نسخه‌های جعلی کلود و چت‌جی‌پی‌تی توسعه‌دهندگان را فریب می‌دهند؛ ثبت ۱٬۲۵۸ حمله در شش ماه
نسخه‌های جعلی کلود و چت‌جی‌پی‌تی توسعه‌دهندگان را فریب می‌دهند؛ ثبت ۱٬۲۵۸ حمله در شش ماه
دانلودهای جعلی کلود و چت‌جی‌پی‌تی که با دست‌کاری نتایج جست‌وجو تبلیغ می‌شوند، بدافزار منتشر می‌کنند و اطلاعات ورود کاربران را می‌دزدند.
نویسنده: مانوئل بوسکه
۱۷ اکتبر ۲۰۲۶؛ به‌روزرسانی: ۱۷ اکتبر ۲۰۲۶، ساعت ۷ صبح
شرکت Any.Run پژوهش تازه‌ای درباره حملات مبتنی بر جعل چت‌بات‌ها و ابزارهای توسعه‌دهندگان منتشر کرده است. این شرکت طی شش ماه گذشته ۱٬۲۵۸ مورد حمله را ثبت کرده است. از نظر Any.Run، این آمار نشان می‌دهد که چنین حملاتی به تهدیدی فراگیر برای سازمان‌ها تبدیل شده‌اند.
بر اساس این گزارش، مهاجمان بیش از همه خود را به‌جای کلود، محصول شرکت آنتروپیک، جا می‌زنند؛ این ابزار در ۶۰ درصد موارد مشاهده شده است. چت‌جی‌پی‌تی یا کدکس، محصولات OpenAI، نیز در مجموع ۳۳ درصد موارد را به خود اختصاص داده‌اند. مهاجمان برای فریب کاربران از دست‌کاری نتایج موتورهای جست‌وجو (SEO poisoning)، تبلیغات مخرب، صفحات دانلود جعلی و پیوندهای میزبانی‌شده‌ای استفاده می‌کنند که معتبر به نظر می‌رسند. هدف آن‌ها این است که کاربران را وادار کنند فرمان‌هایی را در ترمینال وارد کنند، نصب‌کننده‌های جعلی را اجرا کنند یا اطلاعات ورود خود را در پنجره‌های ورود تقلبی بنویسند.
Any.Run می‌گوید نزدیک به نیمی از این کارزارها به روش‌های فریب موسوم به ClickFix متکی بوده‌اند. در ۲۷ درصد موارد، از ترفندهای جعلی نصب در خط فرمان با عنوان «InstallFix» استفاده شده است؛ ۱۷ درصد به روش‌های متداول ClickFix مبتنی بر صفحات جعلی مربوط می‌شد و ۲۵ درصد نیز شامل گفت‌وگوها یا فایل‌هایی با موضوع چت‌بات‌ها بود. وجه مشترک همه این حملات، اتکا به مهندسی اجتماعی برای فریب افراد بود، نه سوءاستفاده مستقیم از آسیب‌پذیری‌های نرم‌افزاری.
برای شما و کسب‌وکارتان، پیامد چنین حمله‌ای می‌تواند سرقت اطلاعات با بدافزارهای اطلاعات‌دزد یا تروجان‌های دسترسی از راه دور باشد. در این صورت، کد منبع، اطلاعات احراز هویت سرویس‌های ابری، توکن‌های توسعه‌دهندگان، نشست‌های فعال کاربران و حساب‌های تبلیغاتی و صورت‌حساب ممکن است افشا شوند. مخازن کد، سامانه‌های استقرار نرم‌افزار و محیط‌های عملیاتی نیز در معرض خطر قرار می‌گیرند؛ همه این اتفاق‌ها ممکن است از طریق آلوده‌شدن تنها یک دستگاه رخ دهند.
اگر دستیارهای برنامه‌نویسی یا ابزارهای بهره‌وری را دانلود می‌کنید، مطالعه این گزارش می‌تواند برایتان مفید باشد. Any.Run ابزارهای مجرمانه مبتنی بر مدل‌های زبانی بزرگ (LLM) را با ۵۵ درصد از موارد گزارش‌شده جرایم سایبری در آفریقا و یک مورد از هر پنج حمله در آمریکای لاتین مرتبط می‌داند. این گزارش همچنین به اکوسیستم گسترده‌تری از ابزارها، از جمله WormGPT، FraudGPT و LLMshare، اشاره می‌کند. متن کامل یافته‌ها را می‌توانید در گزارش Any.Run بخوانید.