گروه‌های هکری با بهره‌گیری از عامل‌های هوش مصنوعی (AI Agents) مبتنی بر مدل‌های DeepSeek و Zhipu GLM، موفق به نفوذ به ۱۰ سازمان با حداقل دخالت انسانی شده‌اند. این کارزار که در ماه‌های اوت و سپتامبر ۲۰۲۶ اجرا شده، شامل ۲۵ عملیات علیه حداقل ۱۹ هدف مختلف بوده است و نشان‌دهنده سرعت انتقال حملات سایبری خودکار از مرحله تئوری به کاربرد روزمره است.
مکانیزم حمله و فریم‌ورک Cairn
مهاجمان برای این عملیات، ابزار جدیدی نساخته‌اند، بلکه از یک فریم‌ورک تست نفوذ (Penetration Testing Framework) متن‌باز به نام Cairn استفاده کرده و آن را به دو مدل هوش مصنوعی چینی متصل نموده‌اند. در این روش، مهاجم تنها دامنه اصلی (Root Domain) سازمان و یک هدف تک‌خطی را به ابزار ارائه می‌دهد و هوش مصنوعی تمام مراحل برنامه‌ریزی، اجرا و ثبت نتایج را به صورت خودکار انجام می‌دهد.
فریم‌ورک Cairn از طریق «عامل‌های کارگر» (Agent Workers) عمل می‌کند که در یک چرخه تکرارشونده قرار دارند:
- مرحله استدلال (Reason): مدل اطلاعات موجود را بررسی کرده و تصمیم می‌گیرد قدم بعدی چیست.
- مرحله جستجو (Explore): مدل یک اقدام مشخص را انجام داده و نتیجه را ثبت می‌کند.
این چرخه تا زمان دستیابی به هدف یا اتمام گزینه‌ها ادامه می‌یابد. تحلیلگران Unit42 این فعالیت را با شناسه CL-STA-1238 ردیابی کرده‌اند و با اطمینان متوسط، آن را یک تلاش جمع‌آوری اطلاعات مرتبط با چین می‌دانند. اهداف مورد حمله شامل بخش‌های تولید نیمه‌هادی، سیاست‌های دفاعی ایالات متحده و گروه‌های جامعه مدنی بوده‌اند.
دور زدن محدودیت‌های امنیتی و تکنیک‌ها
مهاجمان با موفقیت توانسته‌اند محدودیت‌های امنیتی هوش مصنوعی (AI Guardrails) را دور بزنند. آن‌ها با استفاده از دستورات (Prompts) به زبان چینی و ایجاد فایل‌هایی مانند AUTHORIZATION.md که ادعا می‌کرد این فعالیت یک تست امنیتی مجاز است، مدل‌های DeepSeek و GLM را فریب دادند تا از انجام وظایف مخرب خودداری نکنند.
فرآیند نفوذ شامل مراحل زیر بود:
- شناسایی (Reconnaissance)
- استفاده از آسیب‌پذیری‌های وب (Web Application Exploitation)
- جمع‌آوری اعتبارنامه‌ها (Credential Collection)
- ارتقای سطح دسترسی (Privilege Escalation)
- حرکت جانبی (Lateral Movement)
پیامدها و آسیب‌پذیری‌های شناسایی شده
این حملات منجر به نشت داده‌های حساس، از جمله اطلاعات CRM، هش‌های پسورد کارکنان، اسناد داخلی و داده‌های کاربران در سازمان‌های مختلف شده است. نکته قابل توجه این است که آسیب‌پذیری‌های مورد استفاده، لزوماً جدید نبوده‌اند و شامل موارد زیر می‌شدند:
- دور زدن احراز هویت (Authentication Bypass)
- ارجاع مستقیم ناامن به اشیاء (IDOR)
- تخصیص انبوه (Mass-assignment)
- استفاده از پسوردهای ضعیف یا پیش‌فرض
- آسیب‌پذیری‌های قدیمی و شناخته شده (CVEs)
هوش مصنوعی در این حملات، دشواری کار را کاهش نداده، بلکه سرعت و دامنه نفوذ را به شدت افزایش داده است. برای مقابله با این تهدیدات، تیم‌های دفاعی باید بر استفاده از رمزهای عبور قوی، احراز هویت چندعاملی (MFA) مقاوم در برابر فیشینگ، پچ کردن سریع CVEها و نظارت بر ترافیک پرفرکانس از یک منبع واحد تمرکز کنند.
