حمله سایبری به بانک Shinhan در کره جنوبی منجر به افشای اطلاعات شخصی و مالی حدود ۲۵,۰۰۰ مشتری شده است. محققان در حال بررسی این موضوع هستند که آیا عوامل تهدید (Threat Actors) برای اجرای این نفوذ از ابزارهای پیشرفته هوش مصنوعی (AI) استفاده کردهاند یا خیر.
جزئیات دادههای افشا شده و اقدامات اولیه
گزارشها حاکی از آن است که اطلاعات لو رفته شامل نام مشتریان، شماره تلفن، جزئیات وامهای دریافتی و درآمد سالانه است. بانک Shinhan اعلام کرد که پس از شناسایی نفوذ در روز چهارشنبه، بلافاصله یک تیم پاسخگویی تشکیل داده و اقداماتی نظیر مسدود کردن دسترسیهای IP خارجی و تعلیق سرویسهای آسیبدیده را برای محدود کردن خسارات انجام داده است.
نقش هوش مصنوعی در حملات مدرن
یکی از جنبههای نگرانکننده این حادثه، احتمال استفاده از AI Agent-Assisted Attacks است. کارشناسان امنیت سایبری هشدار میدهند که ابزارهای AI که در ابتدا برای اهداف دفاعی توسعه یافتهاند، اکنون توسط مهاجمان برای شناسایی سیستمهای آسیبپذیر و اتوماسیون حملات در مقیاس گستردهتر به کار گرفته میشوند. این فناوری به عنوان یک «تیغ دو لبه» توصیف شده که میتواند سرعت و دقت حملات علیه مؤسسات مالی را بهطور چشمگیری افزایش دهد.
روند صعودی حملات به بخش مالی کره جنوبی
این حادثه تنها مورد منفردی نیست؛ بانکهای دیگر نظیر KB Kookmin و Hana Bank نیز اخیراً گزارشهایی از نفوذ خارجی و نشت دادههای مشتریان ارائه کردهاند. اگرچه تعداد قربانیان در حمله به بانک Shinhan در مقایسه با برخی نشتهای عظیم قبلی کمتر است، اما ترکیب اطلاعات هویتی با دادههای مالی، ریسک ایجاد کلاهبرداریهای هدفمند (Personalized Scams) را افزایش میدهد، بهویژه زمانی که مهاجمان از Generative AI برای متقاعدسازی قربانیان استفاده کنند.
چالشهای زیرساختی و فشار سایبری
کره جنوبی با افزایش چشمگیر حملات در بخشهای مختلف روبروست. گزارشها نشان میدهد حملات به سیستمهای نظامی این کشور در سال ۲۰۲۵ به رکورد ۱۸,۹۵۱ مورد رسیده که افزایش ۳۱ درصدی نسبت به سال ۲۰۲۴ را نشان میدهد. در پاسخ به این تهدیدات، دولت کره جنوبی در حال گسترش سیستمهای دفاعی مبتنی بر AI برای شناسایی فعالیتهای مشکوک در مؤسسات دولتی و آموزشی است.
بهروزرسانی (اکتبر 5, 2026 — GBHackers)
بهروزرسانی: تحقیقات در مورد نفوذ به سیستمهای مالی کره جنوبی گسترش یافته و اکنون بانکهای KB Kookmin، Hana، BNK Busan، بانک پسانداز Yegaram و شرکت Hyundai Capital را نیز شامل میشود. بر اساس یافتههای جدید، دادههای حساستری از جمله درآمد سالانه، سقف وامها و شمارههای ثبت ملی (Resident Registration Numbers) کاربران مورد سرایت قرار گرفته است.
تحلیلگران امنیتی در زیرساختهای مرتبط با این حملات، رشتههای متنی (Strings) مربوط به فریمورک ARTEX AI را شناسایی کردهاند. این ابزار یک چارچوب متنباز مبتنی بر مدلهای زبانی بزرگ (LLM) است که برای اتوماسیون مراحل نفوذ، از جمله شناسایی (Reconnaissance) و برنامهریزی مسیر حمله طراحی شده است. همچنین شواهدی مبنی بر استفاده از تکنیک Credential Stuffing برای دسترسی به حسابهای کاربری مشاهده شده است.
در واکنش به این بحران، رئیسجمهور Lee Jae Myung و کمیسیون خدمات مالی (FSC) دستور به بررسی جامع و تدوین اقدامات متقابل دادهاند. مقامات نظارتی اکنون مؤسسات مالی را ترغیب میکنند تا برای مقابله با این تهدیدات، از رویکرد «مقابله با حملات AI توسط AI» استفاده کرده و مدلهای شناسایی مبتنی بر هوش مصنوعی و احراز هویت چندعاملی (MFA) مقاوم در برابر فیشینگ را پیادهسازی کنند.