شرکت Railway، ارائه‌دهنده سرویس‌های پلتفرم به عنوان سرویس (PaaS)، روز چهارشنبه از مشاهده فعالیت‌های غیرعادی (Anomalous Activity) در سیستم‌های ذخیره‌سازی متغیرهای محیطی (Environment Variables) مشتریان خبر داد. این شرکت اعلام کرد که یک عامل تهدید (Threat Actor) غیرمجاز احتمالاً به متغیرهای محیطی رمزنگاری‌شده دسترسی پیدا کرده و در برخی موارد، محتوای رمزگشایی‌شده آن‌ها را نیز به دست آورده است.
سرقت ارزهای دیجیتال و تأثیر بر کاربران
متغیرهای محیطی شامل جفت‌های کلید-مقدار (Key-Value Pairs) هستند که برای ذخیره داده‌های حساسی مانند کلیدهای API، اعتبارنامه‌های پایگاه داده (Database Credentials) یا پرچم‌های ویژگی (Feature Flags) استفاده می‌شوند. طبق گزارش‌های منتشر شده، این حادثه به مهاجمان اجازه داده است تا کیف پول‌های ارز دیجیتال را که کلیدهای خصوصی (Private Keys) آن‌ها در پلتفرم Railway ذخیره شده بود، تخلیه کنند. در پاسخ به این وضعیت، Railway تمامی اعتبارنامه‌های مربوط به Bucketها را تغییر داده (Rotate) و توکن‌های API خود را باطل کرده است.
ظهور تهدید جدید LLMjacking
این حادثه بخشی از یک روند گسترده‌تر است که در آن مهاجمان پلتفرم‌های ابری را با هدف نهایی نفوذ به ارائه‌دهندگان سرویس‌های استنتاج هوش مصنوعی (AI Inference) هدف قرار می‌دهند. این رویکرد که LLMjacking نامیده می‌شود، شامل دسترسی غیرمجاز به محیط‌های ابری قربانی برای اجرای مدل‌های زبانی بزرگ (LLMs) است تا هزینه‌های پردازشی سنگین بر عهده سازمان قربانی بیفتد.
- سوءاستفاده از منابع ابری: مهاجمان با دسترسی به حساب‌های Google Cloud Platform (GCP)، پروژه‌های تحت کنترل خود را به حساب‌های صورت‌حساب (Billing Accounts) قربانی متصل می‌کنند تا از قدرت پردازشی آن‌ها استفاده کنند.
- عوامل خودکار و هوشمند: گزارش‌های تیم Symantec نشان می‌دهد که مهاجمان از عوامل هوش مصنوعی تهاجمی (Offensive AI Agents) برای اسکن اینترنت، اکسپلویت کردن آسیب‌پذیری‌ها و استخراج ارز دیجیتال بدون دخالت انسان استفاده می‌کنند.
در این نوع حملات، هدف نهایی مهاجم، تبدیل سیستم‌های هوش مصنوعی قانونی به ابزارهای سایبری است که در حالی که تمام هزینه‌های محاسباتی (Compute Cost) توسط قربانی پرداخت می‌شود، عملیات مخرب خود را پیش می‌برند.
