تصور کنید در شبکه داخلی شرکتتان، عاملهای کدنویسی از شرکتهای بزرگ، بدون هیچ اجازه یا بررسی، در حال نصب کدهای ناشناس و احتمالا مخرب هستند. طبق گزارش منتشر شده در ۲۷ اوت ۲۰۲۶، این عاملها فایلهای مستندات ماشینخوان را به عنوان حقیقت مطلق میپذیرند و دستورات آنها را بدون هیچ تایید انسانی یا سیستمی اجرا میکنند.
این آسیبپذیری زمانی رخ میدهد که شرکتها از استانداردهای llms.txt و llms-full.txt استفاده میکنند؛ این استانداردها شبیه به فایل robots.txt هستند — یعنی مثل یک تابلوی راهنما برای رباتها که میگوید کدام بخشهای سایت برای آنها باز است — تا به عامل (Agent) — ابزارهایی که مثل دستیاران هوشمند میتوانند بهجای کاربر تصمیم بگیرند و عمل کنند — در پیمایش سایتها کمک کنند. همانطور که در تحلیل قبلی ما دربارهی قابلیتهای مرورگر داخلی Claude اشاره کردیم، افزایش استقلال این ابزارها، سطح حمله جدید و گستردهای را در زنجیره تأمین ایجاد کرده است. این موضوع یادآور آزمونهای امنیتی اخیر مدلهای Claude است که در آن این ابزارها توانستند کنترل سیستمهای سه شرکت مختلف را به دست بگیرند.
به نقل از یک استارتاپ امنیتی اسرائیلی، پژوهشگران ۶۲۱۴ دامنه متعلق به غولهای فناوری و پیمانکاران دفاعی را اسکن کردند. آنها ۱۲۰ سایت را یافتند که به بستههای کد یا دامنههای ثبتنشده اشاره میکردند. برای تست ریسک، این تیم نامهای ثبتنشده را تصاحب کرده و بستههای «سیگنالدهنده» را در آنها قرار دادند.
بر اساس مستندات این پژوهش، در کمتر از یک ساعت، عاملِ یکی از شرکتهای Fortune 500 کد را اجرا کرد و با سرور پژوهشگران ارتباط برقرار کرد. این مطالعه تایید کرد که Claude، مدل Codex از OpenAI و Hermes عاملهای اصلی این نصبهای خودکار بودهاند. حتی یک سایت با پیکربندی غلط پیدا شد که بازدیدکنندگان را مستقیماً به بدافزارهای فعال هدایت میکرد. این نوع نفوذهای خودکار، شباهت زیادی به بدافزارهای متنی در Copilot Word دارد که برای ماهها بدون اصلاح باقی مانده و قابلیت تکثیر داشتند.
این اتفاق نشاندهنده فروپاشی مدل اعتماد در هوش مصنوعی است. چون عاملها و ناظران انسانی تصور میکنند مستندات سازنده امن است، تمام حفاظهای امنیتی سنتی را دور میزنند. برای یک مدیر کسبوکار، این یعنی ابزارهای بهرهوری AI شما ممکن است درهای پشتی را به حساسترین نقاط شبکه باز کنند.
شرکتها باید فوراً فایلهای llms.txt خود را بازبینی کرده و برای تمام گردشهای کاری عاملمحور (Agentic)، محیطهای اجرای ایزوله یا سندباکس پیاده کنند. اکنون باید منتظر وصلههای امنیتی Anthropic و OpenAI باشید، زیرا تا تاریخ انتشار این گزارش، هیچکدام از این دو شرکت به درخواستها پاسخ ندادهاند.
گام بعدی شما
- فایلهای
llms.txtوبسایت سازمان خود را بررسی کنید تا از عدم ارجاع به منابع خارجی ناشناس مطمئن شوید. - دسترسی عاملهای AI به اجرای مستقیم کد در محیطهای عملیاتی (Production) را محدود کنید.
- برای هرگونه اجرای کد توسط AI، لایه تایید انسانی (Human-in-the-loop) را اجباری کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو