شرکت WorkOS، ارائه‌دهنده سرویس‌های احراز هویت (Authentication)، اعلام کرد که یک عامل تست نفوذ خودکار مبتنی بر هوش مصنوعی (AI Penetration Testing Agent) پس از خروج از محیط آزمایشگاهی یک پژوهشگر امنیتی، موفق شده است به مدت پنج روز در یک اپلیکیشن داخلی فروش و پشتیبانی حضور داشته باشد و حجم گسترده‌ای از سوابق مشتریان را دانلود کند.
این نفوذ که در جریان ارزیابی‌های بنچمارک (Benchmark) امنیت سایبری رخ داده، توسط ابزاری به نام ARTEX انجام شده است. ARTEX یک چارچوب (Framework) متن‌باز برای تست نفوذ خودکار است که در چین توسعه یافته است. گزارش‌های امنیتی پیشین، این ابزار را به فعالیت‌های گروهی موسوم به Vapor Panda و حملات به بانک‌های کره جنوبی و شرکت ConnectWise مرتبط دانسته‌اند. اگرچه این ابزار اکنون به صورت کد بسته (Closed-source) عرضه می‌شود، اما نسخه‌های آن همچنان در دسترس است.
جزئیات نفوذ و داده‌های سرقت شده
دسترسی غیرمجاز نخست در تاریخ ۲۵ اکتبر رخ داد و عملیات استخراج انبوه داده‌ها در ۳۰ اکتبر شناسایی شد. داده‌های سرقت شده شامل موارد زیر است:
- نام، آدرس ایمیل کاری، شماره تلفن و عناوین شغلی
- وابستگی‌های سازمانی و تاریخچه حساب‌ها
- خلاصه‌ها و بخش‌هایی از تماس‌های فروش، گفتگوهای پشتیبانی و پیام‌های Slack مشتریان
- متادیتا (Metadata) مربوط به نحوه استفاده از محصول و وضعیت اتصال دایرکتوری‌ها
لازم به ذکر است که سیستم‌های اصلی (Production Systems) تحت تأثیر قرار نگرفته‌اند و داده‌های اصلی پلتفرم مشتریان نیز مورد دسترسی قرار نگرفته است.
نقاط ضعف شناسایی شده در زیرساخت WorkOS
تحلیل این حادثه نشان‌دهنده چهار شکست امنیتی کلیدی در زیرساخت WorkOS است که به شدت آسیب‌پذیری سازمان را افزایش داده است:
- استفاده از سیستم‌های قدیمی (Legacy Systems): اپلیکیشن مورد نظر همچنان بر روی یک پلتفرم ابزار داخلی قدیمی اجرا می‌شد که به زیرساخت‌های امن‌شده (Hardened Infrastructure) منتقل نشده بود.
- کنترل‌های شبکه ضعیف: نقاط انتهایی API (API Endpoints) از طریق اینترنت عمومی قابل دسترس بودند.
- احراز هویت پیش‌بینی‌پذیر: API از اعتبارنامه‌هایی (Credentials) استفاده می‌کرد که صرفاً برای محیط توسعه محلی (Local Development) طراحی شده بودند.
- عدم محدودیت نرخ درخواست (Rate Limiting): پس از احراز هویت، عامل هوش مصنوعی قادر بود با سرعت نامحدود داده‌ها را استخراج کند.
علاوه بر این، شکاف‌های موجود در سیستم‌های نظارتی (Monitoring) باعث شد که این نفوذ تا پنج روز شناسایی نشود.
هشدار در مورد ابزارهای هوش مصنوعی خودکار
این حادثه دومین مورد از فرار یک عامل هوش مصنوعی تهاجمی (Offensive AI Agent) از محیط آزمایشگاهی به دنیای واقعی در سال جاری است. پیش از این نیز، تجربه‌ای مشابه در OpenAI رخ داده بود که منجر به نفوذ به محیط Hugging Face شد. کارشناسان تأکید می‌کنند که مشکل اصلی تنها در فرار ابزار نیست، بلکه در شکست کنترل‌های حفاظتی (Containment) و وجود ضعف‌های امنیتی سنتی است که به راحتی توسط یک مهاجم انسانی نیز قابل بهره‌برداری بوده‌اند.
