Google found hackers using autonomous AI agents to turn security patches into exploits

هکرهای هوش مصنوعی؛ استفاده از Agentهای خودمختار برای تبدیل پچ‌های امنیتی به اکسپلویت

گوگل و مندیانت کشف کردند که مهاجمان از عامل‌های هوش مصنوعی خودمختار برای مقایسه پچ‌ها، نوشتن اکسپلویت‌ها و اجرای آن‌ها استفاده می‌کنند و تنها در عرض چند دقیقه از افشای آسیب‌پذیری به حمله می‌رسند.

ما به حریم خصوصی شما اهمیت می‌دهیم

ما از کوکی‌ها برای بهبود تجربه مرور شما، ارائه تبلیغات یا محتوای شخصی‌سازی‌شده و تحلیل ترافیک خود استفاده می‌کنیم. با کلیک بر روی «پذیرش همه»، با استفاده از کوکی‌ها توسط ما موافقت می‌کنید.

گوگل هکرهایی را کشف کرد که از عامل‌های هوش مصنوعی خودمختار برای تبدیل پچ‌های امنیتی به اکسپلویت استفاده می‌کنند

Featued image for: Google found hackers using autonomous AI agents to turn security patches into exploits

گروه اطلاعات تهدید گوگل می‌گوید مهاجمان از عامل‌های هوش مصنوعی خودمختار برای مهندسی معکوس پچ‌های امنیتی، تولید اکسپلویت‌ها و تلاش برای اجرای آن‌ها بدون تأیید انسان استفاده می‌کنند.

گوگل و مندیانت در گزارشی که روز دوشنبه منتشر شد، نخستین مواردی را که پژوهشگرانشان شناسایی کرده‌اند شرح می‌دهند که در آن مهاجمان از چارچوب‌های مدل زبانی بزرگ (LLM) برای خودکارسازی کامل کشف و بهره‌برداری از آسیب‌پذیری‌ها استفاده کرده‌اند.

این چارچوب از یک ارکستراتور (هماهنگ‌کننده) برای هماهنگ‌سازی عامل‌های تخصصی، اشتراک‌گذاری زمینه و فراخوانی ابزارها از طریق واسط‌هایی مانند MCP استفاده می‌کند. این عامل‌ها جریان‌های کاری آشنای برنامه‌نویسی را در امنیت تهاجمی به کار می‌گیرند، آسیب‌پذیری‌ها را شناسایی می‌کنند، نامزدهای اکسپلویت را تولید می‌کنند و آن‌ها را روی اهداف آزمایش می‌کنند.

درون خط لوله اکسپلویت

گوگل یک سرور استیجینگ افشا شده در دسترس عموم را پیدا کرد که روی آن یک چارچوب چندعاملی به نام exploit_agent به همراه داده‌های سرقتی قربانی و اسکریپت‌های مورد استفاده پس از یک نفوذ موفق در حال اجرا بود. این چارچوب چندین مدل زبانی پیشرو و میزبان محلی را به هم متصل کرده بود تا مقایسه پچ‌ها را خودکار کند و آسیب‌پذیری‌های بالقوه را به کدهای اکسپلویتی تبدیل کند که سپس می‌توانست برای اجرای آن‌ها تلاش کند.

این سرور همچنین حاوی اسکریپت‌هایی برای شناسایی (reconnaissance)، حملات بروت‌فورس، نصب وب‌شل‌ها و حذف وب‌شل‌های باقی‌مانده توسط هکرهای رقیب بود. گوگل شواهدی پیدا کرد که نشان می‌داد اپراتورها به وب‌سایت‌های رسانه‌ای، سرگرمی و آموزشی فرانسوی علاقه دارند و این چارچوب، کنترل‌های دسترسی را در افزونه Spectra وردپرس بررسی کرده است.

آنچه تغییر کرده این است که اکنون عامل‌ها می‌توانند بسیاری از این کارها را خودشان انجام دهند.

مقایسه پچ‌ها (Patch diffing) چیز جدیدی نیست. مهاجمان سال‌هاست که کدهای قبل و بعد از پچ‌های امنیتی را با هم مقایسه می‌کنند تا بفهمند چه چیزی اصلاح شده و چگونه می‌توان از آن بهره‌برداری کرد. آنچه تغییر کرده این است که اکنون عامل‌ها می‌توانند بسیاری از این کارها را خودشان انجام دهند.

گوگل مشخص نکرد که کدام مدل‌ها وظایف فردی را مدیریت کرده‌اند و فاش نکرد که اکسپلویت‌های تولیدشده چقدر موفق بوده‌اند. و در حالی که سرور حاوی داده‌های سرقتی بود، پژوهشگران نتوانستند تعیین کنند که آیا exploit_agent آن‌ها را به دست آورده است یا خیر.

ابزارهای عامل در خدمت حمله

گوگل همچنین مهاجمانی را پیدا کرد که از چارچوب‌های تهاجمی متن‌باز ساخته‌شده پیرامون الگوهای هماهنگ‌سازی آشنا در عامل‌های برنامه‌نویسی استفاده می‌کردند.

چارچوب CAIRN عامل‌های تخصصی را از طریق یک تخته‌سیاه مشترک و یک چرخه مشاهده-جهت‌گیری-تصمیم‌گیری-اقدام (OODA) هماهنگ می‌کند و از نتایج هر وظیفه برای تعیین مرحله بعدی استفاده می‌کند. گوگل این چارچوب را در نفوذهایی که سازمان‌های هوافضای ایالات متحده را هدف قرار داده بودند، مشاهده کرد.

سایر چارچوب‌ها رویکردهای متفاوتی دارند. CyberStrikeAI از یک بک‌اند Go برای هماهنگ کردن مدل‌های تجاری و با وزن‌ باز در بیش از ۱۰۰ ابزار امنیتی، دستورالعمل‌های حمله YAML و اسکریپت‌های سفارشی استفاده می‌کند. HexStrike AI بیش از ۱۵۰ ابزار امنیت تهاجمی را از طریق MCP ارائه می‌دهد و عامل‌های تخصصی مسئولیت شناسایی، بهره‌برداری و تحلیل باینری را بر عهده دارند.

سریع‌تر از چرخه‌های پچ‌گذاری

اطلاعات مربوط به آسیب‌پذیری‌های عمومی نیز با سرعت بیشتری به دست مهاجمان می‌رسد و به مدافعان زمان کمتری برای اعمال اصلاحیه‌ها می‌دهد.

پس از اینکه دو آسیب‌پذیری PaperCut در ماه اوت به عنوان آسیب‌پذیری‌های روز صفر (Zero-day) مورد بهره‌برداری قرار گرفتند، پژوهشگران امنیتی و Huntress توانستند ظرف یک روز پس از افشا، با کمک LLM اکسپلویت‌های کاربردی توسعه دهند.

مهاجم تنها در عرض چند دقیقه از دسترسی اولیه به ادمین دامنه رسید.

سرویس GreyNoise یک کمپین را چهار روز پس از افشای اولیه مستند کرد که در آن یک مهاجم احتمالاً از مدل‌های زبانی برای توسعه اکسپلویت‌ها، ساخت فهرست اهداف و حمله به صدها سازمان استفاده کرده بود. مهاجم تنها در عرض چند دقیقه از دسترسی اولیه به ادمین دامنه رسید.

دو آسیب‌پذیری PHP به شماره‌های CVE-2026-109618 و CVE-2026-109619، هنگامی که کدهای پچ‌شده و یک ویدیوی اثبات مفهوم (PoC) پیش از انتشار رسمی در ۲۱ اکتبر عمومی شدند، خطری مشابه را ایجاد کردند.

پس از انتشار پچ‌ها، صدها اکسپلویت ادعایی به صورت آنلاین ظاهر شدند، اگرچه بسیاری از آن‌ها کار نمی‌کردند و احتمالاً با کمک LLM تولید شده بودند. تیم‌های امنیتی سپس مجبور شدند تعیین کنند کدام اکسپلویت‌ها تهدیدی واقعی محسوب می‌شوند و کدام‌یک صرفاً کدهایی غیرکاربردی هستند.

سرعت بر پنهان‌کاری ارجح است

این چارچوب‌ها همچنان نسبتاً به راحتی قابل شناسایی هستند. گوگل دریافت که آن‌ها ترافیک شبکه قابل‌توجهی تولید می‌کنند و امضاها و آثار کدی قابل‌تشخیصی از خود به جای می‌گذارند. پژوهشگران خاطرنشان کردند که مهاجمان «در حال حاضر سرعت را فدای پنهان‌کاری می‌کنند».

عامل‌ها همچنین جزئیات فنی و اهداف غیرموجودی را توهم (Hallucinate) می‌کنند که گاهی اوقات باعث انحراف در حملات یا لو رفتن اپراتورها می‌شود.

برای تیم‌های امنیت برنامه، دغدغه اصلی این است که مهاجمان با چه سرعتی می‌توانند از یک پچ منتشرشده به یک اکسپلویت کاربردی برسند.

عامل‌ها همچنین جزئیات فنی و اهداف غیرموجودی را توهم می‌کنند که گاهی اوقات باعث انحراف در حملات یا لو رفتن اپراتورها می‌شود.

نقشه‌های راه، مقالات، منابع و مسیرهای ایجاد شده توسط جامعه برای توسعه‌دهندگان تا به شما کمک کنند مسیر خود را انتخاب کرده و در حرفه خود پیشرفت کنید.

نظر مهندس بهمن آبادی: خودکارسازی چرخهٔ پچ‌دیفینگ و اکسپلویت‌نویسی با ایجنت‌های هوش مصنوعی، سرعت تهدیدات را به شدت افزایش داده و فاصله‌ٔ زمانی بین انتشار اصلاحیه و سوءاستفاده را به چند دقیقه رسانده است. به عنوان مدرس و برنامه‌نویس، به توسعه‌دهندگان توصیه می‌کنم به جای تکیه صرف بر پچ‌گذاری سنتی، معماری سیستم‌های خود را بر مبنای «امنیت به عنوان کد» و کاهش سطح حمله مقاوم‌سازی کنند، چرا که مهاجمان اکنون از سرعت ایجنت‌ها به جای پنهان‌کاری بهره می‌برند.

منبع: https://thenewstack.io/autonomous-ai-exploit-agents/