در هفته‌های اخیر، فضای امنیت سایبری با دو خبر تکان‌دهنده مواجه شد: سرقت ۶.۳ میلیارد دلاری از صرافی ارز دیجیتال بایننس (Binance) و کشف آسیب‌پذیری‌های بحرانی در زبان‌های برنامه‌نویسی زیرساختی اینترنت با کمک هوش مصنوعی (AI). این اتفاقات در حالی رخ می‌دهد که پیش‌بینی‌های مربوط به «آخرالزمان AI» باعث ایجاد اضطراب در سازمان‌ها شده است.
کالبدشکافی هک بایننس: ابزارهای جدید یا متدهای قدیمی؟
در تاریخ ۲۹ اکتبر، مهاجمان بیش از ۶ میلیارد دلار دارایی دیجیتال را از صرافی بایننس به سرقت بردند. FBI این حمله را به عملیات TraderTraitor متعلق به کره شمالی نسبت داده است. نکته قابل توجه این است که هیچ شواهد عمومی مبنی بر استفاده از «سوارم‌های AI» یا ابزارهای پیشرفته هوش مصنوعی برای نفوذ به سیستم‌های بایننس وجود ندارد.
تحقیقات اولیه نشان می‌دهد که نفوذ از طریق یک لپ‌تاپ لو رفته (Compromised Laptop) متعلق به یکی از مهندسان آغاز شده است. این موضوع تایید می‌کند که سرقت اعتبارنامه‌ها (Compromised Credentials) و دسترسی‌های مورد اعتماد، همچنان از نقاط ضعف کلاسیک و رایج در امنیت مالی هستند.
با این حال، بخش نوآورانه این حمله در مرحله پس از سرقت رخ داد. تحلیل‌های Chainalysis نشان‌دهنده هزاران تراکنش پیچیده برای جابجایی وجوه است که برخی آن را نمونه‌ای از پولشویی مبتنی بر عامل (Agentic Money Laundering) می‌نامند. اگرچه این الگوها بیشتر به اتوماسیون (Automation) شباهت دارند تا هوش مصنوعی، اما سرعت جابجایی وجوه به شدت افزایش یافته و زمان لازم برای مسدود کردن دارایی‌ها را به شدت کاهش داده است.
نقش AI در شناسایی آسیب‌پذیری‌های نرم‌افزاری
در حوزه دیگر، استفاده از مدل‌های پیشرو هوش مصنوعی (Frontier AI models) برای کشف نقاط ضعف نرم‌افزاری، موضوعی نگران‌کننده‌تر است. محققان شرکت Wiz توانستند نقص‌های جدی در زبان PHP را با کمک AI شناسایی کنند. همچنین OpenAI گزارشی از یک آسیب‌پذیری شدید در Node.js ارائه داد که منجر به انتشار پچ (Patch) شد.
اگرچه کشف آسیب‌پذیری با اکسپلویت (Exploit) کردن آن متفاوت است، اما سرعت یافتن نقاط ضعف توسط مدل‌های AI، هم برای محققان امنیتی و هم برای عوامل تهدید (Threat Actors) افزایش یافته است. این موضوع CISOها و توسعه‌دهندگان را در رقابتی تنگاتنگ برای شناسایی و رفع سریع نقاط ضعف قرار می‌دهد.
دفاع فعال با استفاده از AI
در مقابل این تهدیدات، سازمان‌های مالی بزرگ در حال آزمایش ابزارهای دفاعی مبتنی بر AI هستند. برای مثال، JPMorganChase با همکاری Anthropic در حال استفاده از مدل Claude Mythos برای کارهای امنیتی دفاعی است. طبق نظرسنجی KPMG، حدود ۸۴ درصد از مدیران بانکی در حال افزایش سرمایه‌گذاری در امنیت سایبری برای مقابله با ریسک‌های AI هستند.
فرصت بزرگ پیش رو، استفاده از AI نه تنها برای پچ کردن تک‌تک باگ‌ها، بلکه برای بازبینی و بازنویسی (Refactor) کدهای قدیمی و میراثی (Legacy Code) است که زیرساخت اینترنت را تشکیل می‌دهند تا پیش از مهاجمان، نقاط ضعف برطرف شوند.
چالش‌های حقوقی و استراتژیک
در ۵ تا ۱۰ سال آینده، تقاطع امنیت سایبری، AI و فناوری‌های مالی (FinTech) سوالات حقوقی پیچیده‌ای را ایجاد خواهد کرد. مسائلی نظیر مسئولیت شرکت‌های AI در قبال پیامدهای ابزارهایشان یا مسئولیت اقدامات یک عامل خودمختار (Autonomous Agent) که بدون دستور مستقیم انسان آسیب می‌زند، نیازمند چارچوب‌های قانونی جدید یا بازنگری در قوانین فعلی است.
به‌روزرسانی (نوامبر 4, 2026 — cointelegraph.com)
به‌روزرسانی: طبق یافته‌های جدید، اف‌بی‌آی (FBI) عامل حمله گسترده به صرافی بایننس را گروه هکری TraderTraitor وابسته به کره شمالی معرفی کرده است. مشخص شده است که نفوذ اولیه از طریق روش‌های مهندسی اجتماعی (Social Engineering) شامل مصاحبه‌های شغلی جعلی (Fake Job Interviews) و دانلود نرم‌افزارهای مخرب در دستگاه‌های کارکنان صورت گرفته است.
تحلیل‌های بلاک‌چین نشان می‌دهد که مهاجمان حدود ۸۱ درصد از دارایی‌های سرقتی در شبکه سولانا (Solana) را از طریق پروتکل تبادل بین‌زنجیره‌ای (Cross-chain swap) موسوم به THORChain در حال پولشویی هستند. فرآیند انتقال دارایی‌ها شامل تبدیل SOL به USDC، انتقال به شبکه اتریوم (Ethereum) برای خرید ETH و در نهایت تبدیل آن به بیت‌کوین (BTC) است. همچنین برآورد می‌شود که حدود ۵۴ درصد از بیش از ۴۷,۶۰۰ تراکنش انجام شده توسط این گروه، به صورت خودکار (Automated) انجام شده است.
فعالیت‌های پولشویی این گروه پس از توقف موقت سرویس‌های THORChain به دلیل یک باگ در فرآیند بازسازی بلاک (Block Reorganization) با تأخیر مواجه شد. در حالی که مقامات آمریکایی بر نقش کره شمالی تأکید دارند، مقامات این کشور این اتهامات را رد کرده‌اند.
