Scan for Good: Using AI to discover and fix high-priority exposures across public services and critical infrastructure

{
“title”: “به‌کارگیری هوش مصنوعی برای شناسایی و رفع نقاط آسیب‌پذیر در زیرساخت‌های حیاتی و خدمات عمومی”,
“body”: “

با پیشرفت قابلیت‌های تهاجمی هوش مصنوعی (AI)، تقویت توانمندی‌های دفاعی به یک ضرورت جهانی تبدیل شده است. در همین راستا، ابتکار جدیدی به نام Scan for Good معرفی شده است که با ترکیب مدل‌های پیشرفته AI و تخصص پژوهشگران امنیتی، به دنبال شناسایی Exposureهای عمومی و مسیرهای پیچیده حمله (Attack Paths) در خدمات عمومی، زیرساخت‌های حیاتی و سازمان‌های غیرانتفاعی است.

“,
“

تغییر پارادایم در شناسایی آسیب‌پذیری‌ها

n

در محیط‌های واقعی، ریسک‌های بحرانی همیشه از یک آسیب‌پذیری تک‌بعدی در کد ناشی نمی‌شوند؛ بلکه اغلب نتیجه ترکیب پیکربندی‌ها (Configurations)، دسترسی‌ها (Permissions)، هویت‌ها و رفتارهای اپلیکیشن هستند که به تنهایی بی‌خطر به نظر می‌رسند اما در کنار هم، مسیرهای خطرناکی برای نفوذ ایجاد می‌کنند.

n

در گذشته، شناسایی این مسیرها در مقیاس گسترده نیازمند زمان زیاد و بررسی‌های دستی بود، اما AI این فرآیند را متحول کرده است. ابزارهایی مانند Wiz Red Agent (یک Pentester متمرکز بر کانتکست و مبتنی بر AI) قادرند هزاران Exposure بحرانی را در محیط‌های Production شناسایی کنند.

“,
“

نمونه‌های عملی از شناسایی ریسک‌ها

n

این برنامه تاکنون موارد متعددی از ریسک‌های جدی در سازمان‌های مختلف شناسایی و رفع کرده است، از جمله:

n

n
• آرشیو ملی: شناسایی یک کلید Administrator در یک وب‌سرور عمومی که دسترسی خواندن، نوشتن و حذف ۸.۸ میلیون فایل را فراهم می‌کرد.

n

• بیمارستان‌های عمومی و خصوصی: شناسایی نقص در کنترل دسترسی (Access Control) که منجر به افشای اطلاعات تماس کارکنان و دسترسی به داده‌های بالینی بیماران می‌شد.

n

• اپراتور ریلی: شناسایی یک دیتابیس لو رفته (Leaked Database) که نشست‌های فعال مدیران را افشا کرده و امکان کنترل مسیرها و جداول زمانی حرکت قطارها را می‌داد.

n

• پلتفرم‌های فناوری: شناسایی یک آسیب‌پذیری زیرو دِی در یک سرویس پرداخت مشترک و همچنین نقص‌های NoSQL Injection در پلتفرم‌های آموزش داده‌های AI.

n

“,
“

رویکرد فنی و عملیاتی

n

این پروژه با بهره‌گیری از مدل‌های خانواده Gemini (به‌ویژه Gemini 3.8 Flash Cyber) عمل می‌کند. فرآیند شناسایی شامل مراحل زیر است:

n

n
• بررسی خودکار: استفاده از AI برای تحلیل وب‌سایت‌ها، APIها و اپلیکیشن‌های رو به اینترنت.

n

• تایید انسانی: تمامی یافته‌های مدل AI توسط پژوهشگران انسانی بررسی و اعتبارسنجی می‌شوند تا از مثبت کاذب (False Positive) جلوگیری شود.

n

• افشای خصوصی: گزارش‌ها به صورت خصوصی به سازمان‌های مربوطه ارسال شده و برای رفع مشکل (Remediation) با آن‌ها همکاری می‌شود.

n

• اشتراک دانش: پس از رفع آسیب‌پذیری، الگوهای شناسایی شده به صورت ناشناس منتشر می‌شود تا جامعه امنیتی بتواند استراتژی‌های دفاعی خود را به‌روزرسانی کند.

n

“,
“summary”: “برنامه Scan for Good با استفاده از مدل‌های پیشرفته هوش مصنوعی Gemini و ابزار Wiz Red Agent، مسیرهای پیچیده حمله در زیرساخت‌های حیاتی را شناسایی و پیش از بهره‌برداری مهاجمان، آن‌ها را رفع می‌کند. این رویکرد بر شناسایی ترکیبی از نقص‌های پیکربندی و دسترسی‌ها تمرکز دارد که روش‌های سنتی اسکنینگ قادر به یافتن آن‌ها نیستند.”,
“categories”: [“reports-analysis”],
“tags”: [“Wiz”, “Google DeepMind”, “Gemini AI”, “Attack Surface Management”, “Critical Infrastructure”],
“criticality”: {
“impact”: 0.7,
“exploit”: 0.6,
“urgency”: 0.5,
“relevance”: 0.8,
“novelty”: 0.8,
“exposure”: 0.9,
“persistence”: 0.5,
“confidence”: 1.0,
“notes”: “High impact due to critical infrastructure focus and use of frontier AI for vulnerability discovery.”
},
“reject_reason”: “”
}