌ها، مؤلفه‌های BLOODALCHEMY، شاخص‌های تروجان‌های دسترسی از راه دور متن‌باز (RAT) مانند WISP، vshell و AdaptixC2، حساب‌های تازه‌ای که از الگوهای نام‌گذاری مشخص پیروی می‌کنند و تغییر اطلاعات اعتبارنامه برنامه‌های OAuth است. افزودن کلیدهای SSH، تخصیص Elastic IP و راه‌اندازی غیرمنتظره نمونه‌های EC2 یا ماشین‌های مجازی Azure نیز باید گزارش شوند. گزارش‌دهندگان همچنین باید ویژگی‌های خود حمله را شرح دهند؛ از جمله انفجارهای فشرده فعالیت در بازه‌های کوتاه، حجم بالای تلاش‌های ناموفق که به‌صورت تکراری و تدریجی تغییر می‌کنند، جایگزین شدن خروجی عامل‌های فرعی توسط یکدیگر یا تولید درخواست‌های تکراری و ارسال انبوه اعلان‌ها یا ایمیل‌ها از طریق برنامه‌های به‌خطر‌افتاده.

در نهایت، گزارش باید میزان خسارت و تأثیر حادثه را مشخص کند. این اطلاعات شامل تعداد کل حساب‌های به‌خطر‌افتاده یا کاربران آسیب‌دیده، انواع و حجم داده‌های مشاهده‌شده یا خارج‌شده از سازمان، فاصله زمانی میان نخستین فعالیت مشکوک تا شناسایی حادثه، مدت‌زمان بین شناسایی و مهار آن و مجموع خسارت مالی احتمالی یا تلاش‌شده است.

اولویت فوری اف‌بی‌آی برای سازمان‌ها در مواجهه با ARTEX و چارچوب‌های مشابه SI عامل‌محور، کوچک کردن سطح حمله خارجی است. نخستین گام در این مسیر، تهیه فهرستی کامل از تمام برنامه‌های در معرض اینترنت است؛ به‌ویژه سامانه‌های جانبی مانند درگاه‌های شرکا و تأمین‌کنندگان، زیرساخت‌های پشتیبان برنامه‌های موبایل، اپلیکیشن‌های کارکنان، سامانه‌های پشتیبانی فروش، سرویس‌های قدیمی و یکپارچه‌سازی‌های شخص ثالث. سرویس‌های حساس، از جمله مدیریت فضای ابری، مدیریت تجهیزات شبکه، نقاط پایانی انتشار Kudu و SCM، هایپروایزرها و پلتفرم‌های پشتیبان‌گیری، باید به شبکه‌های مورد اعتماد یا مسیرهای اختصاصی مدیریت محدود شوند.

احراز هویت پایه برای انتشار برنامه‌ها باید در مواردی که ضرورتی ندارد غیرفعال شود. همچنین، استفاده از الگوهای استقرار Run-from-Package می‌تواند مورد توجه قرار گیرد. پیش از اختصاص نشانی IP عمومی به هر بار کاری یا رابط مدیریتی نیز باید بررسی معماری انجام شود. در صورت امکان، برنامه‌های سازمانی باید پشت راهکارهای دسترسی مبتنی بر اعتماد صفر (Zero Trust) قرار گیرند تا دیگر مستقیماً در معرض اینترنت نباشند.

در زمینه حفاظت از هویت و برنامه‌ها، این راهنما بر اجرای اصل حداقل سطح دسترسی برای مجوزها و اعطای رضایت به برنامه‌های چندمستأجری تأکید می‌کند. سازمان‌ها باید افزودن اعتبارنامه‌ها، تخصیص سطح دسترسی و فعالیت‌های غیرعادی صرفاً مبتنی بر برنامه را با دقت زیر نظر بگیرند. سازمان‌هایی که پیش‌تر برنامه‌های ConnectWise تحت تأثیر این حملات را نصب یا مجاز کرده‌اند، باید تمام مستأجرهای Microsoft 365 مرتبط را بررسی کنند. در این بررسی باید به‌جای نام نمایشی برنامه، شناسه آن مبنا قرار گیرد. همچنین، ورودهای موفق و ناموفق سرویس‌پرینسیپال‌ها باید جداگانه بررسی شوند و نباید صرفاً به نشانی‌های IP منتشرشده از سوی فروشنده اعتماد کرد.

سوابق ممیزی Microsoft Entra نیز باید از نظر ایجاد اعتبارنامه‌های جدید، سرویس‌پرینسیپال‌ها، تخصیص نقش‌ها و اعطای مجوزها بررسی شوند. در صورت تأیید فعالیت مشکوک، باید مجوزها لغو و اعتبارنامه‌ها تعویض شوند. برای APIهای تجاری باید تدابیر حفاظتی مانند محدودیت نرخ درخواست و تعیین آستانه تراکنش در نظر گرفته شود. درگاه‌ها نیز باید هنگام مشاهده درخواست‌های جست‌وجوی متوالی یا دسترسی غیرمعمول به حجم زیادی از رکوردها هشدار صادر کنند. برنامه‌ها نباید اطلاعات داخلی یا جزئیات خطاهای اجرایی را در اختیار کاربران احراز هویت‌نشده قرار دهند. تیم‌های امنیتی همچنین باید پیکربندی‌ها، خط لوله‌های توسعه، مخازن کد و تصاویر کانتینرها را از نظر وجود اطلاعات محرمانه تعبیه‌شده بررسی و هرگونه اطلاعات افشاشده را تعویض کنند.

در صورت مشکوک بودن به وقوع حادثه، شواهد باید بدون به‌تأخیر انداختن اقدامات فوری برای مهار تهدید حفظ شوند. این شواهد شامل گزارش‌های ورود و ممیزی Microsoft Entra، سوابق Purview Audit، داده‌های سامانه مدیریت اطلاعات و رویدادهای امنیتی (SIEM) و هرگونه داده تله‌متری Microsoft Graph است که از قبل پیکربندی شده باشد. بررسی فعالیت‌های مرتبط با ConnectWise باید دست‌کم به اول اکتبر ۲۰۲۶ بازگردد و در صورت مشاهده ناهنجاری‌های قدیمی‌تر، بازه زمانی گسترده‌تری را پوشش دهد. حذف اعتبارنامه‌ها، مجوزها، مالکان و هویت‌های غیرمجاز تأییدشده باید فقط توسط نیروهای دارای مجوز و پس از ثبت و حفظ شواهد انجام شود. اتصال برنامه‌های ConnectWise آسیب‌دیده نیز باید تا زمان انتشار دستورالعمل رسمی بازیابی از سوی فروشنده غیرفعال باقی بماند. همچنین، نباید برنامه‌های سازمانی مرتبط را در نخستین اقدام حذف کرد، زیرا این کار می‌تواند به از بین رفتن پیکربندی‌ها و شواهد منجر شود.

آنا ریبیرو
دبیر اخبار امنیت سایبری صنعتی. آنا ریبیرو روزنامه‌نگاری مستقل است که بیش از ۱۴ سال در حوزه‌های امنیت، ذخیره‌سازی داده، مجازی‌سازی و اینترنت اشیا تجربه دارد.