حملات سایبری به‌طور فزاینده‌ای بر محور اقدامات متداول نظیر ورود به حساب کاربری (Sign-in)، تأیید پرداخت‌ها یا استفاده از اپلیکیشن‌های مورد اعتماد سازماندهی می‌شوند. اکنون هوش مصنوعی (AI) به عاملان تهدید اجازه می‌دهد تا این اقدامات را با سرعت بسیار بالا تکرار کنند و شناسایی کلاهبرداری‌های مالی و نفوذ به شبکه را پیش از وقوع خسارت، دشوارتر سازند.
اتوماسیون در عملیات جاسوسی و نفوذ
این تهدیدات اشکال مختلفی به خود می‌گیرند؛ برخی بخش‌هایی از نفوذ به شبکه را خودکار می‌کنند و برخی دیگر از طریق جعل چهره و صدا (Deepfake) در تماس‌های ویدئویی، مدیران ارشد را تقلید می‌کنند. در کمپین جاسوسی GTG-1002 که با چین مرتبط است، گزارش شده که عامل‌های هوش مصنوعی (AI Agents) حدود ۸۰ تا ۹۰ درصد از وظایف عملیاتی را بر عهده داشتند و اپراتورهای انسانی تنها ۴ تا ۶ تصمیم کلیدی مانند انتخاب هدف و تأیید سرقت داده‌ها را اتخاذ می‌کردند.
بدافزارهای تطبیق‌پذیر موبایل
در حوزه دستگاه‌های اندرویدی، بدافزار PromptSpy نمونه‌ای از کاربرد عملی AI است. این بدافزار محتوای صفحه نمایش را می‌خواند و بر اساس رابط کاربری (Interface) مشاهده شده، دستورات لازم برای تعامل با دستگاه را درخواست می‌کند. این بدافزار با استفاده از دسترسی‌های Accessibility، لایه‌های نامرئی روی کنترل‌های سیستمی ایجاد می‌کند تا از حذف شدن خود جلوگیری کرده و داده‌های حساس کاربر را استخراج کند.
کلاهبرداری‌های مالی و مهندسی اجتماعی پیشرفته
استفاده از Deepfake در تماس‌های تصویری و صوتی می‌تواند منجر به خسارات مالی هنگفت شود. در یک مورد گزارش شده، مهاجمان با جعل ویدئو و صدای مدیران یک شرکت، یک کارمند بخش مالی را متقاعد کردند تا مبلغ ۲۵ میلیون دلار را منتقل کند. همچنین در حملات Double-tap Skimming، فرم‌های پرداخت جعلی ابتدا اطلاعات کارت را سرقت کرده و سپس کاربر را به فرم واقعی هدایت می‌کنند تا سرقت داده‌ها بدون متوجه شدن کاربر صورت گیرد.
بهینه‌سازی اخاذی با هوش مصنوعی
گزارش‌ها حاکی از آن است که گروه LunaLock از هوش مصنوعی برای تحلیل داده‌های سرقتی و شناسایی حساس‌ترین مطالب جهت تقویت فشار در درخواست‌های باج‌افزاری (Extortion) استفاده می‌کند. این گروه موفق شده است بیش از ۹۵,۰۰۰ حساب کاربری مرتبط با یک بازار هنری را به مخاطره بیندازد.
توصیه‌های امنیتی برای سازمان‌ها
- تأیید چندکاناله: برای پرداخت‌های با ارزش بالا، درخواست‌ها باید از طریق یک کانال مجزا و پیش‌تعیین‌شده (مانند تماس تلفنی مستقیم یا کد امنیتی) تأیید شوند.
- احراز هویت مقاوم در برابر فیشینگ: پیاده‌سازی مکانیزم‌های Phishing-resistant Authentication برای کاهش ریسک سرقت اعتبارنامه‌ها.
- مدیریت دسترسی‌ها: محدود کردن دسترسی‌های Accessibility در دستگاه‌های موبایل و بررسی رفتارهای غیرعادی دستگاه به جای اعتماد به رابط کاربری.
- حسابرسی منظم: انجام تست‌های شبیه‌سازی شده برای فرآیندهای پرداخت و Audit منظم فروشگاه‌های آنلاین جهت شناسایی فرم‌های غیرمجاز.
