گزارش جدید Team Cymru نشان می‌دهد که بیش از ۸۰,۰۰۰ سرور رله (Relay Server) برای کمک به کاربران در چین جهت دور زدن محدودیت‌های جغرافیایی مدل‌های پیشرفته هوش مصنوعی ایالات متحده به کار گرفته شده‌اند.
اکوسیستم دور زدن محدودیت‌ها و تقلب
اسکات فیشر، مهندس ارشد در Team Cymru، این وضعیت را یک اکوسیستم کامل توصیف می‌کند که صراحتاً برای نقض شرایط و ضوابط (T&Cs) ارائه‌دهندگان مدل‌های پیشرو طراحی شده تا امکان کلاهبرداری و فعالیت‌های غیرقانونی فراهم شود. این سرورها که به عنوان «ایستگاه‌های انتقال» (Transfer Stations) شناخته می‌شوند، حساب‌های AI را تجمیع کرده و کلیدهای دسترسی اختصاصی را به مشتریان توزیع می‌کنند.
در این مدل، ارائه‌دهنده سرویس تنها سرور رله را مشاهده می‌کند و هویت یا مکان واقعی کاربران پنهان می‌ماند. این موضوع باعث می‌شود اعمال محدودیت‌های منطقه‌ای، ردیابی میزان استفاده و شناسایی سوءاستفاده‌ها برای شرکت‌های AI بسیار دشوار شود.
تقطیر مدل (Model Distillation) و تهدیدات استراتژیک
یکی از خطرناک‌ترین کاربردهای این زیرساخت، Model Distillation یا تقطیر مدل است. در این روش، یک عامل تهدید به جای صرف هزینه‌های هنگفت برای تحقیق و پردازش جهت ساخت یک مدل پیشرو، از یک مدل قدرتمندتر (Teacher Model) در مقیاس وسیع پرس‌وجو کرده و خروجی‌های آن را برای بهبود یک مدل ارزان‌تر (Student Model) به کار می‌برد.
این فرآیند اجازه می‌دهد قابلیت‌های مدل‌های پیشرو با هزینه‌ای بسیار کمتر منتقل شوند؛ به همین دلیل است که ارائه‌دهندگان بزرگ AI، استفاده از خروجی‌های خود برای آموزش مدل‌های رقیب را ممنوع کرده‌اند. پیش از این، سازمان‌های CISA، NSA و FBI نیز در یک هشدار مشترک اعلام کردند که شرکت‌های AI مستقر در چین در حال اجرای کمپین‌های گسترده تقطیر دانش برای استخراج قابلیت‌های مدل‌های آمریکایی هستند.
ابزارها و زیرساخت‌های عملیاتی
بیشتر این رله‌ها از سرویس Claude Relay Service یا نسخه جدیدتر آن یعنی sub2api استفاده می‌کنند. این ابزارها در GitHub منتشر شده‌اند و قابلیت‌هایی نظیر مدیریت کاربران، سیستم پرداخت مجزا، تبدیل اشتراک‌ها به API Access و قابلیت Audit برای Promptها را ارائه می‌دهند.
- گسترش سریع: پروژه sub2api بیش از ۸,۰۰۰ بار Fork شده و کانال تلگرام آن نزدیک به ۷,۰۰۰ عضو دارد.
- پشتیبانی تجاری: این پروژه دارای ۲۶ حامی تجاری است که برخی دسترسی به مدل‌های AI، پروکسی‌های مسکونی (Residential Proxies) و حساب‌های کاربری را می‌فروشند.
- کسب دسترسی: فروشندگان حساب‌ها معمولاً از طریق سوءاستفاده از پیشنهادهای تبلیغاتی یا سرقت Tokenها و Credentialها به دسترسی‌ها دست می‌یابند.
تحلیل ترافیک و مقیاس عملیات
پژوهشگران در یک بازه هشت روزه، ابتدا ۱۰,۸۶۷ رله را شناسایی کردند که این تعداد بعدها به بیش از ۸۰,۰۰۰ مورد رسید. این رله‌ها روی ۴۵۷ شبکه مختلف میزبانی شده‌اند تا از شناسایی و مسدود شدن دسته‌جمعی جلوگیری کنند.
در بررسی یک کلاستر خاص در ایالات متحده، مشخص شد که بیش از ۴,۰۰۰ آدرس از چین و هنگ‌کنگ به ۳۰۴ رله متصل شده‌اند و در مدت هشت روز، حدود ۱۴ ترابایت داده آپلود و ۷ ترابایت دانلود کرده‌اند. حجم بالای ترافیک ارسالی به API شرکت Anthropic نشان‌دهنده پرس‌وجوهای خودکار و در مقیاس وسیع است که احتمالاً با اهداف تقطیر مدل یا سوءاستفاده‌های مشابه مرتبط است.
