هوش مصنوعی حالا فقط به ابزار برنامهنویسی و تولید محتوا محدود نیست؛ گزارش تازه آمازون نشان میدهد ایجنتهای خودکار میتوانند در عملیات واقعی هک نیز آسیبپذیریهای ناشناخته را پیدا کنند و از آنها بهرهبرداری کنند. در یکی از این حملات، ایجنتهای هوش مصنوعی تنها در حدود ۱۱ دقیقه پس از بررسی رابط برنامه، راهی برای نوشتن فایل در مسیرهای غیرمجاز یک نرمافزار تصویربرداری پزشکی پیدا کردند.
هدف این حمله نرمافزار متنباز MONAI Label بود؛ ابزاری برای برچسبگذاری و تحلیل تصاویر پزشکی که در پروژههای پژوهشی و محیطهای دانشگاهی استفاده میشود. آمازون میگوید مهاجمان با کمک چارچوبی به نام Cairn چند ایجنت هوش مصنوعی را برای بررسی سرورها و دستیابی به دسترسی سیستمی به کار گرفته بودند.
گزارش آمازون نشان میدهد این عملیات از ۸ سپتامبر ۲۰۲۶ آغاز شد و حدود ۴۸ ساعت ادامه داشت. مهاجمان دانشگاههایی در شرق آسیا، خارج از سرزمین اصلی چین، را هدف قرار داده بودند. آمازون با اطمینان متوسط این فعالیت را به یک عامل تهدید با ارتباط احتمالی با چین نسبت داده است؛ بنابراین انتساب قطعی حمله به دولت یا یک گروه مشخص تأیید نشده است.
نکته مهم این است که ایجنتها از ابتدا یک آسیبپذیری مشخص در اختیار نداشتند. آنها ابتدا سرویسهای مختلف را بررسی کردند و پس از تلاشهای ناموفق برای نفوذ از مسیرهای دیگر، به MONAI Label رسیدند. سپس با بررسی رابط برنامه و قابلیت بارگذاری فایل، نقصی از نوع Path Traversal را شناسایی کردند؛ ضعفی که امکان نوشتن فایل خارج از پوشه مجاز نرمافزار را فراهم میکرد.
در مرحله بعد، همین نقص در یک نشست دیگر برای اجرای کد مخرب و بهدستآوردن دسترسی سطح بالا به سرور استفاده شد. به بیان ساده، مهاجمان توانستند از قابلیت بارگذاری فایل برای قراردادن کد در محلی استفاده کنند که با اجرای فرایند پایتون، امکان فعالشدن آن وجود داشت. این اتفاق نشان میدهد یک ضعف ظاهراً ساده در مدیریت فایلها میتواند به نفوذ عمیقتر به زیرساخت منجر شود.
این ماجرا از یک جهت اهمیت ویژهای دارد: ایجنتها صرفاً یک آسیبپذیری آماده را اجرا نکردند، بلکه با بررسی نرمافزار و آزمودن مسیرهای مختلف، نقصی را پیدا کردند که پیشتر بهعنوان یک مشکل امنیتی شناخته نشده بود. البته مهاجمان همچنان هدفها و دستورهای اولیه را به سامانه داده بودند و در ادامه نیز یک پراکسی برای دسترسی به شبکه دانشگاه دوم در اختیار آن قرار دادند؛ بنابراین این عملیات کاملاً مستقل از دخالت انسان نبود.
نگرانی مهمتر برای مدیران سامانهها این است که در زمان انتشار گزارش، نسخه اصلاحشده MONAI Label هنوز بهصورت رسمی منتشر نشده بود. اصلاح کد در ۱۹ اکتبر به شاخه اصلی پروژه اضافه شده، اما نسخه منتشرشده ۰.۸.۵ و نسخههای قدیمیتر همچنان در معرض خطر گزارش شدهاند. توسعهدهندگان توصیه کردهاند تا زمان انتشار نسخه اصلاحشده، دسترسی شبکه به سرورها محدود شود، احراز هویت فعال باشد و نرمافزار با سطح دسترسی غیرمدیر اجرا شود.
این رخداد زنگ خطری درباره تغییر ماهیت حملات سایبری است. با گسترش ایجنتهای هوش مصنوعی، بخشی از فرایند شناسایی هدف، بررسی نرمافزار و پیدا کردن راه نفوذ میتواند با سرعت بسیار بیشتری انجام شود. در نتیجه، سازمانها دیگر نمیتوانند صرفاً به این امید تکیه کنند که کشف آسیبپذیریهای ناشناخته زمان زیادی از مهاجمان میگیرد؛ سرعت واکنش و بهروزرسانی امنیتی نیز اهمیت بیشتری پیدا میکند.