گوگل از تبدیل خودکار وصلههای امنیتی به ابزارهای بهرهبرداری توسط عاملهای هوش مصنوعی خبر داد
گزارش تازه گروه اطلاعات تهدید گوگل (GTIG) نشان میدهد مهاجمان سایبری با استفاده از مدلهای زبانی بزرگ (LLM) و چارچوبهای چندعاملی، میتوانند بدون دخالت انسان آسیبپذیریهای امنیتی را شناسایی و از آنها سوءاستفاده کنند. پژوهشگران این تحول را نقطه عطفی مهم در چشمانداز تهدیدهای مبتنی بر هوش مصنوعی توصیف کردهاند. یافتههای گزارش نشان میدهد شکاف میان سرعت حملات ماشینی و توان دفاعی انسانها در حال افزایش است؛ مسئلهای که نگرانیها درباره پیشی گرفتن مهاجمان خودکار از تیمهای امنیت سازمانی را تشدید میکند.
به گفته GTIG، پژوهشگران برای نخستین بار استفاده مهاجمان از چارچوبهای مبتنی بر مدلهای زبانی بزرگ را مشاهده کردهاند که تمام مراحل تحقیق درباره آسیبپذیریها و بهرهبرداری از آنها را بدون حضور انسان خودکار میکنند. پژوهشگران در فاصله ژوئیه تا سپتامبر ۲۰۲۶، یک سرور آزمایشیِ در معرض دسترسی عمومی را شناسایی کردند که سامانهای با نام exploit_agent روی آن میزبانی میشد. این چارچوب چندعاملی با چندین مدل زبانی بزرگ پیشرفته و محلی سازگار است و بهطور مداوم نسخههای وصلهشده و وصلهنشده برنامههای کاربردی محبوب تحت وب را با یکدیگر مقایسه میکند. سامانه مذکور میتواند آسیبپذیریهای احتمالی را شناسایی کند، ابزارهای بهرهبرداری از آنها را بسازد و بهصورت خودکار به اجرا درآورد؛ آن هم بدون هیچگونه دخالت انسانی.
پژوهشگران GTIG در گزارش خود نوشتند: «با زنجیره کردن این قابلیتها، مهاجمان میتوانند فاصله زمانی میان انتشار اطلاعات مربوط به یک وصله امنیتی و تبدیل آن به ابزاری عملیاتی برای حمله را بهشدت کاهش دهند.»
پژوهشگران همچنین اسکریپتهایی را شناسایی کردند که فعالیتهای پس از نفوذ را تسهیل میکنند؛ از جمله شناسایی شبکه داخلی، حملات جستوجوی فراگیر برای حدس زدن اطلاعات دسترسی و نصب وبشلها. دادههای تلهمتری مربوط به قربانیان نشان داد که گردانندگان این سامانه، وبسایتهای فرانسوی فعال در حوزههای رسانه، سرگرمی و آموزش را هدف قرار داده بودند.
در نسخههای پیشین گزارش فصلی گوگل درباره تهدیدهای هوش مصنوعی، تنها نمونههایی از خودکارسازی بخشی از مراحل عملیات سایبری ثبت شده بود.
افزایش فشار بر مهلت زمانی وصلهگذاری در سازمانها
پژوهشگران GTIG برای نشان دادن اینکه مهاجمان در حال عملیاتی کردن فرایندهای کاملاً خودکار شناسایی و بهرهبرداری از آسیبپذیریها هستند، به حملاتی در اوت ۲۰۲۶ اشاره کردند که در آنها از آسیبپذیریهای سرورهای مدیریت چاپ PaperCut سوءاستفاده شده بود. به گفته پژوهشگران شرکت GreyNoise، مهاجمان ظاهراً با استفاده از مدلهای زبانی بزرگ ابزارهای بهرهبرداری از این آسیبپذیریها را توسعه داده و در جریان کارزاری گسترده، صدها سازمان را هدف قرار داده بودند.
این گزارش نگرانیها درباره افزایش سرعت سوءاستفاده از آسیبپذیریهای انروزه را نیز تقویت میکند. این اصطلاح به نقصهای امنیتی شناختهشدهای اشاره دارد که در محیطهای سازمانی، گاهی ماهها یا حتی سالها بدون دریافت وصله باقی میمانند. کارشناسان هشدار دادهاند که با پیشرفتهتر شدن ابزارهای خودکار مقایسه نسخههای نرمافزاری و توسعه کدهای بهرهبرداری، مدافعان فرصت بسیار کمتری برای شناسایی و رفع آسیبپذیری سامانهها خواهند داشت.
جیسون الدرود، مدیر ارشد امنیت اطلاعات در نظام سلامت MultiCare، گفت: «چرخههای سنتی وصلهگذاری دیگر پاسخگو نیستند و برای برخی اصلاحات امنیتی باید بهجای چند روز یا چند هفته، ظرف چند ساعت اقدام کرد.»
GTIG هشدار داده است که با گسترش دسترسی به چارچوبهای متنباز و چندعاملی تهاجمی، مانند Artex، Cairn، CyberStrikeAI و PentAGI، روشهای عملیاتی مهاجمان همچنان تکامل پیدا خواهند کرد. بسیاری از مدیران ارشد امنیت اطلاعات نیز معتقدند برای مقابله با حملاتی که با سرعت ماشین انجام میشوند، به ابزارهایی با قابلیتهای مشابه نیاز دارند.
باب لیک، مدیر ارشد فناوری اطلاعات شهرستان کلارک در ایالت نوادا، گفت: «برای مقابله با تهاجم مبتنی بر هوش مصنوعی، باید از دفاع مبتنی بر هوش مصنوعی نیز استفاده کنیم.» او افزود که خودکارسازی یکی از اولویتهای اصلی امنیت سایبری این شهرستان در سال آینده خواهد بود.
مهاجمان هوش مصنوعی فعلاً سرعت را به پنهانکاری ترجیح میدهند
به گفته GTIG، چارچوبهای عاملمحور فعلی برای دستیابی به سرعت بیشتر، از پنهانکاری چشمپوشی میکنند. این ابزارها ترافیک شبکه سنگینی ایجاد میکنند و ردپاهایی در سطح کد بر جای میگذارند که احتمال شناسایی آنها را افزایش میدهد. بااینحال، پژوهشگران پیشبینی میکنند همزمان با پیشرفت ابزارهای هوش مصنوعی، این وضعیت تغییر کند.
گروههای تهدیدی که پنهانکاری و حفظ دسترسی بلندمدت به سامانههای قربانی را در اولویت قرار میدهند، مانند گروههای جاسوسی سایبری، احتمالاً از ابزارهای هوش مصنوعیای که ردپای فنی آشکاری بر جای میگذارند، استقبال نخواهند کرد. بااینحال، پژوهشگران هشدار دادهاند که بسیاری از مجرمان سایبری با انگیزه مالی ممکن است برای دستیابی به سرعت بیشتر، از پنهان ماندن صرفنظر کنند و به ابزارهای خودکار روی بیاورند؛ زیرا «گستردهتر شدن دامنه کارزارهای آنها احتمالاً کاهش نرخ موفقیت را جبران خواهد کرد.»
این شرایط نشان میدهد که در ماههای آینده فشار بر تیمهای دفاع سایبری همچنان افزایش خواهد یافت.
نیل وایلر، معاون خدمات دفاعی شرکت خدمات امنیت سایبری Coalfire و مسئول ارشد عملیات شبکه در رویداد Black Hat، گفت: «هوش مصنوعی زمان اجرای حملات را از چند روز به چند دقیقه کاهش میدهد؛ بنابراین، زمان لازم برای شناسایی تهدید و مهار آن نیز باید به همان نسبت کوتاه شود.»
آلیسا ایرئی، خبرنگار ارشد TechTarget در حوزه اخبار امنیت سایبری است.
