محققان در آمازون Threat Intelligence گزارش کردهاند که ممکن است پیامدترین استفاده در دنیای واقعی از عوامل هوش مصنوعی مستقل در هکهای تهاجمی تا به امروز باشد: مهاجمان مشکوک مرتبط با چین، یک پلتفرم هوش مصنوعی چند عامله به نام Cairn را هدایت کردند تا سرورهای دانشگاه را به خطر بیندازند، و عوامل بهطور مستقل یک منبع باز تصویری را در یک برنامه کاربردی ناشناخته کشف کردند و از آن استفاده کردند.
این یافتهها که برای اولین بار توسط BleepingComputer در 20 نوامبر 2026 گزارش شد، کمپینی را توصیف میکند که در آن اپراتورهای انسانی به عوامل هوش مصنوعی یک دستورالعمل ساده و صریح - "به دست آوردن دسترسی پوسته" - دادهاند - و عوامل بقیه کارها را انجام دادند، API یک برنامه را نقشهبرداری کردند، مسیر پیمایش روز صفر را در MONAI Label به طور کامل در 1 دقیقه تعیین کردند و آن را به طور کامل در 1 دقیقه کنترل کردند. برای سازمان هایی که پیامدهای امنیتی هوش مصنوعی عاملی را ردیابی می کنند، این لحظه ای است که ریسک نظری به یک الگوی حمله مستند تبدیل شده است. For more context on this story, see our ongoing breaking AI news.
حمله چگونه آشکار شد
به گفته محققان آمازون، این کمپین بین 8 تا 10 سپتامبر 2026 اجرا شد و موسسات آموزشی در شرق آسیا، عمدتا خارج از چین را هدف قرار داد. این عملیات به شیوهای غیرمعمول فاش شد: مهاجمان نمونه کایرن خود را در اینترنت بدون احراز هویت در دسترس عموم قرار داده بودند، و عملاً کل عملیات هک آنها را فاش میکردند - از جمله درخواستهایی که به مأموران داده بودند و گزارش کارهایی که ماموران انجام میدادند.
Cairn یک پلت فرم قانونی قانونی است که برای هماهنگ کردن چندین عامل هوش مصنوعی از طریق عملیات سایبری برای اهداف تحقیقاتی و دفاعی ساخته شده است. در این کمپین تغییر کاربری داده شد. اپراتورهای مشکوک به نکسوس چینی، ماموران را به سمت سرورهای اینترنتی هدایت کردند و به آنها اجازه دادند کار کنند. در یک سکانس موفقیت آمیز، عوامل از برشمردن API یک استقرار برچسب MONAI به بهره برداری فعال از یک نقص پیمایش مسیر در حدود 11 دقیقه رسیدند، سرعتی که هیچ فرآیند نفوذ دستی نمی توانست با آن برابری کند.
خود آسیب پذیری جدی بود. MONAI Label یک برنامه منبع باز است که از هوش مصنوعی برای کمک به محققان در حاشیه نویسی تصاویر پزشکی استفاده می کند و این نقص به عوامل اجازه می دهد تا فایل ها را در مکان های دلخواه در سرور میزبان بنویسند. از آنجا، عوامل یک پوسته معکوس پایتون را در فایل «sitecustomize.py» نوشتند - که هر زمان پایتون شروع به کار کند به طور خودکار اجرا می شود - و سپس یک نقطه پایانی API را برای دسترسی ریشه به دستگاه راه اندازی کردند.
هر تلاشی موفق نشد
این گزارش نه تنها به خاطر دستاوردهایی که ماموران به دست آوردند، بلکه برای کارهایی که نتوانستند انجام دهند، قابل توجه است، که تصویری مدرج تر از قابلیت هک عاملی را نسبت به تبلیغات یا اخراج ارائه می دهد.
یک تلاش برای کنترل سرور Redis به مدت 16 ساعت در 148 اقدام مجزا اجرا شد و شکست خورد. در موردی دیگر، عواملی که یک سرور GPU دانشگاه را هدف قرار میدهند، بیش از 30000 ترکیب اعتبارنامه را در مدت شش ساعت بدون اعمال خشونت آمیز انجام دادند. عوامل مستقل سریع تکرار میشوند و هرگز خسته نمیشوند، اما هنوز یک کلید اسکلت تضمین شده نیستند.
پس از به خطر انداختن موفقیت آمیز MONAI Label، اپراتور انسانی یک پروکسی را در شبکه دانشگاه دومی که همان نرم افزار آسیب پذیر را اجرا می کرد، به عوامل ارائه کرد و آنها را هدایت کرد تا ماشین های اضافی را در معرض خطر قرار دهند. این الگوی اپراتور در حلقه - مامورانی که کشف و بهره برداری می کنند، انسان ها اهداف را هدایت می کنند - دقیقاً تقسیم بندی تیم های امنیت کار است که از زمانی که ابزارهای عامل به جریان اصلی تبدیل شدند، در مورد آن هشدار می دادند.
افشا و پاسخ
آمازون این آسیبپذیری را به نگهبانان MONAI Label گزارش کرد، که در 18 نوامبر 2026 یک بهروزرسانی امنیتی ارسال کردند. این جدول زمانی ارزش نشستن با آن را دارد: بهرهبرداری در سپتامبر اتفاق افتاد، وصله در نوامبر وارد شد. سازمانهایی که MONAI Label را اجرا میکنند - بهویژه دانشگاهها و گروههای تحقیقاتی پزشکی - باید فوراً تأیید کنند که در نسخه بهروزرسانی شده هستند.
محققان آمازون این کمپین را به یک عامل تهدید چینی مرتبط با اعتماد متوسط نسبت دادند که بر اساس زبان پیامهای بازیابی شده، مهرهای زمانی فعالیت و انتخاب اهداف است. این شرکت همچنین دو آدرس IP مرتبط با فعالیت را منتشر کرد: 142[.]4.98.145 و 142[.]4.107.34.
یک الگو، نه یک ناهنجاری
این اولین گزارشی نیست که کایرن علیه اهداف واقعی قرار گرفته است. در ماه سپتامبر، Gambit Security موارد سوء استفاده از کایرن را به عنوان بخشی از عملیات سرقت کارت اعتباری در مقیاس بزرگ ثبت کرد. اخیراً گوگل گزارش داد که این پلتفرم در حمله ای علیه یک سازمان هوافضای ایالات متحده مستقر شده است. گزارش جدید آمازون هشداردهندهترین نقطه دادهای را اضافه میکند: مامورانی که به تنهایی یک روز صفر را پیدا میکنند و در برابر آسیبپذیریای که هیچ فروشندهای در آن زمان تعمیر نکرده بود، سلاح میگیرند.
هشدار آمازون به مدافعان صریح است - عوامل هوش مصنوعی میتوانند آسیبپذیریها را سریعتر از واکنش تیمهای امنیتی پیدا کرده و از آنها سوءاستفاده کنند، و سازمانها باید به جای بررسی دستی، بیشتر روی دفاعهای خودکار تکیه کنند. سرعت وصله، مدیریت نوردهی، و تشخیص خودکار بهترین روش نیستند و زمانی که حلقه تکرار حریف در چند دقیقه اندازهگیری میشود، تبدیل به الزامات پایه میشوند.
این اپیزود همچنین بحث های جاری در مورد ابزارهای هوش مصنوعی با کاربرد دوگانه را تشدید می کند. Cairn برای تقویت دفاع وجود دارد. همان ویژگی هایی که آن را برای نفوذگران مفید می کند - استقلال، پایداری، اکتشاف موازی - آن را به عنوان یک سلاح تهاجمی موثر کرد. از آنجایی که چارچوبهای عامل بیشتری به توزیع باز میرسند، جامعه امنیتی احتمالاً سؤالات مربوط به کنترلهای دسترسی، پیشفرضهای استقرار، و اینکه آیا پلتفرمهای هماهنگی برای عوامل سایبری به جای پیچ و مهره به نردههای محافظ نیاز دارند، بازنگری کند.
در حال حاضر، اقدام عملی محدودتر اما فوری است. این فرض که آسیبپذیریهای ناشناخته ایمن هستند، زیرا کسی به دنبال آنها نیست، دیگر صادق نیست. عوامل خودمختار به طور مداوم در حال جستجو هستند و شکاف بین کشف و بهرهبرداری را میتوان در چند دقیقه اندازهگیری کرد.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →