واحد Unit 42 از شرکت Palo Alto Networks گزارش داده است که حملات گسترده‌ای را ردیابی کرده که از سوی عوامل تهدید (threat actors) مستقر در چین انجام شده است. این حملات با بهره‌گیری از فریم‌ورک متن‌باز تست نفوذ مبتنی بر هوش مصنوعی به نام Cairn، توانسته‌اند ۲۵ عملیات خودکار را علیه حداقل ۱۹ سازمان مختلف اجرا کنند. مهاجمان با ترکیب فریم‌ورک Cairn با مدل‌های هوش مصنوعی چینی مانند Zhipu GLM و DeepSeek، این ابزار را به یک سلاح سایبری قدرتمند تبدیل کرده‌اند.
جزئیات عملیات و دستاوردهای مهاجمان
بر اساس گزارش‌های رصد شده در ماه‌های اوت و سپتامبر، مهاجمان توانسته‌اند در ۱۰ مورد از سازمان‌های هدف، دسترسی‌های غیرمجاز (unauthorized access) ایجاد کرده و ده‌ها اعتبارنامه (credentials) معتبر را سرقت کنند. برخی از پیامدهای این حملات عبارتند از:
- سرقت بیش از یک میلیون رکورد داده از یک سازمان.
- دسترسی به هویت‌های نظامی و دولتی در سازمان‌های دیگر.
- ایجاد حساب‌های مدیریت (admin accounts) پایدار در چندین سیستم محصول.
- دسترسی بدون احراز هویت (unauthenticated access) به ذخیره‌سازهای ابری.
- تغییر در آرای‌های مربوط به استانداردهای صنعتی (ballot tampering).
- دسترسی به عملکردهای مدیریت جلسات، رای‌گیری و بخش‌های پشتیبانی (back-office) با قابلیت خواندن، نوشتن و حذف داده‌ها.
تحلیل فنی فریم‌ورک Cairn
فریم‌ورک Cairn فعالیت‌های خود را از طریق یک ساختار مشترک موسوم به “تخته سیاه” (shared blackboard) هماهنگ می‌کند. در این روش، عامل‌های هوش مصنوعی (agents) یافته‌های خود را در قالب یک گراف «واقعیت-هدف» (fact-intent graph) ثبت می‌کنند. این ساختار به مهاجمان اجازه می‌دهد تا عملیات را به صورت خودکار پیش ببرند، در حالی که اپراتورهای انسانی می‌توانند در هر مرحله، دستورالعمل‌های (hints) لازم را برای هدایت عملیات تزریق کنند.
این مدل هوش مصنوعی برای هر هدف، یک برنامه متفاوت شامل سه تا هفت مرحله تولید می‌کند. عملیات‌ها بسته به پیچیدگی، از ۲۰ دقیقه تا بیش از ۵۰ ساعت زمان می‌برند. نکته قابل توجه این است که این فریم‌ورک نسبت به مدل هوش مصنوعی (model-agnostic) بوده و مهاجمان از مدل‌های Zhipu GLM 5.2 و DeepSeek V4 Flash/Pro برای اجرای حملات استفاده کرده‌اند.
تغییر پارادایم در اقتصاد حملات سایبری
این کمپین نشان‌دهنده یک تغییر بنیادین در اقتصاد حملات سایبری است. پیش از این، بخش هزینه‌بر یک نفوذ، شامل مراحل شناسایی (reconnaissance)، آزمون و خطا و صبر و حوصله نیروی انسانی بود. اکنون، این فعالیت‌ها به یک خط در صورت‌حساب API تبدیل شده‌اند. هوش مصنوعی می‌تواند هماهنگی یک نفوذ را بر عهده بگیرد، از هر نتیجه برای تصمیم‌گیری در مرحله بعد استفاده کند و نیاز به نیروی انسانی را برای حمله به اهداف متعدد به شدت کاهش دهد.
این توانمندی باعث می‌شود که یک مهاجم بتواند فشار حملات را بر روی سازمان‌های بسیار زیادی اعمال کند، بدون اینکه نیاز باشد هر مرحله را شخصاً هدایت کند. این موضوع باعث می‌شود ریسک سازمان‌ها حتی بدون تغییر در آسیب‌پذیری‌های آن‌ها، به دلیل افزایش مقیاس و سرعت حملات، به شدت افزایش یابد.
به‌روزرسانی (نوامبر 12, 2026 — Unit 42)
به‌روزرسانی: تحلیل‌های جدید از کمپین CL-STA-1238 نشان می‌دهد که مهاجمان با بهره‌گیری از مدل‌های هوش مصنوعی چینی Zhipu GLM و DeepSeek، عملیات‌های خودکار (Autonomous) گسترده‌ای را علیه سازمان‌های حساس اجرا کرده‌اند. این کمپین شامل ۲۵ عملیات علیه ۱۹ سازمان در بخش‌های استراتژیک نیمه‌هادی (Semiconductor)، دفاعی و جامعه مدنی بوده است.
مهاجمان از فریم‌ورک Cairn برای مدیریت و هماهنگی حملات استفاده می‌کنند که از مکانیزم‌های فنی زیر بهره می‌برد:
- Agent Worker: هر عامل (Agent) توسط یک مدل هوش مصنوعی هدایت می‌شود تا وظایف را برنامه‌ریزی، اجرا و نتایج را ثبت کند.
- Blackboard: یک مکانیسم اشتراکی برای هماهنگی فعالیت‌ها که در آن عوامل، یافته‌های خود را به صورت یک گراف «قصد-حقیقت» (Fact-Intent Graph) ثبت می‌کنند.
- خودکارسازی چرخه عملیات: مدل هوش مصنوعی با استفاده از دو فاز Reason (استدلال) و Explore (کاوش)، به صورت مداوم برنامه‌های خود را بازنگری و اجرا می‌کند.
این رویکرد باعث شده است که مهاجمان بتوانند با کاهش چشمگیر هزینه‌های عملیاتی، مقیاس حملات خود را افزایش دهند. در ۱۰ مورد از سازمان‌های هدف، دسترسی غیرمجاز و استخراج داده‌ها با موفقیت تأیید شده است.
