اگرچه بسیاری از کارشناسان معتقدند حملات کاملاً خودکار و مبتنی بر هوش مصنوعی (AI) علیه فناوری‌های عملیاتی (OT) هنوز در حد یک رویا یا هیجان رسانه‌ای است، اما تحقیقات جدید نشان می‌دهد که این فاصله در حال کم شدن است.
دو تیم تحقیقاتی با استفاده از مدل‌های زبانی بزرگ (LLM) نشان داده‌اند که مدل‌های پیشرفته هوش مصنوعی می‌توانند با حداقل راهنمایی انسانی، مراحل مختلف یک زنجیره حمله (Attack Chain) چند مرحله‌ای را در یک شبکه OT ناشناخته به طور خودکار اجرا کنند. اگرچه این حملات ممکن است در حال حاضر ناکارآمد یا پرسر و صدا (Noisy) باشند، اما توانایی آن‌ها در پیمودن مسیرهای حمله نگران‌کننده است.
کاهش سطح مهارت مورد نیاز
یکی از مهم‌ترین یافته‌ها این است که هوش مصنوعی باعث کاهش سطح مهارت مورد نیاز برای نفوذ به سیستم‌های کنترل صنعتی (ICS) می‌شود. دانش تخصصی OT و آشنایی با تجهیزات پیچیده دیگر مانع بزرگی برای مهاجمان نخواهد بود. مدل‌های پیشرفته می‌توانند وظایفی مانند شناسایی دارایی‌ها (Asset Enumeration)، یافتن آسیب‌پذیری‌ها و حتی توسعه اکسپلویت‌ها (Exploits) را انجام دهند.
جزئیات آزمایش‌های عملی
در آزمایش‌های انجام شده در یک محیط آزمایشگاهی ایزوله (Air-gapped)، محققان از مدل‌های پیشرفته شرکت‌هایی نظیر OpenAI و Anthropic استفاده کردند. این آزمایش‌ها شامل موارد زیر بود:
- شناسایی برند، مدل و نسخه فریم‌ور (Firmware) تجهیزات.
- یافتن آسیب‌پذیری‌های شناخته شده در دستگاه‌ها.
- توسعه اکسپلویت‌های کاربردی برای نفوذ.
- حرکت عرضی (Lateral Movement) در محیط‌های IT و OT.
در یکی از سناریوها، یک مدل توانست تنها در مدت ۱۶ دقیقه از نفوذ به لایه محیطی به کنترل شبکه OT برسد. همچنین در سناریوهای دیگر، مدل‌ها موفق شدند کنترل تجهیزاتی مانند بازوهای رباتیک و موتورهای الکتریکی را به دست بگیرند.
چالش‌های دفاعی
اگرچه روش‌های دفاعی سنتی مانند فایروال‌ها (Firewalls) و بخش‌بندی شبکه (Segmentation) می‌توانند سرعت حملات را کاهش دهند، اما هیچ حفاظ واحدی نتوانست به طور مداوم مانع از رسیدن مدل‌های هوش مصنوعی به اهدافشان شود. با این حال، کارشناسان تأکید می‌کنند که هوش مصنوعی فعلاً نیاز به یک اپراتور انسانی برای هدایت دقیق‌تر دارد تا از شناسایی شدن توسط سیستم‌های پاسخگویی خودکار (SOAR) جلوگیری کند.
