گروه اطلاعات تهدید گوگل (GTIG) میگوید برای نخستینبار زنجیرهای از حملههای سایبری را مشاهده کرده که یک عامل هوش مصنوعی آن را بهطور کامل خودکار اجرا میکند. این سامانه که «exploit_agent» نام دارد، بهروزرسانیهای نرمافزاری را زیر نظر میگیرد، کد را پیش و پس از نصب وصله مقایسه میکند، آسیبپذیری را پیدا میکند، اکسپلویت مینویسد و آن را اجرا میکند؛ همه این مراحل بدون دخالت انسان انجام میشوند. GTIG در نوامبر 2026 سروری را پیدا کرد که این ابزار روی آن اجرا میشد و فعالیت آن را به فایلهای پیکربندی روسیزبان ردیابی کرد. به نظر میرسد گرداننده این ابزار، وبسایتهای فرانسوی در حوزههای رسانه، سرگرمی و آموزش را هدف گرفته است. گوگل فعالیتهای فعلی را در سطح 5 ارزیابی میکند؛ یعنی هوش مصنوعی بیشتر مراحل حمله را انجام میدهد و ممکن است نقش انسان فقط راهاندازی اولیه باشد. این شرکت هشدار میدهد که حملههای قدرتمندتر و پنهانکارانهتر ممکن است ظرف چند ماه ظاهر شوند.
چرا این موضوع حالا اهمیت دارد؟
چرخش بهسمت چارچوبهای خودمختار و چندعاملی، سرعت حملهها را تغییر میدهد. پیشتر انسان باید هر اکسپلویت را مینوشت و آزمایش میکرد، اما هوش مصنوعی میتواند این فرایند را به چند دقیقه کاهش دهد و به مهاجمان اجازه دهد همزمان به هدفهای زیادی حمله کنند. گوگل و Mandiant چند ابزار متنباز، از جمله ARTEX، CAIRN، CyberStrikeAI، HexStrike AI و PentAGI را مستند کردهاند که به مهاجمان امکان میدهند شناسایی، اسکن آسیبپذیریها و تولید محمولههای مخرب را بهطور خودکار به هم زنجیر کنند. این ابزارها ردپاهای جرمشناسی دیجیتال بهجا میگذارند، چون سرعت را به پنهانکاری ترجیح میدهند؛ بنابراین مدافعان میتوانند ترافیک غیرعادی را شناسایی کنند. بااینحال، هرچه مدلهای زبانی زیربنایی بهتر شوند، ممکن است این مصالحه کمتر شود و شناسایی حملهها دشوارتر شود.
زمینه گستردهتر
این روند با الگویی گستردهتر همخوانی دارد که گوگل آن را «نقطه عطف» هوش مصنوعی در دست مهاجمان توصیف میکند. در سهماهه گذشته، GTIG و Mandiant شاهد بودهاند که مهاجمان از استفاده ساده از مدلهای زبانی بزرگ (LLM) به ساخت خطلولههای کاملاً خودمختاری روی آوردهاند که آسیبپذیریها را بررسی میکنند، آنها را به سلاح تبدیل میکنند و از آنها درآمد به دست میآورند. یکی از مدلهای تجاری تازه، با نام LLMJacking، اعتبارنامههای هوش مصنوعی ابری را میدزدد و دسترسی به مدلهای پرقدرت را در بازارهای زیرزمینی دوباره میفروشد. گروههای جاسوسی وابسته به دولتها نیز از LLMها برای گردآوری اطلاعات هدفها و کاشت درهای پشتی از طریق دستیارهای کدنویسیِ هکشده استفاده میکنند. با اینکه حملههای خودکار فعلی برای افزایش سرعت از پنهانکاری میزنند، گزارش تأکید میکند که نسخههای آینده ممکن است ردپای خود را پنهان کنند و کار را برای تیمهای امنیتی در سراسر جهان دشوارتر کنند.
چرا مهم است
برای کسبوکارهای عادی، این خبر یعنی مهاجمان اکنون میتوانند با سرعت ماشین آسیبپذیریها را اسکن و از آنها سوءاستفاده کنند و در نتیجه شمار رخدادهای احتمالی را افزایش دهند. مدافعان باید بهجای اتکا به هشدارهایی که بر پایه فعالیت انسان صادر میشوند، الگوهای غیرعادی ترافیک خودکار را زیر نظر بگیرند. هنوز روشن نیست مهاجمان با چه سرعتی پنهانکاری خود را بهبود میدهند؛ بنابراین سازمانها باید همین حالا مدیریت وصلهها و پایش سامانهها را تقویت کنند.