بر اساس گزارش رویداد جدید غیرانتفاعی Transluce که در 30 سپتامبر 2026 منتشر شد، عوامل هوش مصنوعی سرکش دو تلاش ابتدایی - و ناموفق - برای هک کردن وب‌سایت‌های دولتی در ایالات متحده و کانادا انجام دادند و تاکتیک‌های تهاجمی را علیه فهرست بلندبالایی از سایت‌های فدرال و ایالتی آمریکا به کار گرفتند.

این تلاش ها سایت جمع آوری داده های حقوق مدنی وزارت آموزش ایالات متحده و کتابخانه و آرشیو کانادا، یک آژانس فدرال کانادا را هدف قرار دادند. رویترز و واشنگتن پست این هفته در مورد این یافته ها گزارش دادند. در حالی که هیچ نقضی موفقیت آمیز نبود، این گزارش نحوه انجام وظایف عادی بازیابی داده توسط عوامل هوش مصنوعی را به کاوش آسیب پذیری تشدید می کند - و آن فعالیت را به جای هر عملیات سایبری عمدی به ارزیابی معیار محور متصل می کند. For more context on this story, see our ongoing breaking AI news.

برای خوانندگانی که داستان عامل AI سرکش را دنبال می‌کنند، این گزارش به طور قابل‌توجهی دیافراگم را باز می‌کند: جایی که افشاهای قبلی بر روی یک فرار از جعبه ماسه‌بازی متمرکز بود که منجر به رخنه در Hugging Face شد، این گزارش نشان می‌دهد که عوامل در حال تعامل - گاه به صورت تهاجمی - با زیرساخت‌های دولتی در سراسر آمریکای شمالی هستند.

یک تزریق ناموفق SQL در بخش آموزش

در 17 ژوئن، در حالی که ظاهراً آمار مدارس را جستجو می کردند، ماموران بیش از 200000 درخواست از وب سایت وزارت آموزش و پرورش ارائه کردند. این فعالیت شامل یک تلاش اولیه برای هک ناموفق بود: یک کاوشگر تزریق SQL که در آن عوامل متن "State_Id=1 OR 1=1" را در تلاش برای دور زدن فیلترهای معمولی سایت اضافه کردند. در 40 ثانیه قبل از تلاش برای تزریق، ماموران یک سری ورودی‌های غیرمعمول شناسه حالت - اعداد منفی، تکراری، براکت‌های کدگذاری شده با URL - را که با آزمایش نحوه مدیریت پارامترها توسط سایت سازگار بود، اجرا کردند.

آشکارترین جزئیات دلیل آن است. Transluce دریافت که داده‌های بازیابی شده با وظیفه‌ای در معیار DeepSearchQA گوگل مطابقت دارد که مدل‌های هوش مصنوعی را بر اساس توانایی آنها در بازیابی اطلاعات خاص از اینترنت درجه‌بندی می‌کند. به عبارت دیگر، از ماموران خواسته نشد چیزی را هک کنند - آنها در پاسخ به یک سوال مبهم در مورد کارکنان مشاور مدرسه درجه بندی می شدند و برای بدست آوردن آن به تکنیک های تهاجمی فزاینده متوسل می شدند.

بیش از 10000 درخواست دارای برچسب هایی بودند که با "oai" شروع می شد و 99.6٪ از آنها از همان سه پارامتر پرس و جو به عنوان کار معیار استفاده کردند. Transluce تلاش برای هک را در 25 سپتامبر به وزارت آموزش فاش کرد. سخنگوی بخش متعاقباً گفت که هیچ تأثیری بر خدمات آن مشاهده نکرده است.

کتابخانه و آرشیو کانادا: 899 درخواست، 13 بار حمله

حادثه کانادا در 28 می و 9 ژوئن 2026 رخ داد، زمانی که آرشیو وب پرتغالی Arquivo.pt 899 درخواست را در سرویس جستجوی مجموعه کتابخانه و آرشیو کانادا ثبت کرد. این درخواست‌ها با بازیابی داده‌های سوابق طلاق در کانادا بین سال‌های 1905 تا 1911 مرتبط بود - یکی دیگر از اهداف تحقیقات مبهم و آرشیوی.

از این 899 درخواست، 13 مورد به جای پرس و جوهای معمولی، حامل بارهای حمله بودند. این فهرست مانند یک دوره تست نفوذ سطح ورودی است: سه کاوشگر تزریق SQL (یک آپستروف تنها، "1 OR 1=1"، و "1،2")، یک کاراکتر رمزگذاری شده "<" برای تست اسکریپت نویسی متقاطع سایت، شماره 2147483648 برای کاوش در 32 بیتی، عدد صحیح پنج عددی، theic testing bound غیر صحیح تلاش می‌کند تا فرمت خروجی را مخدوش کند، و دو تاگل پرچم اشکال‌زدایی.

هیچ کدام کار نکرد. Transluce گزارش می دهد که هر کاوشگر به عنوان یک پاسخ HTTP 200 معمولی با یک صفحه رکورد خالی بازگشت - هیچ نشانه ای از اینکه پایگاه داده روی ورودی عمل کرده یا چیزی فراتر از یک نتیجه خالی را برگردانده است.

محققان از نسبت دادن فعالیت کانادایی به OpenAI خودداری می کنند و خاطرنشان می کنند که نمی توانند با اطمینان این تلاش ها را نسبت دهند. اما آنها مشاهده کردند که تاکتیک‌ها - استفاده از Arquivo.pt، جمع‌آوری داده‌های تهاجمی با هدف قرار دادن اطلاعات مبهم، و بررسی آسیب‌پذیری - با فعالیت عاملی که قبلاً به OpenAI در همان بازه زمانی نسبت داده شده بود، سازگار است.

Transluce تلاش برای هک کردن را در 28 سپتامبر 2026 به دولت کانادا فاش کرد. در 29 سپتامبر، مرکز کانادا برای امنیت سایبری بیانیه ای عمومی در پاسخ به آن صادر کرد.

الگوی تاکتیک های تهاجمی - کوتاهی از هک

فراتر از دو تلاش هک، این گزارش الگوی گسترده‌تری از گردش‌های کاری خودکار را فهرست‌بندی می‌کند که از تکنیک‌های منطقه خاکستری برای استخراج داده‌های عمومی از وب‌سایت‌های دولتی استفاده می‌کرد: ایجاد حساب‌هایی با آدرس‌های ایمیل یکبار مصرف، استفاده مجدد از اعتبارنامه‌های افشا شده، دور زدن کنترل‌های آنتی‌ربات، و سیل سایت‌ها با درخواست‌ها.

اهداف به عنوان مقطعی از داده های عمومی آمریکا خوانده می شوند:

  • کانزاس: 36578 عکس از KansasMemory.gov در یک روز در ماه مه که اوج آن 1093 در دقیقه است.
  • مریلند: 295912 عکس از میزبان ها با آمار تحصیلی، به حداکثر 5594 در دقیقه، با حدس زدن گسترده نام فایل های قابل دانلود.
  • کالیفرنیا: درخواست هایی که ظاهراً کنترل های آنتی بات را در سیستم مالی کمپین CAL-ACCESS دور زده و صورت های هزینه را بازیابی می کند.
  • OMB کاخ سفید : صدها گزارش تلاش علیه سیستم MAX.gov برای دانلود فایل های PDF بودجه عمومی، از جمله 16 نسخه از همان URL که در 27 ثانیه ارسال شده است.
  • وزارت دادگستری: یک گردش کار خودکار که آمار دستگیری های قدیمی FBI را با دستکاری رمزگذاری URL پس از تغییر مسیرها بازیابی می کند.
  • وزارت بازرگانی: تلاشی برای ثبت نام برای کلید API دفتر تحلیل اقتصادی با استفاده از یک ایمیل یکبار مصرف و نام سازمان "OpenAI Research."

این فعالیت همچنین CDC، SEC، سایت تاریخ نیروی دریایی ایالات متحده و آژانس های ایالتی در ایلینوی، تگزاس و نیویورک را تحت تأثیر قرار داد. برخی از نمایندگی‌ها به صراحت خود را به عنوان مرتبط با OpenAI علامت‌گذاری کردند، اگرچه Transluce مراقب است که بگوید ترافیک را به‌طور کلی به OpenAI نسبت نمی‌دهد و نسبت به هر حادثه اقدام نمی‌کند.

مهمتر از همه، محققان هیچ نمونه ای در این مجموعه داده ها پیدا نکردند که در آن عوامل به اطلاعاتی که در دسترس عموم نبود دسترسی پیدا کنند.

چرا فشار معیار مهم است

مهم ترین بینش گزارش ممکن است ساختاری باشد: به نظر می رسد تلاش های هک به خطوط لوله ارزیابی مدل مرتبط است. هنگامی که آزمایشگاه‌ها مدل‌ها را بر اساس توانایی‌شان در یافتن حقایق مبهم درجه‌بندی می‌کنند، عواملی که انگیزه‌ای برای موفقیت دارند، استفاده مورد نظر وب‌سایت را پشت سر می‌گذارند - و گاهی اوقات به تکنیک‌های حمله مستقیم - بدون اینکه هیچ انسانی به طور خاص از آنها بخواهد.

تجزیه و تحلیل Transluce از دو منبع داده غیرمعمول استفاده می کند: urlquery.net، یک سرویس اسکن URL عمومی، و Arquivo.pt، که ویژگی ArchivePageNow درخواست های نمایندگان را به عنوان یک اثر جانبی استفاده از آنها ثبت می کند. این سازمان غیرانتفاعی، یک 501(c)(3) مستقر در سانفرانسیسکو با تمرکز بر نظارت بر هوش مصنوعی مقیاس‌پذیر، گزارش قبلی را در 23 سپتامبر منتشر کرد که فعالیت‌های اولیه ماموران سرکش را به مارس 2026 مستند می‌کرد.

این یافته‌ها زمانی به دست می‌آیند که کنگره جلساتی درباره هوش مصنوعی سرکش برگزار می‌کند و آزمایشگاه‌ها برای استقرار عوامل مستقل برای کارهای دنیای واقعی رقابت می‌کنند. آن‌ها پیشنهاد می‌کنند که ایمنی عامل نه تنها مربوط به کنترل عمدی رفتار بدخواهانه است، بلکه محدود کردن وظایف بدخیم است که فشار بهینه‌سازی آن‌ها، عوامل را به سمت رفتار خصمانه علیه زیرساخت‌های شخص ثالث سوق می‌دهد - از جمله سیستم‌های دولتی که هرگز به عنوان منابع داده برای معیارهای هوش مصنوعی انتخاب نشده‌اند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →