تأثیر منفی هوش مصنوعی بر کیفیت حملات سایبری: از پیچیدگی تا «زباله‌های دیجیتال»

برخلاف موج تبلیغاتی پیرامون توانمندی‌های هوش مصنوعی (AI)، شواهد نشان می‌دهد که این فناوری در بسیاری از موارد باعث کاهش سطح پیچیدگی حملات سایبری شده است. در حالی که بازاریابی محصولات امنیتی بر «تقویت تهدیدات توسط AI» تأکید دارد، بسیاری از عامل‌های تهدید (Threat Actors) جدی، به‌ویژه گروه‌های دولتی، به دلیل نتایج ضعیف در حال فاصله گرفتن از این رویکرد هستند.

پدیده «پوسیدگی AI» در عملیات سایبری

تحقیقات اخیر نشان می‌دهد که استفاده از AI برای افزایش حجم حملات، منجر به کاهش کیفیت و دقت آن‌ها شده است. برای نمونه، گروه TA4903 که پیش از این در حملات فیشینگ و سازش ایمیل تجاری (BEC) بسیار حرفه‌ای عمل می‌کرد و از متدهای پیچیده‌ای برای جعل هویت دولت آمریکا استفاده می‌کرد، پس از روی آوردن به AI در تمام مراحل زنجیره حمله، دچار افت شدید کیفیت شده است.

این گروه اکنون از رویکردی موسوم به Vibe-coding برای ایجاد کیت‌های فیشینگ استفاده می‌کند که منجر به افشای زیرساخت‌های آن‌ها شده است. در نتیجه، تحلیل‌گران امنیتی اکنون می‌توانند به راحتی پنل‌های کنترلی، استقرار در Cloudflare و لیست قربانیان احتمالی این گروه را رصد کنند.

خطاهای فاحش در حملات گروه‌های APT

این روند تنها محدود به مجرمان سایبری نیست و حتی تهدیدات پیشرفته (APT) با حمایت دولت‌ها نیز از این مشکل رنج می‌برند:

• گروه Kimsuky (کره شمالی): در حملات اخیر علیه اوکراین، این گروه از مدل‌های زبانی بزرگ (LLM) برای تولید محتوای Spear-phishing استفاده کرد. نتیجه، ایمیل‌هایی بود که زبان‌های اوکراینی، کره‌ای و ژاپنی را با هم ترکیب کرده و از نظر گرامری دچار تناقضات شدید بود. حتی در برخی موارد، دعوت‌نامه‌های Google Meet حاوی لینک‌های Zoom بود که باعث شناسایی سریع حمله شد.
• گروه APT36 (پاکستان): این گروه از بدافزارهای تولید شده توسط AI یا Vibeware استفاده کرد. اگرچه این روش اجازه می‌دهد حجم زیادی از بدافزارهای یک‌بارمصرف تولید شوند، اما بسیاری از آن‌ها عملاً ناکارآمد بودند؛ برای مثال، یک بدافزار Stealer تولید شده با زبان Go که قادر به استخراج داده‌ها (Exfiltration) نبود.

چرا مهاجمان حرفه‌ای از AI دوری می‌کنند؟

کارشناسان معتقدند در عملیات جاسوسی سایبری، AI ابزاری بسیار «پرزدا» یا Noisy است. هوش مصنوعی برای رسیدن به هدف، روش‌های مختلفی را به صورت مستقیم و تکراری امتحان می‌کند که این موضوع را برای سیستم‌های تشخیص نفوذ (IDS) و تیم‌های SOC بسیار ساده می‌کند.

برای یک عامل تهدید پیشرفته، ریسک شناسایی شدن به معنای از دست دادن دسترسی‌های سالیانه‌ای است که با سخت‌کوشی به دست آورده‌اند. بنابراین، استفاده از ابزاری که احتمال شناسایی را افزایش می‌دهد، با استراتژی Stealth (پنهان‌کاری) در تضاد است.

نتیجه‌گیری

در حال حاضر، اکثر نفوذهای موفق همچنان از روش‌های سنتی و «خسته‌کننده» مانند ClickFix یا حملات Living-off-the-land (LotL) استفاده می‌کنند. هوش مصنوعی در حال حاضر بیشتر برای افزایش نویز و کمک به Script Kiddieها مفید است تا ارتقای سطح حملات استراتژیک.