Google Threat Intelligence Group یا GTIG روز ۱۶ نوامبر ۲۰۲۶ تازه‌ترین شماره AI Threat Tracker را منتشر کرد که Aurora Blum، Kelli Vanderlee، Jess Xia و David Mainor نوشته‌اند و عنوانش «Agentic Threat Activity Crosses a Significant Threshold» است. GTIG با تکیه بر پاسخ‌گویی Mandiant به رخدادها و ردیابی خودش می‌گوید مهاجمان از پرامپت‌دادن ساده به چارچوب‌های چندعاملی خودمختار، بهره‌برداری خودکار از آسیب‌پذیری‌ها و روش‌های تازه درآمدزایی از دسترسی دزدیده‌شده به هوش مصنوعی رسیده‌اند. یادداشتی همراه در وبلاگ Google این یافته را رسیدن حمله‌های خودمختار خلاصه می‌کند و Google AI Threat Defense را پاسخ معرفی می‌کند.

یافته نخست درباره چارچوب‌های تهاجمی است. گذشته از ابزار تست نفوذ پرحاشیه ARTEX، GTIG می‌گوید بازیگران از چارچوب‌های چندعاملی متن‌باز از جمله CAIRN، CyberStrikeAI و PentAGI استفاده می‌کنند و آزمایش با HexStrike AI را هم دیده است. GTIG می‌گوید CAIRN و PentAGI را مستقل در دنیای واقعی مشاهده کرده است. گزارش می‌دهد CAIRN علیه اهدافی از جمله بخش هوافضای آمریکا به کار رفته و از اواخر اوت تا اوایل اکتبر ۲۰۲۶ یک مهاجم با پلتفرمی سفارشی‌شده بر پایه PentAGI علیه سازمان‌هایی در آسیا شناسایی و پویش انجام داده است. بر اساس گزارش، گروهی با پیوند به چین هم چارچوب حمله خودکار خودش را می‌ساخت. GTIG یادآوری می‌کند سازوکار نفوذ همان است، یعنی اعتبارنامه‌های دزدیده‌شده و سامانه‌های وصله‌نشده، اما سرعت و مقیاس تغییر کرده است. به گفته این گروه، این ابزارها فعلاً پنهان‌کاری را فدای سرعت می‌کنند و ردپاهای پزشکی قانونی به جا می‌گذارند که به تشخیص کمک می‌کند.

یافته دوم همان است که GTIG آن را نخستین‌بار می‌خواند. این گروه می‌گوید مهاجمانی را شناسایی کرده که با چارچوب‌های مدل زبانی کشف و بهره‌برداری از آسیب‌پذیری را بدون دخالت انسان خودکار می‌کنند. نمونه، یک سرور مرحله‌بندی در معرض دید است که چارچوبی چندعاملی به نام exploit_agent را میزبانی می‌کرد. این چارچوب کد را پیش و پس از اعلام وصله‌ها مقایسه می‌کرد، بهره‌برداری می‌نوشت و خودکار اجرا می‌کرد و داده‌های قربانیان روی سرور نشان می‌داد تمرکز بر وب‌سایت‌های فرانسوی رسانه، سرگرمی و آموزش بوده است. تحلیل GTIG از آمار آسیب‌پذیری‌ها نشان داد افشاها و بهره‌برداری‌ها در مجموع میان ژانویه و اوت ۲۰۲۶ تقریباً دو برابر شده، در حالی که بهره‌برداری‌های روز صفر از میانگین ۸ مورد در ماه در ۲۰۲۵ به ۱۱ مورد در ماه در ۲۰۲۶ رسیده و در اوت به ۲۲ جهش کرده است. GTIG هشدار می‌دهد بهره‌برداری‌های ساخته‌شده با مدل زبانی که ادعا می‌شود کار می‌کنند اغلب کار نمی‌کنند و این برای مدافعان کار راستی‌آزمایی اضافه می‌آورد.

گزارش به پول و نفوذ هم می‌پردازد. Mandiant در ۲۰۲۶ به چند رخداد LLMJacking پاسخ داد که در آن‌ها مجرمان با محیط‌های ابری نفوذشده سهمیه محاسبه و مدل قربانیان را مصرف کردند. در برخی موارد هزینه جعلی یک روز از ۱۰۰ هزار دلار گذشت و در شدیدترین موارد سوءاستفاده انباشته پیش از رفع به یک میلیون دلار رسید. GTIG بازارچه‌های غیرقانونی «LLM Mixers» را دنبال می‌کند که دسترسی به اعتبارنامه‌های دزدیده‌شده مدل‌ها را می‌فروشند و قیمت‌های اعلام‌شان از ۰٫۱۰ تا ۲۵ دلار برای هر میلیون توکن است. به گفته گزارش، بازیگران عملیات نفوذ اطلاعاتی اکنون به‌طور معمول از مدل‌های زبانی برای شخصیت‌های مصنوعی و تولید محتوا در مقیاس بالا استفاده می‌کنند و یک خوشه مشکوک به کره شمالی ابزارهای هوش مصنوعی سازمان‌ها را در مسیر حمله زنجیره تأمین سوءاستفاده کرده است.

در بخش دفاع، GTIG می‌گوید Google Security Operations بسته‌های قاعده برای تشخیص استفاده از ARTEX مستقر کرده و Mandiant راهنمایی برای مقاوم‌سازی در برابر ابزارهای تهاجمی مبتنی بر مدل زبانی منتشر کرده است. این‌ها توصیف خود Google از یافته‌ها و محصولاتش است. داده‌های پشت گزارش عمومی نیست و خوانندگان بیرونی نمی‌توانند ارقام را مستقل بررسی کنند.

منابع