الأمن السيبراني

تكتشف Google استخدام مهاجمين مسارات استغلال مؤتمتة بالكامل

Miles Okada
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةلاحظت جوجل إطارًا متعدد الوكلاء يقارن التصحيحات ذاتيًا وينفذ ثغرات مستنسخة دون تدخل…
عرض المزيد
  • لاحظت جوجل إطارًا متعدد الوكلاء يقارن التصحيحات ذاتيًا وينفذ ثغرات مستنسخة دون تدخل بشري.
  • يفضل المهاجمون الآن العيوب المصححة من نوع n-day لأن المواد البحثية المحدودة تجعلها أهدافًا أسهل من ثغرات zero-day.
  • تضغط أطر اختبار الاختراق الوكيلية الجداول الزمنية للهجوم إلى سرعة الآلة لكنها حاليًا تقايض التخفي بالسرعة.

حددت Google Threat Intelligence Group (GTIG)، للمرة الأولى، جهات تهديد تستخدم أطر النماذج اللغوية الكبيرة لأتمتة اكتشاف الثغرات واستغلالها بالكامل من دون تدخل بشري، وفقًا لـمتتبع ربع سنوي لتهديدات الذكاء الاصطناعي أُعدّ بالتعاون مع Mandiant ونُشر في 16 نوفمبر 2026.

ومن الأمثلة المفصّلة خادم مرحلي مكشوف يستضيف إطارًا متعدد الوكلاء لأبحاث الثغرات وتسليحها، أطلقت عليه GTIG اسم exploit_agent. ودمج الإطار عدة نماذج لغوية كبيرة متقدمة ونماذج لغوية كبيرة محلية. وضُبط لمقارنة الشيفرة باستمرار قبل الإعلان عن التصحيحات وبعده في برامج تطبيقات الويب الشائعة، وتحليل الاختلافات بحثًا عن ثغرات محتملة، وصياغة برمجيات استغلال، وتنفيذها تلقائيًا.

واحتوى الخادم أيضًا على بيانات سُرّبت من الضحايا المستهدفين، إلى جانب نصوص برمجية للاستطلاع الداخلي، وهجمات التخمين بالقوة الغاشمة، وتثبيت أصداف الويب، وإزالة أصداف الويب التي خلّفها مهاجمون آخرون. وأشارت بيانات القياس عن بُعد للضحايا إلى أن المشغّل كان مهتمًا بصفة خاصة بمواقع الويب الفرنسية المرتبطة بقطاعي الإعلام والترفيه وقطاع التعليم. وأشارت تعليقات الإعدادات المكتوبة بالروسية إلى مفاتيح واجهة برمجة التطبيقات (API) الخاصة بالنماذج اللغوية الكبيرة، لاستخدامها في الاستغلال المستقل.

تحليل التصحيحات ونافذة الاستغلال

قالت GTIG إن المهاجمين قد يجدون أن ثغرات اليوم-إن المصححة، أي العيوب التي صدرت إصلاحات لها بالفعل، أهداف أكثر كفاءة من ثغرات اليوم صفر، لأن مواد البحث المتاحة محدودة. ويمكن للوكلاء مقارنة إصدارات الشيفرة المصدرية، بما فيها قنوات الإصدارات السابقة للإطلاق أو التجريبية، وفحص ملاحظات الإصدارات والأبحاث الأمنية وشيفرات إثبات المفهوم المرتبطة بثغرة محددة. أما البحث عن ثغرات اليوم صفر التي لم تُعرف من قبل، فيتطلب نطاقًا أوسع من البحث.

يمكن لأتمتة فحص التصحيحات عبر المقارنة وتسليح إثباتات المفهوم أن تقلّص الفترة بين الكشف عن التصحيح واستغلال الثغرة ببرمجية مُسلّحة. ويترتب على خفض عتبة الدخول أثر ثانٍ: إذ قالت GTIG إن النماذج اللغوية الكبيرة أسهمت في إنتاج برمجيات استغلال وُصفت بأنها عاملة رغم أنها لا تعمل، ما يضيف أعباء تحقق على المدافعين الذين يتعين عليهم التمييز بين شيفرات الهجوم الفعالة والادعاءات الزائفة.

أطر متعددة الوكلاء في اختراقات فعلية

إنَّ exploit_agent هذه النتيجة جزء من تحول أوسع من التلقين اليدوي إلى أدوات اختراق متعددة الوكلاء. ورصدت GTIG وMandiant جهات تهديد متعددة تسيء استخدام أطر مفتوحة المصدر لاختبار الاختراق بالوكلاء، منها ARTEX وCAIRN وCyberStrikeAI وPentAGI، لأتمتة مراحل منفصلة ومهام تشغيلية أثناء اختراقات فعلية. وتشمل القدرات المشتركة اكتشاف الثغرات منخفضة التعقيد واستغلالها، وإنشاء حمولات تُستخدم مرة واحدة عند الطلب، وتعديل التكتيكات استنادًا إلى التغذية الراجعة الفورية أثناء التنفيذ.

رصدت GTIG بشكل مستقل نشر CAIRN وPentAGI في بيئات فعلية، إلى جانب تجارب على CyberStrikeAI وHexStrike AI. وينسق CAIRN عمل وكلاء متخصصين عبر حلقة «راقب، ووجّه، وقرّر، ونفّذ» ولوحة معلومات مشتركة. ورصدته GTIG في نشاط اختراق استهدف جهات من بينها قطاع الطيران والفضاء الأمريكي. وبين أواخر أغسطس وأوائل أكتوبر 2026، استخدمت جهة تهديد منصة تنسيق مخصصة قائمة على PentAGI لإجراء استطلاع منهجي وفحص للثغرات لدى مجموعة واسعة من المؤسسات في آسيا.

يمكن لهذه الأطر اختزال الجداول الزمنية للهجمات إلى سرعة الآلات، لكن GTIG تقيّم أنها تضحي حاليًا بالتخفي لصالح السرعة. فالتنفيذ المستقل غير المقيّد يولّد حركة مرور تترك آثارًا جنائية رقمية، ويستخدم معرّفات يسهل التعرف إليها، ويخلّف بصمات مميزة على مستوى الشيفرة. ويمكن لهذه الآثار أن تساعد في الكشف عن الهجمات والحد منها، مع أن الأدوات تظل قادرة على تحقيق أهدافها التشغيلية.

الوصول المسروق إلى الذكاء الاصطناعي وإعادة بيعه في الأسواق السرية

ويوثّق التقرير أيضًا سوقًا للموارد السحابية وموارد الذكاء الاصطناعي المخترقة. وعلى امتداد عام 2026، استجابت Mandiant لعدة حوادث لاختطاف موارد النماذج اللغوية الكبيرة (LLMJacking)، استخدمت فيها جهات مدفوعة بدوافع مالية بيئات سحابية مخترقة لاستهلاك قدرات الحوسبة أو حصص موارد النماذج اللغوية الكبيرة الخاصة بالضحايا. وأفادت Mandiant بأن بعض الرسوم الاحتيالية المتكبدة في يوم واحد تجاوزت 100,000 دولار، وأن إجمالي إساءة الاستخدام في أشد الحالات بلغ مليون دولار قبل المعالجة.

وتتعقب GTIG أيضًا ما يُعرف باسم LLM Mixers، وهي واجهات بيع غير مشروعة تبيع وصولًا غير مصرح به إلى خدمات النماذج اللغوية الكبيرة والبنية التحتية الداعمة للوكيل. وتوجّه حركة المشترين عبر مجموعات من بيانات الاعتماد المسروقة وموارد الحوسبة، ويمكنها توزيع حجم الاستعلامات على بيئات متعددة للضحايا للحد من احتمال اكتشافها. ورصدت GTIG أسعارًا معلنة تتراوح بين 0.10 و25 دولارًا لكل مليون رمز على أسواق سرية ناطقة بالروسية والصينية، وتتوقف الأسعار على الخدمة والنموذج وبيانات الاعتماد المعروضة.

وتشير النتائج إلى مشكلة دفاعية وشيكة تتمثل في السرعة والنطاق. إذ يمكن أن تتيح التصحيحات المنشورة مواد المقارنة اللازمة لتطوير برمجيات الاستغلال آليًا، في حين يمكن لبيانات الاعتماد المسروقة وخدمات الوكلاء أن تتيح الوصول إلى قدرات الذكاء الاصطناعي. وتخلّف هذه العمليات المؤتمتة نفسها آثارًا جنائية رقمية وتسهم في إنتاج شيفرات استغلال غير موثوقة، ما يتيح للمدافعين فرصًا للكشف حتى مع تقلص نوافذ الاستغلال وازدياد المواد التي يتعين التحقق منها.

Miles Okada هو وكيل بحث مُولَّد بالذكاء الاصطناعي في Unite.AI، يغطي الذكاء الاصطناعي والأمن السيبراني مع تركيز على التهديدات الناشئة والهياكل الدفاعية والديناميكيات المتطورة بين المهاجمين والأنظمة المؤتمتة. يدرس عمله كيف يُعيد الذكاء الاصطناعي تشكيل عمليات الأمن، من الكشف والاستجابة الذاتية للتهديدات إلى صعود تقنيات الذكاء الاصطناعي العدائي.

من منظور تقني وتحقيقي، يحلل Miles أبحاث الأمن وإفصاحات الحوادث والتطبيقات الفعلية لفهم أين يُقوي الذكاء الاصطناعي الدفاعات—وأين يضيف ثغرات جديدة. يولي اهتمامًا خاصًا لاستغلال النماذج، وتسميم البيانات، وأتمتة الهجمات، والواقع التشغيلي لتأمين الأنظمة المدعومة بالذكاء الاصطناعي على نطاق واسع.

المقالات التي يكتبها Miles Okada مُولَّدة بالذكاء الاصطناعي ويُراجعها فريق التحرير في Unite.AI لضمان الدقة والصرامة وتغطية مسؤولة للمشهد الأمني المتغير بسرعة في مجال الذكاء الاصطناعي.