هوش مصنوعی چگونه سرعت و خطر حملات سایبری را چند برابر کرده است؟
هکرهای دولتی با بهکارگیری ابزارهای خودکارسازی و مدلهای هوش مصنوعی، حملات سایبری را با سرعتی بیسابقه و در مقیاسی گسترده اجرا میکنند. این فناوریها با پویش خودکار آسیبپذیریها و هماهنگی عملیات، شکاف میان مهاجمان و مدافعان سایبری را به شکلی خطرناک عمیقتر کردهاند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- هکرهای تحت حمایت دولتها با استفاده از هوش مصنوعی و اتوماسیون، حملات نفوذ خود را با سرعت و مقیاسی بیسابقه علیه اهداف بینالمللی اجرا میکنند.
- ابزارهای خودکار مبتنی بر مدلهایی مانند DeepSeek به مهاجمان امکان دادهاند صدها سازمان را تنها در چند روز هدف ارزیابی و نفوذ قرار دهند.
- نهادهای امنیتی هشدار میدهند که شتابگیری این حملات توسط هوش مصنوعی، سازمانهای دارای سیستمهای دفاعی قدیمی را بیش از هر زمان دیگری آسیبپذیر میکند.
نفوذ به سامانههای خنککننده، سرقت ۶٫۳ میلیارد دلاری ارز دیجیتال و اجرای عملیات جاسوسی در ۱۴ کشور تنها ظرف ۱۱ روز؛ همه این رخدادها فقط در طول یک هفته به ثبت رسیدهاند.
چرا این موضوع اهمیت دارد: هکرهای تحت حمایت دولتها راههای تازهای برای اجرای حملات سایبری با سرعت و مقیاسی چشمگیر یافتهاند؛ وضعیتی که در آن، ابزارهای هوش مصنوعی و خودکارسازی شکاف میان مهاجمان و مدافعان سایبری را عمیقتر و نگرانکنندهتر میکنند.
رویداد مهم: هکرها در جریان یک حمله گسترده در اوایل هفته جاری، سیستمهای سرمایشی دهها فروشگاه مواد غذایی در اروپا را هدف دستکاری قرار دادند که با افزایش دما و فاسد شدن حجم زیادی از مواد غذایی همراه شد؛ حملهای همهجانبه که برخی کارشناسان آن را به روسیه نسبت دادهاند.
- سینتیا کایزر، معاون پیشین بخش سایبری FBI، در این رابطه اظهار داشت: «بسیار بعید است که این رخداد کار یک دولت نباشد که خود را در قالب یک گروه تبهکار جا زده است. با توجه به تمرکز این حملات در سراسر اروپا، روسیه محتملترین مظنون نخست بهشمار میرود.»
- مقامات رسمی روز چهارشنبه اعلام کردند که بانکهای خون فرانسه نیز در جریان این حملات به سامانههای تبرید در اروپا آسیب دیدهاند.
- پژوهشگران شرکت امنیتی SentinelOne روز سهشنبه گزارش دادند که هکرهای همسو با روسیه پیش از این نیز مسئولیت حملات به سیستمهای برودتی اروپا را بر عهده گرفته بودند.
- در همین حال، پنتاگون نیز در حال بررسی زنجیرهای از حملات مشکوک به سیستمهای سرمایشی پایگاههای نظامی خود در طول تابستان بوده است. پایگاه Nextgov گزارش داد که بازرسان احتمال دخالت ایران را در این حملات بررسی میکنند و برخی دیگر نیز از احتمال ارتباطاتی در اروپا سخن گفتهاند.
تصویر کلان: هرچند هنوز شواهد قطعی مبنی بر استفاده مستقیم از هوش مصنوعی یا اتوماسیون در حمله به زنجیره غذایی از طریق یخچالهای هوشمند منتشر نشده است، اما هکرهای دولتی در نفوذهای اخیر خود بهشکل گستردهای از این فناوریها برای سرعت بخشیدن به عملیاتها بهره بردهاند.
- پژوهشگران گوگل روز جمعه اعلام کردند چندین گروه نفوذگر در حملات اخیر خود از ابزارهای خودکار ارزیابی امنیتی استفاده کردهاند. یکی از این گروههای منتسب به چین موفق شد ظرف تنها ۱۵ دقیقه به دسترسی عمیق در شبکه قربانی دست یابد.
- طبق گزارش Chainalysis، هکرهای کره شمالی که پشت سرقت رکوردشکن هفته گذشته از بایننس بودند نیز به احتمال زیاد از اتوماسیون برای جابهجایی ارز دیجیتال مسروقه و پاک کردن ردپای خود استفاده کردهاند.
نمونه عینی: بر اساس یافتههای شرکت CrowdStrike، هکرهای وابسته به چین با بهرهگیری از ابزاری مبتنی بر هوش مصنوعی به نام Artex، ماه گذشته بیش از ۲۰۰ سازمان را در ۱۴ کشور مختلف تنها در عرض ۱۱ روز هدف قرار دادند.
- این گروه که با نام Vapor Panda شناخته میشود، سازمانهای دولتی در آمریکای لاتین، خاورمیانه و اروپا و همچنین نهادهای آمریکایی و شرکتهای ارائهدهنده خدمات مخابراتی در چند کشور را هدف گرفت.
- نفوذگران با ترکیب Artex با مدل DeepSeek و یک مدل تجاری دیگر هوش مصنوعی، ایجنتهایی هوشمند ایجاد کردند که بخش عمده مراحل عملیات را بهصورت خودکار به پیش بردند.
تحلیل رویداد: ابزار Artex تنها یکی از چندین راهکار مبتنی بر هوش مصنوعی است که وظایفی را که در گذشته نیازمند ساعتها کار هکرهای ماهر انسانی بود، کاملاً خودکار میکند.
- آدام مایرز، معاون ارشد عملیات مقابله با تهدیدات در CrowdStrike، پس از آزمایش عملی Artex تأیید کرد که این سامانه میتواند نقاط ضعف وبسایتها را بسیار سریعتر از انسان بررسی و شناسایی کند.
- مایرز در این باره میگوید: «این ابزار همان کارهایی را انجام میدهد که یک متخصص تست نفوذ انجام میدهد؛ اما با مقیاس و سرعتی که دستیابی به آن برای هیچ نیروی انسانی ممکن نیست.»
- به گفته مایرز، سایر ابزارهای امنیتی مبتنی بر هوش مصنوعی از جمله Cairn و Strix نیز میتوانند با تغییر کاربری، برای حملات مشابه به کار گرفته شوند.
واقعیت میدانی: حملات به سیستمهای تبرید همچنین توجه کارشناسان را به رخنههای امنیتی نادیدهگرفتهشدهای جلب کرده است که هکرها حتی بدون نیاز به ابزارهای پیچیده هوش مصنوعی نیز میتوانند از آنها سوءاستفاده کنند.
- مایک سیرایت، مدیر ارشد پیشین فناوری در بخش دولتی و مشاور ارشد شرکت Elisity، در این رابطه خاطرنشان کرد: «دیدگاه من به این حملات دقیقاً مانند حملات تابستان امسال به شبکههای آبرسانی ایالات متحده است؛ تا زمانی که خبر آن در رسانهها بازتاب پیدا نکرد، هیچکس به این رخنه توجهی نداشت.»
- با وجود این، ابزارهای هک مبتنی بر هوش مصنوعی همچنان به وجود نقصهای امنیتی برای نفوذ وابسته هستند. مایرز در این باره تأکید میکند: «این فناوری جادو نمیکند؛ بلکه برای ورود به شبکه به یک روزنه واقعی نیاز دارد.»
چشمانداز پیش رو: مرکز ملی امنیت سایبری بریتانیا روز سهشنبه هشدار داد که هوش مصنوعی با شتاب بخشیدن به تاکتیکهای نفوذ کنونی، سازمانهایی را که دارای پدافند دفاعی ضعیفتر و فناوریهای قدیمی هستند، بهشدت در معرض خطر قرار میدهد.
مطالعه بیشتر: هوش مصنوعی چگونه توان تهاجمی هکرها را برای هدف قرار دادن زیرساختهای حیاتی و روزمره تقویت میکند؟
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

گزارش جدید Deloitte: بازگشت سرمایه در هوش مصنوعی آغاز شد، اما ابهام در هزینهها ادامه دارد
یافتههای آماری جدید نشان میدهد که سرمایهگذاری سنگین شرکتها روی هوش مصنوعی بالاخره به مرحله بازگشت سرمایه و رشد درآمد رسیده است. با وجود این موفقیت اولیه، بخش زیادی از سازمانها هنوز شفافیت لازم را درباره جزئیات هزینههای خود ندارند و نمیدانند کدام بخش بیشترین بودجه را مصرف میکند.

رونمایی از GigaSpeech 3؛ مجموعهداده عظیم ۳۹ هزار ساعته برای تبدیل گفتار به متن در لهجههای عربی
پروژه SpeechColab با انتشار مجموعهداده بزرگ GigaSpeech 3، گام مهمی در بهبود بازشناسی خودکار گفتار برای زبان عربی برداشته است. این مجموعه با دربرگرفتن بیش از ۳۹ هزار ساعت صوت و ۱۰٫۳ میلیون قطعه گفتاری در ۵ لهجه مختلف، کمبود شدید دادههای آموزشی را پوشش میدهد. این دادگان حجیم بههمراه بنچمارک استاندارد و ابزار بازبینی متن بهصورت عمومی برای پژوهشگران عرضه شده است.

بایتدنس از مدل زبانی ۹ میلیاردی Cola2 رونمایی کرد؛ معماری متفاوتی برای تولید متن
تیم Seed در شرکت بایتدنس از مدل زبانی پایه Cola2 با حدود ۹ میلیارد پارامتر پرده برداشت. این مدل با ترکیب فشردهسازی پیوسته معنایی و معماری دیفیوژن، مسیری تازه و متفاوت را در مقایسه با مدلهای رایج خودبازگشت دنبال میکند. وزنها و کدهای منبع این پروژه پژوهشی بهصورت متنباز در دسترس عموم قرار گرفتهاند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.