۹ روند نوظهور در دنیای بدافزارها که متخصصان امنیت باید بدانند

بدافزارها با سرعت بسیار زیادی در حال تکامل هستند که محرک اصلی آن پیشرفت‌های هوش مصنوعی (AI) و تغییر در زیرساخت‌های محاسباتی است. متخصصان امنیت باید برای مقابله با این تهدیدات پیچیده، به‌طور مداوم دانش خود را به‌روز کنند.

تجاری‌سازی دسترسی اولیه توسط Infostealerها

بدافزارهای سرقت اطلاعات (Infostealers) در ۱۸ ماه گذشته رشد چشمگیری داشته‌اند. ابزارهایی مانند Lumma Stealer، StealC و RisePro اکنون مسئول ۷۵٪ از تمامی اطلاعات سرقت‌شده هستند. این بدافزارها کوکی‌های مرورگر، اطلاعات VPN، توکن‌های MFA و داده‌های کیف پول‌های ارز دیجیتال را هدف قرار می‌دهند. این روند باعث شده است که دسترسی اولیه (Initial Access) به یک کالای تجاری تبدیل شود که مهاجمان می‌توانند به راحتی در بازارهای دارک‌وب خریداری کنند.

حملات زنجیره تأمین در محیط‌های توسعه

عامل‌های تهدید (Threat Actors) با قرار دادن کدهای مخرب در ابزارها، کتابخانه‌ها و فریم‌ورک‌های توسعه نرم‌افزار، زنجیره تأمین (Software Supply Chain) را هدف قرار می‌دهند. اکوسیستم‌های محبوبی مانند NPM، PyPI و پلتفرم‌های هوش مصنوعی مانند HuggingFace از اهداف اصلی این حملات هستند. برای مثال، حملات Shai-Hulud شامل بدافزارهای خودانتشار (Self-propagating) بودند که اسرار CI/CD را سرقت کرده و توکن‌های GitHub Actions را برای انتشار نسخه‌های مخرب از طریق خط لوله (Pipeline) خودِ قربانی، به کار می‌گرفتند.

تغییر رویکرد باج‌افزارها به سمت حملات هدفمند

پس از اقدامات قانونی علیه گروه‌های بزرگی مانند LockBit، فضای باج‌افزارها (Ransomware) تغییر کرده است. گروه‌هایی مانند RansomHub و Akira اکنون به جای حملات گسترده و فرصت‌طلبانه، از حملات کوچک‌تر و بسیار هدفمند استفاده می‌کنند. این گروه‌ها با استفاده از تکنیک‌های Living-off-the-land (LOTL) و ابزارهای مدیریت سیستم، سعی در پنهان ماندن دارند و تمرکز خود را از رمزگذاری فایل‌ها به سمت سرقت داده‌ها و اخاذی (Extortion) تغییر داده‌اند.

مهندسی اجتماعی با تکنیک ClickFix

مهاجمان از تکنیک ClickFix برای فریب کاربران استفاده می‌کنند. این روش با سوءاستفاده از خستگی کاربران در فرآیندهای تایید هویت (مانند CAPTCHA)، آن‌ها را ترغیب می‌کند تا کدهای مخرب (معمولاً اسکریپت‌های PowerShell) را مستقیماً در سیستم خود کپی و اجرا کنند. این تکنیک با تکیه بر رفتار انسانی به جای آسیب‌پذیری‌های سیستم، بسیاری از روش‌های سنتی تشخیص را دور می‌زند.

بدافزارهای چندریختی و نقش هوش مصنوعی

بدافزارهای چندریختی (Polymorphic Malware) با تغییر خودکار کد خود در هر بار سرایت (Infection)، شناسایی توسط آنتی‌ویروس‌های مبتنی بر امضا (Signature-based) را دشوار می‌کنند. علاوه بر این، هوش مصنوعی باعث شده است اکوسیستم توسعه بدافزار ساده‌تر و کارآمدتر شود. مهاجمان از مدل‌های زبانی بزرگ (LLMs) مانند ChatGPT و Claude برای نوشتن اسکریپت‌ها، تبدیل کدها و تولید متن‌های مهندسی اجتماعی استفاده می‌کنند.

استفاده از زبان‌های مدرن و هوش مصنوعی عامل‌محور

توسعه‌دهندگان بدافزار به‌طور فزاینده‌ای از زبان‌های Rust و Go استفاده می‌کنند تا بدافزارهای خود را قابل حمل‌تر (Portable) و سازگار با سیستم‌عامل‌های مختلف کنند. همچنین، ظهور هوش مصنوعی عامل‌محور (Agentic AI) به مهاجمان اجازه می‌دهد تا حملاتی خودگردان و تطبیق‌پذیر را طراحی کنند که می‌تواند بدون مداخله مستقیم انسان، مراحل شناسایی، جمع‌آوری اعتبارنامه‌ها و حرکت عرضی (Lateral Movement) را انجام دهد.