بدافزار خودمختار CLOSEDQUORUM: وقتی هوش مصنوعی فرمانده حمله سایبری می‌شود

امنیت سایبری · هوش مصنوعی

برای نخستین‌بار، پژوهشگران سیسکو تالوس بدافزاری را شناسایی کرده‌اند که بدون هیچ فرمان انسانی و تنها با رای‌گیری میان چهار مدل زبانی بزرگ، مسیر حمله سایبری خود را تعیین می‌کند.

چکیده. تیم امنیتی سیسکو تالوس از کشف CLOSEDQUORUM خبر داده است؛ نخستین بدافزار شناخته‌شده که تصمیم‌های عملیاتی خود را به رای‌گیری میان چهار مدل زبانی بزرگ تجاری -دیپ‌سیک، کوئن، میسترال و جمینای- واگذار می‌کند. این بدافزار بدون سرور فرماندهی ثابت کار می‌کند و همین ویژگی، شناسایی و مسدودسازی آن را برای تیم‌های امنیتی دشوارتر از همیشه کرده است. در پاسخ، تالوس ابزار متن‌باز کايرن (CAIRN) را برای شکار بدافزارهای مبتنی بر هوش مصنوعی منتشر کرده است.

تصویر مفهومی بدافزار خودمختار CLOSEDQUORUM که با رای‌گیری میان مدل‌های هوش مصنوعی حمله سایبری را هدایت می‌کند

۱. بدافزاری که دیگر منتظر فرمان انسان نمی‌ماند

تا پیش از این، تقریباً همه‌ی بدافزارهای شناخته‌شده به نوعی زنجیره فرماندهی وابسته بودند: یک سرور کنترل‌وفرمان (C2) در جایی روی اینترنت، که مهاجم از طریق آن دستورهای بعدی را برای بدافزار ارسال می‌کرد. همین وابستگی، بزرگ‌ترین نقطه‌ضعف بدافزارها هم بود؛ چون تیم‌های امنیتی می‌توانستند با شناسایی و مسدودکردن آن دامنه یا سرور، کل زنجیره حمله را قطع کنند. اما بدافزار تازه‌کشف‌شده CLOSEDQUORUM این معادله را به‌کلی تغییر داده است. به گزارش محققان سیسکو تالوس، این برنامه دیگر منتظر دستور از یک اپراتور انسانی یا یک سرور اختصاصی نمی‌ماند؛ در عوض، در هر چرخه‌ی تصمیم‌گیری، مستقیماً از چند سرویس هوش مصنوعی تجاری نظرخواهی می‌کند و بر اساس پاسخ آن‌ها، اقدام بعدی خود را انتخاب می‌کند.

۲. آشنایی با CLOSEDQUORUM؛ اولین «کوروم» هوش مصنوعی در دنیای بدافزار

نام این بدافزار، CLOSEDQUORUM، برگرفته از همان سازوکار تصمیم‌گیری آن است: یک «کوروم بسته» متشکل از چند مدل زبانی که بدون حضور انسان، درباره‌ی گام بعدی حمله رای می‌دهند. این برنامه یک فایل اجرایی ویندوزی حدوداً شانزده‌مگابایتی است که با زبان برنامه‌نویسی Go کامپایل شده و تنها روی سیستم‌عامل ویندوز ۶۴ بیتی اجرا می‌شود. برخلاف بسیاری از بدافزارهای پیشرفته که هدفشان زیرساخت‌های سازمانی است، این نمونه در ابتدا بیشتر برای حمله به کاربران عادی و سرقت دارایی‌های دیجیتال طراحی شده است. با این حال، ماهیت خودمختار آن باعث شده کارشناسان امنیتی از سراسر جهان به آن توجه ویژه‌ای نشان دهند؛ چراکه اگر بتوان چنین رویکردی را به بدافزارهای سازمانی‌تر هم تعمیم داد، پیامدهای آن بسیار جدی‌تر خواهد بود. برای درک بهتر تفاوت مدل‌های زبانی مختلف که در چنین سناریوهایی به کار گرفته می‌شوند، می‌توانید نگاهی هم به مقایسه‌ی چت‌جی‌پی‌تی و دیپ‌سیک در سایت ما بیندازید.

ویژگی‌های فنی کلیدی

بر اساس گزارش تالوس، این بدافزار در قالب یک برنامه‌ی مستقل عمل می‌کند و هیچ نیازی به ارتباط پیوسته با زیرساخت اختصاصی مهاجم ندارد. تنها چیزی که نیاز دارد، دسترسی به اینترنت برای فراخوانی رابط برنامه‌نویسی (API) سرویس‌های هوش مصنوعی عمومی است؛ همان سرویس‌هایی که میلیون‌ها کاربر عادی هم هر روز از آن‌ها استفاده می‌کنند.

نماد ابزار متن‌باز کايرن CAIRN برای شناسایی و ردیابی بدافزارهای مبتنی بر هوش مصنوعی

۳. مکانیزم رای‌گیری چهار هوش مصنوعی چگونه کار می‌کند؟

قلب تپنده‌ی CLOSEDQUORUM، همان سازوکار رای‌گیری آن است. در هر چرخه‌ی عملیاتی، بدافزار به‌ترتیب اولویت از چهار سرویس هوش مصنوعی -دیپ‌سیک، کوئن، میسترال و جمینای- درخواست نظر می‌کند. هر یک از این مدل‌ها بر اساس داده‌های در دسترس، یکی از چند گزینه‌ی از پیش تعریف‌شده را پیشنهاد می‌دهد و بدافزار بر مبنای رای اکثریت، اقدام نهایی را اجرا می‌کند. اقدام‌های ممکن عبارت‌اند از سرقت اطلاعات حساس -شامل استخراج اعتبارنامه از حافظه سیستم، برداشتن رمزهای ذخیره‌شده در مرورگرهایی مانند کروم، اج و فایرفاکس، و همچنین سرقت کیف‌پول‌های ارز دیجیتال مانند متامسک و اکسدس- تزریق کد به فرآیندهای دیگر برای پنهان‌ماندن، یا ایجاد ماندگاری از طریق کلیدهای اجرایی رجیستری، وظایف زمان‌بندی‌شده یا اشتراک رویدادهای WMI. در شرایطی که آرا برابر شود، دیپ‌سیک نخستین اولویت را برای تصمیم‌گیری نهایی دارد و پس از آن به‌ترتیب کوئن، میسترال و جمینای قرار می‌گیرند.

این رویکرد، در عمل به معنای واگذاری بخش قابل‌توجهی از «هوش تاکتیکی» حمله به مدل‌های زبانی عمومی است؛ مدل‌هایی که اصولاً برای کمک به کاربران عادی طراحی شده‌اند، نه برای هدایت عملیات مخرب. همین سوءاستفاده از ابزارهای عمومی، یکی از بزرگ‌ترین نگرانی‌های تازه در حوزه‌ی امنیت هوش مصنوعی است و بار دیگر محدودیت‌های واقعی این فناوری را در کنار قابلیت‌های شگفت‌انگیزش به نمایش می‌گذارد؛ موضوعی که در این مطلب درباره‌ی توانایی‌ها و محدودیت‌های واقعی هوش مصنوعی هم به آن پرداخته‌ایم.

۴. چرا شکار این بدافزار برای تیم‌های امنیتی دشوار است

در مدل سنتی دفاع سایبری، یکی از مؤثرترین راهکارها، شناسایی و مسدودکردن دامنه‌ها و آدرس‌های سرور فرماندهی است. اما وقتی بدافزاری به‌جای سرور اختصاصی، از سرویس‌های عمومی و قانونی هوش مصنوعی استفاده می‌کند، این راهکار عملاً بی‌اثر می‌شود؛ چراکه مسدودکردن دسترسی به یک سرویس هوش مصنوعی محبوب، می‌تواند فعالیت‌های عادی و مشروع میلیون‌ها کاربر دیگر را هم مختل کند. به همین دلیل، تیم‌های امنیتی دیگر نمی‌توانند صرفاً با مسدودسازی زیرساخت، جلوی این‌گونه تهدیدها را بگیرند و باید به سراغ روش‌های تازه‌تری مانند تحلیل رفتاری و شناسایی الگوهای فراخوانی مشکوک بروند.

۵. تکنیک‌های فرار از شناسایی: از سرکوب رخدادنگاری تا رمزگذاری زمان‌محور

بدافزار CLOSEDQUORUM تنها به سازوکار رای‌گیری هوش مصنوعی بسنده نکرده و از چند تکنیک فنی پیشرفته برای فرار از شناسایی هم بهره می‌برد. از جمله‌ی این تکنیک‌ها می‌توان به غیرفعال‌کردن ثبت رخدادهای ردیابی ویندوز از طریق بازنویسی تابع EtwEventWrite، استفاده از کلیدهای رمزگشایی وابسته به زمان که مانع بازیابی کامل نمونه در محیط‌های آزمایشی (سندباکس) می‌شود، تأخیر اولیه‌ی پنج‌دقیقه‌ای پیش از آغاز فعالیت و سپس فاصله‌های تصادفی پنج تا پانزده‌دقیقه‌ای میان چرخه‌های بعدی، و نیز پنهان‌سازی خود در قالب کلیدهای رجیستری و اشیای WMI با نام‌هایی شبیه به فرآیندهای بروزرسانی ویندوز اشاره کرد. داده‌های سرقت‌شده نیز پیش از خروج از سیستم قربانی، با الگوریتم AES-256-GCM و کلیدهایی که از تاریخ روز مشتق می‌شوند رمزگذاری می‌شوند؛ روشی که تحلیل آفلاین نمونه‌های ضبط‌شده را نیز دشوارتر می‌کند.

مفهوم حمله سایبری کاملاً خودکار بدون دخالت انسان با استفاده از تصمیم‌گیری هوش مصنوعی

۶. کايرن (CAIRN)؛ پاسخ سیسکو تالوس به موج بدافزارهای هوشمند

در واکنش به این تهدید نوظهور، تیم تالوس ابزار متن‌باز کايرن (CAIRN) را معرفی و منتشر کرده است؛ چارچوبی تحقیقاتی برای ردیابی، شکار و طبقه‌بندی بدافزارهای مبتنی بر هوش مصنوعی، بدون نیاز به اجرای مستقیم نمونه‌های مشکوک. این ابزار بر پایه‌ی سه سطح تحلیل کار می‌کند: نخست، تشخیص وجود رشته‌ها و عبارات مرتبط با هوش مصنوعی درون نمونه؛ دوم، شناسایی الگوهای رفتاری که نشان‌دهنده‌ی یکپارچگی عملیاتی با هوش مصنوعی است؛ و سوم، طبقه‌بندی خانواده‌های بدافزاری شناخته‌شده و نام‌گذاری‌شده. کايرن با تحلیل فراداده و رد‌پاهای موسوم به «مصنوعات شناختی» -یعنی عبارات و پرامپت‌های تعبیه‌شده در کد که برای فریب‌دادن ابزارهای تحلیل خودکار هوش مصنوعی طراحی شده‌اند- می‌تواند نشانه‌های استفاده از هوش مصنوعی را حتی در بدافزارهای کاملاً ناشناخته هم کشف کند. جالب اینجاست که به گفته‌ی محققان، برخی از این تکنیک‌های فریب، ابتدا در آموزش‌های تیم قرمز (Red Team) به کار گرفته شده و در کمتر از یک سال به بدافزارهای بی‌ارتباط دیگر هم سرایت کرده‌اند.

۷. پیامدهای گسترده‌تر: آینده‌ی جرائم سایبری خودکار

کشف CLOSEDQUORUM را باید نشانه‌ای از یک روند بزرگ‌تر در دنیای جرائم سایبری دانست: خودکارسازی هرچه بیشتر مراحل مختلف یک حمله، از شناسایی هدف گرفته تا تصمیم‌گیری تاکتیکی. به گفته‌ی پژوهشگران تالوس، وقتی انسان دیگر گلوگاه سرعت عملیات نباشد، «جابه‌جایی تلاش» رخ می‌دهد و اثر سرعت و مقیاس حمله چند برابر می‌شود؛ به این معنا که مهاجمان می‌توانند بدون نیاز به حضور مداوم پشت صفحه‌کلید، عملیات خود را در تمام ساعات شبانه‌روز و به‌صورت پیوسته ادامه دهند. این روند با روندهای گسترده‌تری که در دنیای کسب‌وکار هم دیده می‌شود همسو است؛ جایی که نقش هوش مصنوعی در تصمیم‌گیری‌های سازمانی روز‌به‌روز پررنگ‌تر می‌شود، موضوعی که در مطلب اهمیت هوش مصنوعی برای کسب‌وکارها در ۲۰۲۵ هم بررسی کرده‌ایم. تالوس در گزارش خود تأکید کرده که هنوز فرصت مطالعه و آماده‌سازی برای این نوع تهدیدها باقی است، اما این پنجره‌ی فرصت به‌سرعت در حال بسته‌شدن است.

۸. چه باید کرد؟ توصیه‌های امنیتی برای کاربران و سازمان‌ها

در برابر تهدیدی مانند CLOSEDQUORUM، رعایت اصول پایه‌ای امنیت سایبری همچنان مهم‌ترین خط دفاعی است: به‌روزرسانی منظم سیستم‌عامل و نرم‌افزارهای امنیتی، پرهیز از دانلود فایل از منابع نامعتبر، فعال‌نگه‌داشتن احراز هویت دومرحله‌ای برای حساب‌های حساس و کیف‌پول‌های ارز دیجیتال، و استفاده از راهکارهای تشخیص رفتاری به‌جای تکیه‌ی صرف بر فهرست‌های سیاه دامنه و آی‌پی. سازمان‌ها نیز باید ترافیک شبکه‌ی خود را برای الگوهای تماس مکرر و غیرعادی با رابط‌های برنامه‌نویسی هوش مصنوعی زیر نظر بگیرند و از ابزارهایی مانند کايرن برای تحلیل نمونه‌های مشکوک در محیط‌های آزمایشگاهی بهره ببرند. برای کاربرانی که می‌خواهند شناخت عمیق‌تری از نحوه‌ی کار مدل‌های زبانی و تفاوت میان یک توسعه‌دهنده‌ی مستقل و یک تیم مهندسی واقعی به دست بیاورند، مطالعه‌ی این مقاله درباره‌ی توهم هوش مصنوعی در برابر مهندسی واقعی نیز خالی از لطف نیست.

سوالات متداول درباره‌ی بدافزار CLOSEDQUORUM

آیا این بدافزار محصول رسمی شرکت‌های هوش مصنوعی است؟

خیر. دیپ‌سیک، کوئن، میسترال و جمینای صرفاً به‌عنوان سرویس‌های عمومی و قانونی هوش مصنوعی مورد سوءاستفاده‌ی مهاجمان قرار گرفته‌اند و هیچ‌یک از این شرکت‌ها در ساخت یا انتشار این بدافزار نقشی نداشته‌اند.

چگونه می‌توان از سیستم خود در برابر چنین تهدیدهایی محافظت کرد؟

به‌روزرسانی مداوم نرم‌افزارها، استفاده از راهکارهای امنیتی مبتنی بر تحلیل رفتار، احتیاط در دانلود فایل‌های اجرایی از منابع ناشناس و فعال‌نگه‌داشتن احراز هویت دومرحله‌ای، مهم‌ترین اقدام‌های پیشگیرانه هستند.

کايرن (CAIRN) دقیقاً چه کاربردی دارد؟

کايرن ابزاری متن‌باز برای شناسایی، ردیابی و طبقه‌بندی بدافزارهایی است که از مدل‌های زبانی بزرگ برای تصمیم‌گیری استفاده می‌کنند؛ بدون آنکه لازم باشد نمونه‌های مشکوک اجرا شوند.

در نهایت، کشف CLOSEDQUORUM یادآور این واقعیت است که هر ابزار قدرتمندی -از جمله مدل‌های زبانی بزرگ- می‌تواند هم در خدمت پیشرفت و هم در خدمت سوءاستفاده به کار گرفته شود. برای دنبال‌کردن تازه‌ترین تحولات دنیای هوش مصنوعی و آموزش‌های کاربردی در این حوزه، صفحه‌ی اخبار هوش مصنوعی و آموزش‌های چت‌جی‌پی‌تی در Mr ChatGPT را دنبال کنید و به کانال تلگرام @MrChatGPT_IR بپیوندید.
— (0 رأی)

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *