شرکت Fortinet هفته گذشته به‌روزرسانی‌های امنیتی (Security Hardening) را برای محصولات FortiOS، FortiManager، FortiAnalyzer، FortiMail و FortiAuthenticator منتشر کرد. با این حال، این شرکت جزئیات مربوط به این آسیب‌پذیری‌ها را تا ۱۰ نوامبر ۲۰۲۶ مخفی نگه داشته است.
نقش هوش مصنوعی در شناسایی نقاط ضعف
کارل ویندزور (Carl Windsor)، مدیر ارشد امنیت اطلاعات (CISO) فورتی‌نت، توضیح داد که این آسیب‌پذیری‌ها با کمک مدل‌های هوش مصنوعی (AI) شناسایی و سپس توسط متخصصان انسانی تایید شده‌اند. وی هشدار داد که مهاجمان نیز به ابزارهای AI دسترسی دارند و می‌توانند از آن‌ها برای یافتن نقاط ضعف و ساخت اکسپلویت‌ها (Exploits) استفاده کنند.
ویندزور اشاره کرد: «بازه زمانی بین افشای آسیب‌پذیری و بهره‌برداری از آن در حال کاهش است. به محض عمومی شدن به‌روزرسانی‌ها، خودِ این اصلاحات نشان می‌دهند که چه تغییراتی اعمال شده و بدین ترتیب نقاط ضعف احتمالی سیستم آشکار می‌شود. در نتیجه، دستگاه‌های به‌روزرسانی نشده به اهداف آسان‌تری برای مهاجمان تبدیل می‌شوند.»
شدت تهدید و ریسک‌های احتمالی
با توجه به اینکه محصولات Fortinet همواره از اهداف محبوب مهاجمان بوده‌اند، آسیب‌پذیری‌های جدید در دسته‌های Critical و High قرار گرفته‌اند. این بدان معناست که برخی از آن‌ها احتمالاً بدون نیاز به احراز هویت (Authentication)، به صورت از راه دور (Remotely) قابل بهره‌برداری هستند.
علاوه بر این، این شرکت هشدار داد که هوش مصنوعی می‌تواند آسیب‌پذیری‌های با شدت پایین و به‌ظاهر نامرتبط را به یکدیگر متصل کرده و یک زنجیره حمله (Attack Chain) با شدت بسیار بالا ایجاد کند.
توصیه‌های امنیتی برای مدیران شبکه
به مدیرانی که هنوز سیستم‌های خود را ارتقا نداده‌اند، توصیه می‌شود فوراً این اقدام را انجام دهند. اولویت با سیستم‌هایی است که در معرض اینترنت (Internet-facing) قرار دارند. اقدامات موقتی برای کاهش ریسک عبارتند از:
- محدود کردن دسترسی‌های مدیریتی به آدرس‌های IP مورد اعتماد.
- جدا نگه داشتن FortiManager از دسترسی مستقیم به اینترنت.
- استفاده از اعتبارنامه‌های (Credentials) قوی و منحصر‌به‌فرد.
- اجرای اجباری احراز هویت چندعاملی (MFA) برای حساب‌های مدیریتی.
نکته: این به‌روزرسانی‌ها شامل اصلاحاتی برای آسیب‌پذیری‌های PHP2Shell نیستند، زیرا محصولات مذکور تحت تاثیر آن نبوده‌اند.
متدولوژی تست امنیتی مبتنی بر AI
فورتی‌نت چندین ماه است که از مدل‌های پیشرفته AI در کنار مدل‌های داخلی خود برای تست‌های امنیتی استفاده می‌کند. این فرآیند در دو مرحله انجام شد:
- تست جعبه سیاه (Black-box): مدل‌ها بدون دسترسی به کد منبع، فریم‌ور (Firmware) را تحلیل کرده و نقاط احتمالی حمله را شناسایی کردند که سپس توسط تیم‌های Red Teaming و تست نفوذ (Penetration Testing) بررسی شدند.
- تست جعبه سفید (White-box): مدل‌ها مستقیماً روی کد منبع (Source Code) متمرکز شدند. در بیش از ۱۰۰ تست روی ۳۰ خانواده محصول، حدود ۴۰٪ از یافته‌ها آسیب‌پذیری‌های واقعی بودند، ۳۰٪ مثبت کاذب (False Positive) و ۳۰٪ فرصت‌هایی برای بهبود کلی امنیت بودند.
