آخرین اخبار
همهٔ اخبار
باج‌افزار گزارش بحرانیت ۸/۱۰

ظهور موج جدید باج‌افزارها با بهره‌گیری از هوش مصنوعی

حملات باج‌افزاری (Ransomware) و اخاذی داده‌ها (Data Extortion) همچنان یکی از بزرگ‌ترین تهدیدات سایبری برای سازمان‌ها و زیرساخت‌های حیاتی در سطح جهان هستند. با ورود به عصر جدید حملات خودکار و مبتنی بر هوش مصنوعی (AI)، خطر ناشی از این تهدیدات به دلیل ترکیب روش‌های سنتی با تکنیک‌های جدید هوش مصنوعی، به شدت در حال افزایش است.

افزایش حجم حملات و نقش هوش مصنوعی

بر اساس داده‌های موجود، تعداد ادعاهای مربوط به حملات باج‌افزاری در ماه‌های اخیر جهش قابل توجهی داشته است. برخی تخمین‌ها نشان می‌دهند که تعداد حملات در سایت‌های نشت داده (Leak Sites) در طول تابستان به نزدیکی ۳,۰۰۰ مورد رسیده که نشان‌دهنده افزایش ۲۰ تا ۴۰ درصدی نسبت به فصل بهار است. اگرچه حملات کاملاً خودکار و مستقل توسط هوش مصنوعی هنوز به طور گسترده ظهور نکرده‌اند، اما عاملان تهدید (Threat Actors) به طور فزاینده‌ای از مدل‌های زبانی بزرگ (LLM) برای تسهیل مراحل مختلف زنجیره حمله استفاده می‌کنند.

  • بهبود حملات فیشینگ: استفاده از هوش مصنوعی برای تولید ایمیل‌های فیشینگ بسیار متقاعدکننده و با کیفیت بالا که تشخیص آن‌ها را دشوار می‌کند.
  • فرآیند مذاکره: بهره‌گیری از ابزارهای هوش مصنوعی برای مدیریت و بهینه‌سازی فرآیند مذاکره با قربانیان جهت دریافت باج.
  • کاهش سد ورود: هوش مصنوعی به اپراتورهای تازه‌کار اجازه می‌دهد تا با دانش فنی کمتر، گروه‌های باج‌افزاری خود را راه‌اندازی کنند.

تغییر در ساختار گروه‌های باج‌افزاری و تاکتیک‌ها

در حالی که گروه‌های مستقر و شناخته‌شده‌ای مانند Qilin، Akira و Gentlemen همچنان فعالیت‌های خود را ادامه می‌دهند، شاهد ظهور تعداد زیادی از گروه‌های کوچک‌تر و اپراتورهای «تنها‌سوار» (Lone-wolf) هستیم. این افراد با استفاده از هوش مصنوعی برای بررسی کدها، اکسپلویت کردن آسیب‌پذیری‌ها (Exploit) و حتی دور زدن ابزارهای دسترسی از راه دور، توانمندی‌های خود را به شدت افزایش داده‌اند.

همچنین یک تغییر استراتژیک در تاکتیک‌ها مشاهده می‌شود؛ در حالی که روش سنتی «اخاذی دوگانه» (Double Extortion) شامل رمزگذاری سیستم‌ها و همزمان سرقت داده‌ها بود، بسیاری از گروه‌های نوظف ممکن است تنها بر روی اخاذی داده‌ها (Data Extortion) تمرکز کنند تا پیچیدگی عملیات خود را کاهش داده و بازدهی بیشتری کسب کنند.