در تحلیل ایمیل‌های فیشینگ، تمرکز سنتی عمدتاً بر آنچه کاربر می‌بیند قرار دارد. اما با ظهور ایجنت‌های هوش مصنوعی (AI Agents) که محتوای ایمیل‌ها را پیش از کاربر تحلیل، خلاصه یا اولویت‌بندی می‌کنند، سطح جدیدی از حملات در حال شکل‌گیری است. مهاجمان اکنون تلاش می‌کنند محتوایی ایجاد کنند که برای چشم انسان نامرئی باشد اما توسط سیستم‌های پردازش متن، پارسرها و مدل‌های AI شناسایی و اجرا شود.
استفاده از Unicode برای دور زدن سیستم‌های شناسایی
یکی از ساده‌ترین روش‌ها برای دور زدن فیلترهای امنیتی و سیستم‌های تشخیص رشته‌های متنی (String Matching)، استفاده از کاراکترهای نامرئی Unicode است. با درج یک کاراکتر نامرئی در میان یک کلمه، مهاجم می‌تواند باعث شود که سیستم‌های امنیتی نتوانند کلمه مورد نظر را شناسایی کنند، در حالی که متن برای کاربر بدون تغییر باقی می‌ماند.
به عنوان مثال، استفاده از کاراکتر Zero Width Space (U+200B) باعث می‌شود کلمه “Microsoft” برای سیستم به صورت “Micro<U+200B>soft” دیده شود. در حالی که کاربر تغییری مشاهده نمی‌کند، اما تطبیق دقیق رشته (Exact String Matching) در سیستم‌های تشخیص شکست می‌خورد.
محده‌های Unicode هدف برای Threat Hunting
برای شناسایی این الگوها، می‌توان محدوده‌های خاصی از Unicode را رصد کرد که شامل کاراکترهای با عرض صفر، نشانه‌های جهت‌دار و کاراکترهای کنترلی هستند:
- U+200B–U+200F
- U+202A–U+202E
- U+2060–U+206F
- U+FEFF
استراتژی امتیازدهی ریسک (Risk Scoring)
برای کاهش نرخ مثبت کاذب (False Positive)، پیشنهاد می‌شود به جای تکیه بر یک کاراکتر، یک مدل امتیازدهی ساده برای تحلیل فیلدهای Subject و SenderDisplayName پیاده‌سازی شود:
- وجود نماد یا آیکون Unicode در موضوع ایمیل: +40 امتیاز
- وجود Unicode نامرئی در موضوع ایمیل: +20 امتیاز
- وجود Unicode نامرئی در نام نمایش‌دهنده فرستنده: +20 امتیاز
- مشاهده الگوی مشابه از کشورهای مختلف: +20 امتیاز
پیاده‌سازی با استفاده از KQL
در محیط‌های Microsoft Defender XDR، می‌توان از کوئری‌های KQL برای استخراج این کاراکترها استفاده کرد. منطق اصلی این کوئری بر پایه تابع extract_all برای شناسایی رگکس‌های مربوط به محدوده‌های Unicode ذکر شده است. همچنین با استفاده از geo_info_from_ip_address، تحلیل زیرساختی فرستنده برای شناسایی حملات توزیع شده (Multi-Country) اضافه می‌شود.
چشم‌انداز آینده: حملات علیه AI Agents
با ادغام AI در صندوق‌های پستی، ایمیل‌ها اکنون دو مخاطب دارند: انسان و ایجنت AI. در حالی که انسان نسخه رندر شده (Rendered) پیام را می‌بیند، ایجنت AI ممکن است متن خام، HTML یا متادیتای پیام را پردازش کند. این تفاوت در نحوه مشاهده محتوا، فرصتی برای مهاجمان است تا از تکنیک‌هایی مانند متن سفید روی پس‌زمینه سفید، HTMLهای مخفی و دستورات نامرئی برای اجرای حملات Prompt Injection استفاده کنند.
