اکوسیستم ابزارهای مجهز به هوش مصنوعی (AI) مانند ARTEX و CyberStrikeAI که برای عملیات Red Teaming و تست نفوذ (Penetration Testing) عرضه شده‌اند، به سرعت در حال گسترش است. این ابزارها اکنون توسط مهاجمان برای اجرای عملیات تهاجمی به‌صورت خودکار (Autonomous) مورد استفاده قرار می‌گیرند.
مشاهدات نشان می‌دهد که ردپای این ابزارها در تلاش‌های نفوذ به اهداف متعدد بسیار قابل توجه است. بررسی‌ها حاکی از آن است که سرورهای مهاجمان از کنسول‌های ARTEX یا زیرساخت‌ها و User Agentهای مرتبط با آن استفاده می‌کنند. همچنین، کمپین‌های هماهنگی علیه محیط‌های ابری (Cloud) در بخش‌های مختلف از جمله خرده‌فروشی و مشاوره شناسایی شده است.
چرا ARTEX ابزاری کارآمد برای مهاجمان است؟
پلتفرم‌های Red Teaming مانند ARTEX رایگان هستند، به‌سرعت مستقر می‌شوند و تنها به دسترسی به یک مدل زبانی بزرگ (LLM) نیاز دارند. ARTEX یک چارچوب تست نفوذ هوش مصنوعی چند-عاملی (Multi-agent) است که از اواسط سال ۲۰۲۶ منتشر شد و نسخه‌های تغییریافته (Forked) متعددی از آن در دسترس است.
مهاجمان می‌توانند از ARTEX برای ارزیابی پاسخ‌ها، انطباق با شرایط جدید در صورت شکست عملیات و ادامه پیگیری اهداف خود استفاده کنند. آن‌ها با هدف قرار دادن جریان‌های کاری هویت (Identity Workflows) و APIهای در معرض اینترنت، از اعتبارنامه‌ها و روابط اعتماد برای رسیدن به محیط‌های ابری استفاده می‌کنند.
پیامدهای امنیتی برای مدافعان
- کاهش نیاز به مهارت تخصصی: مهاجمان دیگر برای اجرای تست‌های نفوذ چندمرحله‌ای و تطبیقی، نیازی به مهارت‌های فنی پیچیده (Tradecraft) ندارند.
- هزینه پایین و مقیاس‌پذیری بالا: ترکیب ابزارهای آماده با مدل‌های LLM مانند DeepSeek به بازیگران با انگیزه‌های مالی اجازه می‌دهد تا ده‌ها نفوذ پیچیده و همزمان را با کمترین هزینه محاسباتی مدیریت کنند.
- سرعت بالای نفوذ: چارچوب‌های خودکار مانند ARTEX می‌توانند صفحات بازنشانی رمز عبور و APIهای در معرض قرار گرفته را در کمتر از یک روز به مسیری برای دسترسی به ابر تبدیل کنند.
استراتژی‌های مقابله و کاهش ریسک
از آنجایی که این ابزارها بر الگوهای استدلالی LLM تکیه دارند، رفتار آن‌ها تا حدی قابل پیش‌بینی است. تیم‌های امنیتی باید به جای تمرکز صرف بر نشانگرهای نفوذ (IoC) که به سرعت تغییر می‌کنند، بر شناسایی رفتار (Behavioral Detection) تمرکز کنند.
توصیه‌های کلیدی برای تیم‌های دفاعی:
- کشف مداوم دارایی‌ها: شناسایی و کاهش ریسک دارایی‌های لبه (Edge Assets) که در معرض اینترنت هستند.
- استفاده از تکنیک‌های فریب (Deception): ارائه کدهای خطای عمومی یا اعمال محدودیت نرخ اتصال (Connection Throttling) می‌تواند باعث شود عامل‌های هوش مصنوعی در حلقه‌های بی‌پایان گیر کرده و منابع خود را هدر دهند.
- حذف نقشه‌های حمله قابل خواندن توسط ماشین: کاهش سطح حمله با محدود کردن اطلاعاتی که ابزارهای خودکار می‌توانند به راحتی استخراج کنند.
- احراز هویت در همه جا: اجتناب از وجود هرگونه نقطه دسترسی بدون احراز هویت.
