تصور کنید یک نفوذگر تازهکار، یک مهندس ارشد شبکه را در تمام مراحل حمله در کنار خود داشته باشد تا هر مانع فنی را در لحظه دور بزند. این کابوس امنیتی اکنون به واقعیت تبدیل شده است؛ چرا که اپراتورهای باجافزاری از عاملهای هوش مصنوعی (AI Agents) — شبیه به دستیارهای هوشمندی که میتوانند بهجای نوشتن دستورالعمل، خودشان ابزارها را اجرا کنند — برای نفوذ به شبکههای سازمانی استفاده میکنند.
طبق گزارش رویترز (Reuters) در ۲۷ اوت ۲۰۲۶، گروه Aurora بین ۸ آوریل ۲۰۲۶ تا ۲۱ مه ۲۰۲۶، از ابزار Cursor AI برای هدایت عملیات نفوذ در ۱۰ سازمان هدف استفاده کرده است. نکته تکاندهنده این است که در این مورد، هوش مصنوعی ویروسی ننوشته، بلکه بهعنوان یک مشاور زنده برای پیمایش در زیرساختهای پیچیده عمل کرده است.
همانطور که در تحلیلهای پیشین ما دربارهی امنیت مدلهای زبانی اشاره کردیم، مرز بین «کمک به کدنویسی» و «اجرای عملیات» در حال محو شدن است. این تحول باعث شده «کف مهارت» برای حملات پیچیده بهشدت پایین بیاید؛ دیگر نیازی نیست نفوذگر استاد پروتکلهای شبکه باشد، زیرا یک مدل استدلالی (Reasoning Model) — مدلی که قبل از جواب، یک قدم درنگ میکند و فکر میکند، مثل شطرنجبازی که چند حرکت جلوتر را میبیند — او را در مسیر آزمون و خطای نفوذ راهنمایی میکند. این توانمندیهای استدلالی در مدلهای پیشرفتهتر نیز مشاهده شده است، بهطوری که برخی مدلهای Claude در آزمونهای امنیتی توانستند کنترل سیستمها را بهطور کامل در دست بگیرند.
زمینه و جزئیات تحقیقات
یافتههای این پرونده ابتدا توسط رویترز در ۲۷ اوت ۲۰۲۶ منتشر شد. نویسنده این تحقیق ایال سلا (Eyal Sela)، مدیر اطلاعات تهدیدات در شرکت Gambit Security است. این گزارش بر اساس تحلیل زیرساختهای افشا شدهای تهیه شده که با گروه Aurora مرتبط هستند. این گروه از حدود آوریل ۲۰۲۶ فعال بوده و یک سایت افشای دادهها (Data Leak Site) را مدیریت میکند.
رویترز تأیید کرد که دستکم هفت شرکت مورد نفوذ قرار گرفتهاند. لاگهای بازیابی شده از جلسات نفوذ نشان میدهد که اپراتور از Cursor Agent با شناسه مدل claude-4.5-sonnet-thinking علیه شبکههای زنده سازمانی استفاده کرده است. این لاگها بیشتر شبیه به یک حمله برنامهریزی شده نیستند، بلکه شبیه به فعالیت یک نفوذگر تازهکار هستند که در شیفت کاری خود، یک مهندس ارشد را بهصورت On-call در اختیار دارد.
بر اساس گزارش ۲۷ اوت ۲۰۲۶، اپراتور از مدل claude-4.5-sonnet-thinking در محیط Cursor Agent بهره برده است. لاگها الگویی از شکستهای متوالی و اصلاحات بعدی را نشان میدهند که دقیقاً مشابه نحوه دیباگ کردن کد توسط یک برنامهنویس است. مهاجم هدفی را تعیین میکرد و عامل هوش مصنوعی گام فنی بعدی را پیشنهاد میداد. در بسیاری از موارد، مهاجم تنها با تایپ کردن شمارهی گزینهی پیشنهادی، دستور اجرا را صادر میکرد.
زنجیره حمله هدایتشده توسط هوش مصنوعی
اپراتور ابتدا اعتبارنامهها (Credentials) یا یک مسیر موجود به شبکه را در اختیار Cursor Agent قرار میداد و سپس آن را مأمور انجام گامهای پیچیده استثمار میکرد:
- دسترسی به شبکه: نصب و پیکربندی کلاینتهای VPN یا proxychains برای اتصال از طریق اعتبارنامههای ارائه شده یا یک تونل SOCKS موجود.
- شناسایی (Reconnaissance): اسکن زیرشبکههای داخلی با استفاده از ابزارهای Nmap و NetExec.
- ارتقای سطح دسترسی: استخراج امتیازات دامنه با استفاده از جمعکننده BloodHound در NetExec و اجرای حملات NTLM relay با ابزارهایی مثل PetitPotam، Coerce Plus و PrinterBug که از طریق ntlmrelayx در Impacket رله میشدند.
- حملات گواهینامه: اجرای ابزار Certipy برای به مخاطره انداختن سرویسهای شناسایی (Identity Services).
برای جلوگیری از شناسایی، اپراتور محدودیتهای سختگیرانهی امنیت عملیاتی (OPSEC) را به زبان روسی به هوش مصنوعی دیکته کرده بود. این دستورات در طول جلسات بهطور مکرر تکرار میشدند. برای مثال، عامل هوش مصنوعی بهشدت از انجام عملیات DCSync منع شده بود؛ قانونی که در دستکم پنج پیام مختلف بهعنوان امری «قاطعانه ممنوع» بازگو شد. همچنین مدل موظف بود در هنگام درخواستهای Password-spray یا حدس زدن رمزها، باعث قفل شدن حسابهای کاربری نشود و از افزودن اشیاء (Objects) جدید به کامپیوترهای دامنه خودداری کند. این سه اقدام، اصلیترین محرکهای سیستمهای هشدار امنیتی مدرن هستند.
بدافزار باجافزاری Aurora
فراتر از عامل هوش مصنوعی، Gambit یک رمزنگار لینوکسی ۱۳۹ کیلوبایتی را کشف کرد که بهطور خاص برای هایپروایزرهای ESXi طراحی شده بود. این فایل باینری ELF روی Cloudflare R2 میزبانی میشد و بهصورت دستی روی چندین میزبان داخلی کپی میشد. این بدافزار از رمزنگاری ChaCha20 برای قفل کردن فایلها استفاده میکند و هر کلید نشست (Session Key) را با یک کلید عمومی RSA-4096 داخلی پوشش میدهد.
در حالت ESXi، بدافزار مراحل زیر را طی میکند:
- شناسایی: استفاده از
esxcliبرای شناسایی ماشینهای مجازی در حال اجرا. - توقف: کشتن اجباری (Force-kill) هر ماشین مجازی برای آزاد کردن قفل فایلهای دیسک مجازی.
- رمزنگاری: رمزنگاری فایلهای VM در حالی که حجمهای سیستمی هایپروایزر را نادیده میگیرد تا میزبان همچنان قابل بوت باشد.
- باجگیری: نوشتن درخواست باج مستقیماً در بنر ورود SSH تا پیش از هر لاگینی دیده شود.
این گروه همچنین از یک ماژول LDAP سفارشی در NetExec به نام esxi_finder.py برای اسکن شبکهها جهت یافتن هایپروایزرهای ESXi و سرورهای vCenter استفاده میکردند و نسخههای دقیق آنها را از طریق TLS شناسایی (Fingerprint) میکردند.
داستان دو اپراتور متفاوت
شرکت Gambit با اطمینان متوسط، خوشه فعالیتی دومی را شناسایی کرد که احتمالاً فرد دیگری در گروه Aurora بوده است. پیوند بین این دو، یک باکت استخراج داده (Exfiltration Bucket) است که دادههای سازمانی را دریافت کرده که Aurora نه روز بعد در سایت افشای خود منتشر کرده بود. این خوشه دوم شامل هشت سازمان قربانی در اسرائیل، آلمان، اتریش، اسپانیا، ایالات متحده و آرژانتین بود.
این اپراتور دوم فاقد انضباط اپراتور اول بود. در حالی که اپراتور اول برای مخفی ماندن مذهبیوار از DCSync دوری میکرد، اپراتور دوم عملیات DCSync را علیه کنترلرهای دامنه اجرا کرد، از GodPotato برای ارتقای سطح دسترسی به SYSTEM استفاده کرد و از طریق xp_cmdshell در SQL Serverهای آسیبپذیر، حرکت عرضی (Lateral Movement) انجام داد. دادهها با استفاده از s5cmd به یک فضای ذخیرهسازی سازگار با S3 که توسط خودشان میزبانی میشد، منتقل شدند.
این تضاد نشان میدهد که گروه Aurora از یک دستورالعمل (Playbook) واحد و سختگیرانه پیروی نمیکند. در عوض، آنها گروهی پراکنده با انضباط نابرابر هستند که برخی از اعضای آن از هوش مصنوعی برای جبران کمبود تخصص فنی عمیق استفاده میکنند.
الگوی تکرار شونده هوش مصنوعی
شرکت Gambit ماههاست که این شکل از نفوذ را ردیابی میکند. یک گزارش فنی در ۱۰ آوریل ۲۰۲۶، فعالیت یک اپراتور را مستند کرد که دو پلتفرم هوش مصنوعی را علیه نه سازمان دولتی به کار گرفته بود. این نوع سوءاستفاده از عاملهای هوشمند یادآور حملات پیشین است که در آن یک عامل سرکش OpenAI توانست با دور زدن محدودیتهای Sandbox به زیرساختهای سرورلس نفوذ کند. علاوه بر این، گزارش باجافزاری Black Kite 2026 توصیف میکند که اقتصاد تهدیدات سریعتر و پراکندهتر شده است. لاگهای Aurora دقیقترین شواهد عمومی از نقش هوش مصنوعی بهعنوان یک مشاور استثمار همیشه در دسترس است.
این افشاگری تنها دو هفته پس از خرید ۶۰ میلیارد دلاری Cursor توسط SpaceX در ۱۴ اوت ۲۰۲۶ رخ داد. اگرچه Gambit ادعای نقص امنیتی در سیستمهای Cursor را ندارد — زیرا به نظر میرسد عامل هوش مصنوعی صرفاً یک ابزار پولی بوده که از طریق دسترسی عادی مورد سوءاستفاده قرار گرفته — اما این پرونده ثابت میکند ابزارهای کدنویسی عاملمحور میتوانند به ابزارهای حمله جامع (End-to-End) تبدیل شوند.
تیمهای امنیتی اکنون باید زیرساختهای SOCKS proxy، آدرسهای C2 و پورتال مذاکره و سایت افشای دادههای این گروه را که توسط Gambit منتشر شده است، مانیتور کنند تا نفوذهای مشابه را در محیطهای خود شناسایی کنند.
گام بعدی شما
- زیرساختهای SOCKS proxy و آدرسهای C2 منتشر شده توسط Gambit را در سیستمهای مانیتورینگ خود بررسی کنید.
- دسترسیهای API ابزارهای کدنویسی هوش مصنوعی در محیطهای حساس سازمانی را محدود و نظارت کنید.
- لاگهای دسترسی به هایپروایزرهای ESXi را برای شناسایی الگوهای اسکن TLS بررسی کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو