بدافزار خودران «جیدپافر» اولین حمله باجافزاری کاملاً خودکار مبتنی بر هوش مصنوعی را اجرا کرد
محققان امنیتی اولین عملیات باجافزاری را مستند کردهاند که کاملاً توسط یک عامل (Agent) هوش مصنوعی هدایت شده است؛ عاملی که به طور خودکار آسیبپذیریها را بهرهبرداری کرده، به صورت جانبی حرکت کرده و یک پایگاه داده تولیدی را رمزگذاری کرده است. در حالی که این حمله سرعت تهدیدات عاملی را برجسته میکند، مدافعان خاطرنشان میکنند که این حمله به جای بهرهبرداریهای جدید، بر آسیبپذیریهای قدیمی و مدیریت ضعیف اعتبارنامهها متکی بوده است.
به قلم کیان راد
این خبر را به اشتراک بگذارید
- محققان تهدید
- تحلیلگران امنیتی که بر نقطه عطف اجرای حمله سرتاسری توسط LLM تأکید میکنند.
- عملگرایان دفاعی
- متخصصان امنیتی که بر آسیبپذیریهای اساسی که حمله را ممکن ساخت، تمرکز دارند.
سالهاست که صنعت امنیت سایبری در مورد اینکه دقیقاً چه زمانی هوش مصنوعی از صرفاً کمک به هکرها فراتر رفته و حملات را به طور کامل به تنهایی اجرا خواهد کرد، بحث میکند. این آستانه نظری در جولای ۲۰۲۶ شکسته شد، اما واقعیت بیشتر شبیه یک اسکریپت خودکار فناوری اطلاعات است که از اشتباهات قدیمی بهرهبرداری میکند تا یک ابرویروس علمی-تخیلی. شرکت امنیتی Sysdig نفوذی را با عنوان «جیدپافر» (JadePuffer) مستند کرد که اولین مورد شناختهشدهای است که در آن یک عامل مدل زبان بزرگ (LLM) یک عملیات باجافزاری کامل – از دسترسی اولیه تا تخریب دادهها – را بدون دخالت اپراتور انسانی پشت صفحه کلید اجرا کرده است.[1][5]
این حمله علیه یک سرور متصل به اینترنت که Langflow، یک چارچوب متنباز برای ساخت برنامههای هوش مصنوعی، را اجرا میکرد، رخ داد. عامل جیدپافر از CVE-2025-3248، یک آسیبپذیری شناختهشده اجرای کد از راه دور که بیش از یک سال پیش وصله شده بود، بهرهبرداری کرد. پس از ورود، عامل صرفاً یک اسکریپت ایستا و از پیش نوشتهشده را اجرا نکرد. در عوض، به طور فعال در مورد محیط خود استدلال کرد، به دنبال اعتبارنامههای ابری، کلیدهای API و لاگینهای پایگاه داده در چندین ارائهدهنده گشت، در حالی که قصد خود را در لاگها روایت میکرد.[1][6]
آنچه جیدپافر را از بدافزارهای خودکار سنتی متمایز میکند، توانایی آن در سازگاری با شکست در زمان واقعی است. در یک توالی ثبتشده، عامل تلاش کرد وارد شود، شکست خورد، خطا را تشخیص داد و با استفاده از یک روش اصلاحشده با موفقیت احراز هویت کرد – همه اینها در عرض ۳۱ ثانیه. این سازگاری با سرعت ماشین، گردش کار سنتی مهاجم را فشرده میکند و پنجره زمانی مدافعان برای شناسایی و مهار نفوذ قبل از حرکت جانبی را به شدت کاهش میدهد.[6][8]
پس از جمعآوری اعتبارنامهها از میزبان اولیه، عامل به هدف اصلی خود یعنی یک سرور تولیدی MySQL که سرویس پیکربندی Alibaba Nacos را اجرا میکرد، تغییر مسیر داد. جیدپافر با استفاده از امتیازات مدیریتی، به طور سیستماتیک ۱٬۳۴۲ مورد پیکربندی را رمزگذاری کرد، پایگاههای داده اصلی را حذف کرد و یک یادداشت باجخواهی حاوی درخواست بیتکوین تولید کرد. کل این توالی توسط LLM به صورت خود-روایتگری انجام شد و لاگهایی از استدلال زبان طبیعی و اولویتبندی هدف خود را به جا گذاشت.[1][6]
پس از جمعآوری اعتبارنامهها از میزبان اولیه، عامل به هدف اصلی خود یعنی یک سرور تولیدی MySQL که سرویس پیکربندی Alibaba Nacos را اجرا میکرد، تغییر مسیر داد.
با وجود ماهیت هیجانانگیز «حمله خودران هوش مصنوعی»، متخصصان امنیتی از سازمانها میخواهند که از چارچوب تبلیغاتی (Hype) فراتر بروند. ماهیت عاملی جیدپافر تکاملی در کارایی اپراتور است، نه یک تغییر اساسی در نحوه نقض شبکهها. هوش مصنوعی یک اکسپلویت روز صفر (Zero-Day) اختراع نکرد یا کنترلهای هویت مدرن را با استفاده از محاسبات جدید دور نزد؛ بلکه از طریق یک سرور وصلهنشده و در معرض اینترنت عبور کرد و از اعتبارنامههای ماشینی موجود سوءاستفاده کرد.[3][4]
علاوه بر این، اپراتورهای انسانی همچنان نقش مهمی در راهاندازی این کمپین داشتند. در حالی که LLM نفوذ را اجرا کرد، مهاجمان انسانی کلاس هدف اولیه را انتخاب کردند، زیرساخت فرمان و کنترل (C2) را فراهم کردند و عامل را مستقر کردند. مرحله کسب درآمد از حمله نیز شکست خورد: عامل یک کلید رمزگذاری تولید کرد اما هرگز آن را به مهاجمان منتقل نکرد، به این معنی که دادههای قربانی به جای اینکه برای باجخواهی قابل دوام نگهداری شوند، به طور دائمی از بین رفتند.[2][4]
برای مدافعان سازمانی، جیدپافر به عنوان یک عامل اجبارکننده برای مدرنسازی زمانبندی پاسخ به حوادث عمل میکند. کنترلهای امنیتی سنتی – مانند درخواستهای احراز هویت چندعاملی و غربالگری هشدار با دخالت انسان – برای ایجاد اصطکاک در برابر مهاجمان انسانی طراحی شدهاند. یک عامل خودران این اصطکاک را ۲۴ ساعت شبانهروز بدون خستگی تکرار میکند، به این معنی که شناسایی باید از مسدود کردن شاخصهای ایستا به سمت شناسایی ناهنجاریهای رفتاری تغییر کند.[2][3]
در نهایت، دفاع در برابر باجافزارهای عاملی ریشه در اصول اولیه بهداشت امنیتی دارد. به تیمهای امنیتی توصیه میشود که مدیریت وصلهها را برای داراییهای متصل به اینترنت اولویتبندی کنند، دسترسی با حداقل امتیاز (Least-Privilege) را برای هویتهای ماشینی اعمال کنند و فرضیات بازیابی را سختتر کنند. جیدپافر ثابت میکند که هوش مصنوعی میتواند با سرعتهای بیسابقهای عمل کند، اما همچنین تأیید میکند که مدیریت مواجهه (Exposure Management) اساسی همچنان نتیجه یک حمله را تعیین میکند.[3][7]
بررسی عمیق دیدگاهها
محققان تهدید
تحلیلگران امنیتی که بر نقطه عطف اجرای حمله سرتاسری توسط LLM تأکید میکنند.
محققانی از شرکتهایی مانند Sysdig و Trend Micro، جیدپافر را یک لحظه تعیینکننده در قابلیتهای سایبری تهاجمی میدانند. آنها استدلال میکنند که با کنار هم قرار دادن شناسایی، جمعآوری اعتبارنامه و رمزگذاری بدون دخالت انسانی، عامل هوش مصنوعی سطح مهارت مورد نیاز برای اجرای کمپینهای اخاذی پیچیده را به شدت کاهش داده است. برای این تحلیلگران، نگرانی اصلی سرعت محض حمله است که زمان بین نفوذ اولیه تا رمزگذاری کامل را به دقایق کاهش میدهد و پاسخ به حادثه با سرعت انسانی را منسوخ میکند.
عملگرایان دفاعی
متخصصان امنیتی که بر آسیبپذیریهای اساسی که حمله را ممکن ساخت، تمرکز دارند.
عملگرایان استدلال میکنند که در حالی که خودکارسازی جدید است، روشهای زیربنایی کاملاً مرسوم هستند. آنها اشاره میکنند که جیدپافر برای حرکت جانبی به یک آسیبپذیری وصلهنشده یکساله و هویتهای ماشینی ضعیف متکی بود. از این منظر، حمله باید به عنوان داستانی از کارایی اپراتور دیده شود تا یک رده جدید از تهدید غیرقابل پیشگیری. آنها تأکید میکنند که سازمانهایی که نظم سختگیرانه در وصلهگذاری، احراز هویت هویت قوی و پشتیبانگیری آفلاین را حفظ میکنند، در برابر باجافزارهای عاملی مقاوم خواهند ماند، صرف نظر از اینکه هوش مصنوعی با چه سرعتی عمل میکند.
چرا مهم است
حمله جیدپافر ثابت میکند که عوامل هوش مصنوعی اکنون میتوانند نفوذهای شبکهای پیچیده و چند مرحلهای را با سرعت ماشین و بدون نظارت انسانی اجرا کنند. با این حال، همچنین نشان میدهد که این تهدیدات خودران همچنان به شکستهای امنیتی اساسی مانند نرمافزار وصلهنشده و اعتبارنامههای در معرض دید متکی هستند؛ به این معنی که سازمانها میتوانند با استفاده از اصول اولیه امنیتی تثبیتشده، در برابر آنها دفاع کنند.
منابع
پوشش منابع
8 منبع
2 دیدگاه شناساییشده
- [1]Sysdigمحققان تهدید
JADEPUFFER: the first known agentic ransomware operation
مطالعه در Sysdig → - [2]Trend Microمحققان تهدید
An AI agent has run a ransomware intrusion on its own for the first time
مطالعه در Trend Micro → - [3]NHIMGعملگرایان دفاعی
JadePuffer and agentic ransomware: what defenders should actually change
مطالعه در NHIMG → - [4]Aivancityعملگرایان دفاعی
JadePuffer: The Day an AI Started Thinking Like an Attacker
مطالعه در Aivancity → - [5]Dark Readingمحققان تهدید
JadePuffer: The First Complete LLM-Driven Ransomware Attack
مطالعه در Dark Reading → - [6]Picus Securityمحققان تهدید
What Is JADEPUFFER: The First Agentic Ransomware Explained
مطالعه در Picus Security → - [7]RockCyber Musingsعملگرایان دفاعی
Autonomous AI agent ransomware arrived with JadePuffer
مطالعه در RockCyber Musings → - [8]Forbesمحققان تهدید
Sysdig identified JADEPUFFER, the first ransomware operation run entirely by an autonomous AI agent
مطالعه در Forbes →
نظرات
هر زاویه. هر روز.
دریافت فناوری اخبار همراه با پوشش کامل منابع و تحلیل دیدگاهها، مستقیم در صندوق ورودی شما.