گزارش‌های اخیر شرکت Akamai نشان‌دهنده تغییر قابل‌توجهی در رفتار خزنده‌های (Crawlers) تایید شده هوش مصنوعی، از جمله ChatGPT است. این بات‌ها دیگر تنها به خواندن صفحات وب (GET requests) اکتفا نمی‌کنند و به طور فزاینده‌ای در حال ارسال درخواست‌های POST با فرکانس بالا هستند.
تحلیل ترافیک و هدف بات‌ها
در یک تحلیل ۳۰ روزه از مشتریان جهانی Akamai، مشخص شد که ۴۴.۸٪ از تراکنش‌های POST مربوط به بات‌های AI در بخش تجارت الکترونیک (Ecommerce) و ۳۰٪ در بخش سفر و گردشگری رخ داده است. تفاوت کلیدی در اینجاست که درخواست‌های GET صرفاً برای دریافت اطلاعات هستند، اما درخواست‌های POST برای انجام عملیاتی مانند ورود به حساب کاربری (Login)، افزودن کالا به سبد خرید یا تکمیل فرآیند پرداخت استفاده می‌شوند.
گسترش سطح حمله (Attack Surface)
استیو وینترفلد (Steve Winterfeld)، CISO مشاور در Akamai، اشاره می‌کند که افزایش درخواست‌های غیر GET از سوی خزنده‌های تایید شده، ریسک‌های جدیدی را ایجاد کرده است. وی توصیه می‌کند که خرده‌فروشان باید دید کامل (Visibility) روی بات‌های AI داشته باشند و استراتژی‌های حاکمیتی دقیقی برای مدیریت آن‌ها پیاده‌سازی کنند تا از دسترسی‌های غیرمجاز به زیرساخت‌ها جلوگیری شود.
پروتکل MCP و تهدیدات نوظهور
پروتکل Model Context Protocol (MCP) که به مدل‌های AI اجازه می‌دهد به پایگاه‌های داده، کدها و APIهای خارجی متصل شوند، اکنون ۴.۱٪ از تراکنش‌های POST بات‌های AI را تشکیل می‌دهد. این پروتکل به عنوان یک «اتصال USB» استاندارد بین عوامل AI و داده‌ها عمل می‌کند، اما همزمان سطح حمله جدیدی را ایجاد می‌کند. ریسک‌های اصلی در این حوزه شامل اجرای سرویس‌های تایید نشده بدون احراز هویت (Authentication) و احتمال افشای اطلاعات حساس (PII) است.
شتاب در کشف آسیب‌پذیری‌ها با AI
Akamai با استفاده از مدل Mythos در پروژه Glasswing شرکت کرده تا آسیب‌پذیری‌های نرم‌افزاری بحرانی را شناسایی کند. طبق تحلیل‌های این شرکت، هوش مصنوعی می‌تواند زمان کشف آسیب‌پذیری‌ها را از چندین هفته به چند ساعت کاهش دهد، در حالی که چرخه‌های اصلاحی (Patch Cycles) در سازمان‌ها همچنان کند هستند.
راهکارهای دفاعی پیشنهادی
برای مقابله با اکسپلویت‌های تولید شده توسط AI، Akamai راهکارهای زیر را توصیه می‌کند:
- استفاده از Runtime Protection برای مقابله با حملات در لحظه اجرا.
- پیاده‌سازی کنترل‌های لبه (Edge Controls) و بخش‌بندی شبکه (Segmentation).
- به‌کارگیری سیستم‌های پیشگیری از DDoS و کنترل‌های ترافیک East-West برای محدود کردن حرکت مهاجم در شبکه.
