عوامل تهدید (Threat Actors) بهطور فزایندهای داراییهای هوش مصنوعی سازمانها، از جمله اعتبارنامهها (Credentials)، محیطهای ابری و دادههای پژوهشی را هدف قرار دادهاند تا از آنها برای عملیاتی کردن قابلیتهای AI در حملات خود استفاده کنند. اکنون، روشی پیچیده برای پنهان کردن استفاده غیرقانونی از منابع AI در حال ظهور است که به عنوان «ایستگاههای انتقال» (Transfer Stations) شناخته میشود.
زیرساخت ایستگاههای انتقال و پنهانسازی ترافیک
بر اساس گزارش شرکت امنیتی Team Cymru، مهاجمان از سرورهای پروکسی برای مخفی کردن منشأ ترافیک ارسالی به مدلهای پیشرو (Frontier Models) استفاده میکنند. این زیرساختها پوششی برای حملات Model Distillation (تقطیر مدل) و سوءاستفاده از اشتراکهای سرقتی فراهم میکنند.
تحقیقات نشان میدهد که بیش از ۸۰,۰۰۰ پروکسی از این دست فعال هستند. بسیاری از این سرورها از پلتفرمهای متنباز مانند Claude Relay Service (CRS) و نسخه تکاملیافته آن یعنی sub2api استفاده میکنند. این سرویسها به کاربران خود اجازه میدهند با حسابهای شخصی وارد شوند، اما در پشت صحنه، درخواستها را از طریق مجموعهای از API Keyهای سرقتی یا اشتراکهای مصرفکننده به سرویسهای AI ارسال میکنند.
حملات تقطیر مدل و سرقت توکنها
یکی از اهداف اصلی این اکوسیستم، حملات Model Distillation است؛ فرآیندی که در آن مهاجمان با ارسال پرامپتهای هدفمند، دانش مدلهای پیشرو را استخراج کرده و از آن برای آموزش و بهبود مدلهای AI خود استفاده میکنند. گزارشها حاکی از آن است که ترافیک ارسالی به ارائهدهندگان غربی مانند OpenAI و Anthropic بهطور غیرعادی «آپلود-محور» است که با الگوهای استخراج خودکار دادهها مطابقت دارد.
علاوه بر این، پدیده Token-jacking در حال افزایش است. در این حملات، توکنهای API و اعتبارنامههای اشتراک از طریق روشهای زیر جمعآوری میشوند:
- بدافزارهای سرقت اطلاعات (Infostealers)
- کمپینهای فیشینگ (Phishing)
- حملات زنجیره تأمین (Supply-chain attacks) از طریق بستههای npm
تحلیل دادههای سرقتی
بررسیهای Okta Threat Intelligence نشان داد که صدها توکن فعال Anthropic و کلیدهای API معتبر برای Gemini، OpenAI و Groq از ماشینهای آلوده استخراج شده است. همچنین مشاهده شده که برخی عوامل تهدید، کلیدهای فعال را پس از اعتبارسنجی، در گیتویهای بازفروش API (API-reselling gateways) قرار میدهند تا از این طریق درآمدزایی کنند.
توصیههای امنیتی برای مدیران SOC و CISOها
برای مقابله با این تهدیدات، سازمانها باید رویکردهای زیر را اتخاذ کنند:
- مدیریت اسرار (Secrets Management): اعتبارنامههای مدلهای AI باید مانند سایر اسرار تولیدی (Production Secrets) مدیریت شوند. جایگزینی کلیدهای طولانیمدت با اعتبارنامههای کوتاهمدت (Short-lived credentials) ضروری است.
- مانیتورینگ و هشدار: تنظیم محدودیتهای هزینه (Spending Limits) و فعالسازی هشدار برای تغییرات ناگهانی در حجم درخواستها یا استفاده از مدلها در ساعات غیرمعمول.
- اسکن مداوم: بررسی منظم مخازن کد (Repositories)، کانتینرها و فایلهای پیکربندی برای شناسایی کلیدهای AI لو رفته.
- پروتکلهای پاسخ به حادثه: تدوین Playbookهای اختصاصی برای ابطال سریع (Revocation) و چرخش (Rotation) اعتبارنامههای AI در صورت شناسایی نشت دادهها.