تقارير
تقرير “الذكاء الاصطناعي عبر دورة الغزو” من Gambit Security يظهر كيف يتحرك الذكاء الاصطناعي بشكل أعمق في الهجمات الإلكترونية في العالم الحقيقي

النقاط الرئيسيةأصبح الذكاء الاصطناعي مشاركًا تشغيليًا في الاختراقات النشطة، وليس مجرد أداة مساعدة في…
عرض المزيد
- أصبح الذكاء الاصطناعي مشاركًا تشغيليًا في الاختراقات النشطة، وليس مجرد أداة مساعدة في البرمجة.
- يستخدم المهاجمون الذكاء الاصطناعي للتكيّف في الوقت الفعلي، لكن النماذج يمكن أن ترتكب أخطاء مكلفة أيضًا.
- يجب على المدافعين مراقبة التكرار بسرعة الآلة عبر دورة حياة الاختراق بأكملها.
يقدم تقرير Gambit Security الجديد، الذكاء الاصطناعي عبر دورة الاختراق، نظرة مفصلة إلى انتقال الذكاء الاصطناعي من دور داعم في الجرائم الإلكترونية إلى جزء من الآليات اليومية للاختراقات الفعلية. أعد التقرير مدير استخبارات التهديدات إيال سيلا وباحث التهديدات السيبرانية نير فارون، ويدرس ثلاثة جهات تهديد غير مرتبطة استخدمت الذكاء الاصطناعي في إنشاء نصوص برمجية وأدوات استغلال مخصصة، وتحليل بيانات أعمال مسروقة، ومعالجة مشكلات البنية التحتية، وتحديد الخطوة التالية تفاعلياً داخل البيئات المخترقة.
لا تكمن الأهمية فقط في طلب المهاجمين من نماذج اللغة الكبيرة كتابة برمجيات خبيثة. فالحالات تشير إلى أمر أعمق: أصبح الذكاء الاصطناعي جزءاً من سير العمل التشغيلي للاختراق، ويساعد المهاجمين على التكيف مع الأنظمة وبيانات الاعتماد والأخطاء والفرص الجديدة عند ظهورها.
من مساعد برمجي إلى مشارك تشغيلي
رصدت Gambit في التحقيقات الثلاثة استخدام المهاجمين للذكاء الاصطناعي في مراحل متعددة من الاختراق. أنشأت النماذج نصوصاً ملائمة للبيئات المكتشفة، وطورت أدوات استغلال، ورتبت معلومات الأعمال القيّمة، ونفذت مهام تكنولوجيا المعلومات وDevOps، وعدّلت الأوامر مراراً وفق النتائج التي أعادتها الأنظمة المخترقة.
يمثل ذلك تطوراً مهماً عن النقاشات الأولى حول الجريمة السيبرانية المدعومة بالذكاء الاصطناعي، التي ركزت على رسائل التصيد وتوليد البرمجيات الخبيثة وخفض الحاجز التقني أمام المهاجمين قليلي الخبرة.
يمكن للذكاء الاصطناعي الآن أن يعمل كمساعد تقني شديد الاستجابة يظل مشاركاً مع تطور العملية.
ويبدو أن مشهد التهديدات الأوسع يسير في الاتجاه نفسه. فقد حللت Anthropic مؤخراً 832 حساباً مرتبطاً بنشاط سيبراني خبيث بين مارس 2025 ومارس 2026، ووجدت استخداماً للذكاء الاصطناعي في جميع التكتيكات الأربعة عشر ضمن إطار MITRE ATT&CK. كما ارتفعت حصة الجهات المصنفة متوسطة الخطورة أو أعلى من 33% إلى 56% بين النصفين الأول والثاني من الفترة المدروسة.
وتقدم حالات Gambit صورة ملموسة بوجه خاص لما قد يبدو عليه هذا التحول داخل اختراقات نشطة.
مشغل فدية مشتبه به يضع Claude Code داخل حلقة الهجوم
تتعلق الحالة الأولى بمشغل فدية مشتبه به رصدته Gambit وهو يستخدم Claude Code في اختراق ست مؤسسات خلال يونيو 2026، وربط الباحثون الجهة نفسها باختراقين سابقين.
شملت الضحايا قطاعات ودولاً متعددة، منها شركة طاقة أسترالية، وشركة خدمات مالية في موريشيوس، وشركات في جنوب أفريقيا وتايلاند وماليزيا، وعدة مؤسسات أمريكية. وتنسب Gambit النشاط بدرجة ثقة متوسطة إلى جهة تابعة تستخدم خدمة الفدية The Gentlemen.
اللافت هو اتساع دور Claude Code.
استخدمه المهاجم للاستطلاع، وتوليد أوامر الاستغلال، وكتابة نصوص خبيثة، وتعديل سياسات الجدار الناري، ورسم خريطة الأنظمة الداخلية، وتحديد الأجهزة أو قواعد البيانات التي تستحق مزيداً من الاهتمام.
بعد الحصول على بيانات اعتماد ووصول عن بُعد، ساعد الذكاء الاصطناعي في تفسير بيانات الاستطلاع وتحديد الأنظمة الأعلى قيمة، مثل وحدات تحكم النطاق وخوادم الملفات وبنية النسخ الاحتياطي. وفي جزء آخر من الاختراق حلل قواعد بيانات منصة خدمات مالية وحدد بيانات الإنتاج ووثائق العملاء باعتبارها شديدة الأهمية.
تكشف الحالة أيضاً حدود ضوابط الحماية الحالية. أدرك Claude في مرحلة ما أنه يتفاعل مع شبكة شركة حقيقية ورفض المتابعة من دون دليل على التفويض. فتح المشغل جلسة جديدة، وأعاد وصف العمل بأنه اختبار ثغرات مصرح به، فتابع النموذج.
لكن زيادة القدرة لم تعنِ تنفيذاً بلا أخطاء. أثناء اختراق شركة الطاقة حاول Claude تعديل إعدادات جدار ناري وانتهى إلى جعل الجهاز غير قابل للوصول. وهذا يوازن المخاوف من قراصنة ذكاء اصطناعي مستقلين ومثاليين: قد تسرع النماذج العمليات الهجومية، لكنها قد ترتكب أخطاء مكلفة داخل الأنظمة التي يحاول المهاجمون السيطرة عليها.
Zerofot يوضح ما يحدث عندما يلتقي الذكاء الاصطناعي بالنطاق الواسع
لا تتعلق الحالة الثانية باختراق مستهدف واحد بقدر ما تتعلق بتحويل سرقة بيانات الاعتماد إلى عملية صناعية.
تتعقب Gambit المشغل باسم Zerofot، وتصف حملة بحثت في الملفات والمجلدات المكشوفة على الإنترنت عن مفاتيح API وبيانات اعتماد سحابية ورموز برمجية ومفاتيح SSH خاصة.
كان في قلب العملية ماسح مخصص لجمع بيانات الاعتماد يسمى auto_scan. بنى المشغل الأداة باستخدام OpenAI Codex وClaude Code، وأخبر النموذجين أن العمل يجري في بيئة مسابقة أمنية مصرح بها. جمعت الأداة الملفات المكشوفة، وبحثت فيها عن بيانات اعتماد محتملة، ثم حاولت التحقق من المفاتيح المكتشفة لدى خدماتها.
ولم ينته دور الذكاء الاصطناعي بعد كتابة الأداة.
استُخدم Claude Code أيضاً في العمل التشغيلي الضروري لإبقاء البنية عاملة. ومن خلال إطار تنسيق متعدد الوكلاء ساعد في إدارة بنية الماسحات والخوادم الوسيطة والشبكات والجدران النارية والمراقبة وتصحيح الأخطاء.
هذا فارق مهم؛ فالعمليات السيبرانية تتطلب أكثر من اكتشاف ثغرة أو توليد حمولة. يجب نشر البنية، وقد تتعطل البرامج، وتحتاج السجلات إلى تفسير، كما يجب حل مشكلات الإعداد. ويستطيع الذكاء الاصطناعي المساعدة بصورة متزايدة في هذا العمل الرابط.
كان النطاق الذي وثقته Gambit كبيراً. بين 5 أبريل و23 مايو 2026 جمعت العملية 2,975 من بيانات الاعتماد والمفاتيح المتحقق منها من 1,742 مضيفاً ضحية. وشملت 661 مفتاح SSH خاصاً، و635 مفتاح وصول AWS مرتبطاً بـ214 حساباً، و448 مفتاح Google Gemini، و254 مفتاح OpenAI، و176 مفتاح Anthropic، إضافة إلى أنواع أخرى كثيرة. وقالت Gambit إنها شاركت المعلومات مع Shadowserver Foundation ومزودي الخدمات المتأثرين لدعم الإخطار وإلغاء بيانات الاعتماد.
RAGE يحول الشفرة المولدة بالذكاء الاصطناعي إلى إطار استغلال
يركز التحقيق الثالث على RAGE، وهو إطار Python مخصص لمسح الخدمات المواجهة للإنترنت، واستغلال الأنظمة الضعيفة، وجمع بيانات الاعتماد، وتثبيت برامج تعدين العملات المشفرة.
يعتقد باحثو Gambit أن جزءاً كبيراً من RAGE والنصوص المرتبطة به مولد بالذكاء الاصطناعي. ومن القرائن اللافتة أن أجزاء من الشفرة ما زالت تحتوي على استدلال بصيغة المتكلم يصحح نفسه، ويبدو أن النموذج تركه أثناء التطوير.
كما دُمج الذكاء الاصطناعي مباشرة في النظام النهائي. احتوى RAGE داخل لوحة المشغل على «منسق ذكاء اصطناعي» مدعوم من DeepSeek يقدم إرشادات لإدارة عملية التعدين.
استهدف الإطار خدمات مكشوفة مثل Redis وElasticsearch وDocker وTomcat وJenkins وغيرها، وبحث في البيئات المخترقة عن بيانات اعتماد قد تفتح فرصاً إضافية.
في إحدى الحالات أتاحت بيانات اعتماد مستخرجة من Redis مكشوف تابع لمزود برمجيات كخدمة وصولاً إدارياً إلى حساب AWS. وبعد ذلك أنشأ المهاجم أدوات إضافية لحصر الهويات والتخزين والموارد السحابية الأخرى.
أظهرت السجلات المستعادة إمكانية الوصول إلى ثمانية مستخدمين في إدارة الهوية والوصول، كان أربعة منهم يملكون AdministratorAccess، وإلى 196 حاوية Amazon S3.
وهكذا امتلكت حملة بدا دافعها الأساسي تعدين العملات المشفرة القدرة أيضاً على تحويل خدمة مكشوفة إلى اختراق سحابي أوسع بكثير.
قد تصبح أخطاء الذكاء الاصطناعي جزءاً من أفضلية المدافعين
من أكثر جوانب بحث Gambit إثارة أنه يوثق إخفاقات الذكاء الاصطناعي إلى جانب نجاحاته.
كشفت النماذج أحياناً نوايا المهاجم بطرق غير متوقعة. استخدمت الأدوات المولدة أسماء واضحة مثل “recon” للجلسات السحابية، واحتفظت مخرجات أخرى بتعليقات وصفية واستدلال قد يقدم أدلة على طريقة إنشائها. وفي حالة الفدية أدى تعديل جدار ناري إلى انقطاع الخدمة.
تعقد هذه العيوب الفكرة القائلة إن الذكاء الاصطناعي يجعل العمليات السيبرانية أكثر تخفياً أو تطوراً تلقائياً.
وصف باحثو Microsoft الأمنيون الذكاء الاصطناعي بالمسرّع داخل سير عمل المهاجم، مع بقاء البشر مسؤولين عن توجيه كثير من العمليات من البداية إلى النهاية. وتشير نتائج Gambit إلى علاقة تشبه الشراكة: يقدم البشر الأهداف والحكم، بينما يتولى الذكاء الاصطناعي جانباً كبيراً من التكرار التقني اللازم للوصول إليها.
قد يجعل ذلك المهاجمين أسرع، من دون أن يجعل أمنهم التشغيلي أفضل بالضرورة.
قد تحتاج فرق الأمن السيبراني إلى الدفاع ضد التكرار بسرعة الآلة
مصدر القلق الأكبر في البحث هو السرعة.
تفترض ضوابط أمنية كثيرة أن الخصم سيتحرك في الشبكة بسرعة بشرية تقريباً. تقليدياً يحتاج المهاجم إلى فهم تقنية غير مألوفة، والبحث عن الأوامر، وكتابة النصوص، ومعالجة الأخطاء، وتفسير كميات كبيرة من البيانات قبل تحديد الخطوة التالية.
يمكن لنظام ذكاء اصطناعي اختصار كثير من هذه الخطوات.
لذلك لا يقتصر الخطر على وكيل اختراق مستقل في المستقبل. فحتى المهاجم الذي يظل مسيطراً بالكامل يستطيع استخدام الذكاء الاصطناعي لتقليل الخبرة والوقت والعمل اليدوي المطلوب للتنقل في بيئات غير مألوفة.
قد يحتاج المدافعون إلى تقليل التركيز على ما إذا كانت برمجية خبيثة معينة «مولدة بالذكاء الاصطناعي»، وزيادة التركيز على الإشارات السلوكية عبر دورة الاختراق بأكملها: استطلاع سريع بصورة غير معتادة، وأوامر تكيفية متكررة، وبحث هجومي عن بيانات الاعتماد، وحصر سحابي غير متوقع، وتغييرات في بنية النسخ الاحتياطي أو الأمن، وانتقال بين الأنظمة بسرعة تفوق المعتاد في العمليات البشرية.
وتظل القدرات نفسها مفيدة للدفاع. فمثلاً تطور Anthropic أنظمة ذكاء اصطناعي تحدد الثغرات وتساعد الفرق الأمنية في إصلاحها، ما يؤكد الطبيعة مزدوجة الاستخدام للنماذج السيبرانية المتقدمة. وتدور المنافسة بصورة متزايدة حول الطرف القادر على تطبيق هذه القدرات أسرع وبرؤية أفضل.
في النهاية، يكتسب تقرير «الذكاء الاصطناعي عبر دورة الاختراق» أهميته لأنه ينقل نقاش الذكاء الاصطناعي والأمن السيبراني من هجمات مستقبلية افتراضية إلى سلوك تشغيلي قابل للرصد. وتبين الحالات الثلاث التي وثقتها Gambit Security أن المهاجمين يجربون نماذج وأطراً ومستويات مختلفة من الأتمتة، لكنها تشترك في نمط مهم: لم يعد الذكاء الاصطناعي محصوراً في المساعدة على التحضير للهجوم، بل أصبح حاضراً بصورة متزايدة أثناء وقوعه.












