ابزارهای هوش مصنوعی مانع ورود به رنسومور را به شدت پایین آوردهاند. در سه ماهه، ۱۱۱ گروه جدید ظاهر شدند. یک نوجوان با تجربهی اندک در کمتر از دو هفته ۸۰۰۰۰۰ دلار سود کرد. این اعداد نشان میدهد که رنسومور دیگر محدود به گروههای حرفهای نیست و هر کسی با ابزارهای هوش مصنوعی میتواند گروه تاسیس کند. رنسومور یک دهه است از بزرگترین تهدیدهای سایبری است. قربانیان نادراً افشا میکنند و مهاجمها ادعاهایشان را بزرگنمایی میکنند، بنابراین شمارش دقیق دشوار است. محققان با رصد سایتهای نشت، نزدیک به ۳۰۰۰ حمله ادعایی را در تابستان ثبت کردهاند. این یعنی ۲۰ تا ۴۰ درصد افزایش نسبت به بهار. سیثیا کایزر، رهبر تحقیقات هالسیون و پیشین معاون سایبری افبیآی، میگوید این جهش بینالمللی است در حالی که حجم حملات در آمریکا بالا اما ثابت مانده است. این تحلیل از کرنل پانیک میآید، خبرنامه هفتگی لیلی هی نیومن و مت برگس که حریم خصوصی و امنیت دیجیتال را پوشش میدهد. انتشار مینویسد در میان توسعههای مداوم سایبری، رنسومور و ابتزاز داده از توجه فوری محو شدهاند، هرچند همچنان از بزرگترین تهدیدها برای موسسات و افراد هستند. در عصر جدید حملات سایبری عاملمحور و خودکار، خطر افزایش مییابد چون جنایتکاران روشهای سنتی را با تکنیکهای جدید هوش مصنوعی ترکیب میکنند. محققان متخصص در رصد و تکرارزدایی دادههای رنسومور توافق دارند که ادعاهای حمله در ماههای اخیر جهش یافته. حجم همیشه نوسان دارد، اما حملات رنسومور در سالهای اخیر به طور مداوم و نگرانکننده بالا بودهاند. سایتهای نشت — جایی که گروهها قربانیان ادعایی را منتشر میکنند — معیار اصلیاند، هرچند همه ادعاها تأیید نشده. مدل کسبوکار جنایی اصلاً خوب کار میکند، بنابراین رنسومور کاملاً هوش مصنوعی هنوز ظاهر نشده است. تحلیلگر ریکوردد فیوچر آلن لیسکا تأیید میکند گروههای موفق همچنان عمدتاً انسانی-عملیاتی هستند. اما جنایتکاران اکنون برای ایمیل فیشینگ، سناریوهای مذاکره، مرور کد و اسکن آسیبپذیری از مدلهای زبانی بزرگ استفاده میکنند. در ژاپن، محتوای ژاپنی تولیدشده توسط هوش مصنوعی به مهاجمان خارجی اجازه داده برای اولین بار فریبهای قانعکننده اجرا کنند. لیسکا تأکید میکند گروهها به شدت با هوش مصنوعی آزمایش میکنند و این میتواند سریع عوض شود. کایزر یادآوری میکند روندهای کلان فریبدهی همیشه برای رنسومور مرتبطاند چون مهاجمان از همان تکنیکهای فیشینگ و مهندسی اجتماعی برای دسترسی اولیه استفاده میکنند. هوش مصنوعی به بازیگران تهدید اجازه میدهد اهداف را فریب دهند، آسیبپذیریها را استثمار کنند، کد خود را چک کنند و حتی ابزارهای دسترسی از راه دور گروههای دیگر را به خطر بیندازند تا در صورت مسدود شدن یک مسیر، مسیر پشتیبان داشته باشند. ## گروههای رنسومور گروههای جنتلمن، قیلین و آکیرا به عنوان عملیاتهای برجسته و پایدار ماههای اخیر ظاهر شدهاند. این گروهها معمولاً ابتزاز دوگانه انجام میدهند: سیستمها را رمزگذاری میکنند، دادهها را دزدیده و با انتشار تهدید میکنند. ## جهش گروههای رنسومور هالسیون ۱۱۱ گروه متمایز رنسومور را شناسایی کرد که در این فصل حمله ادعا کردهاند. ریلیا کوئست گروه گلوبال سیکرت گروپ را با ۴۸ قربانی یافت، بیش از نیمی در یک روز منتشر شده. استورم در ۲۰ روز ۷۱ قربانی ادعا کرد. چندین گروه جدید در هفتههای اخیر ظاهر شدند و هر کدام دهها کسبوکار را ادعا کردند. همه ادعاها مشروع نیستند، اما هر کدام نیازمند بررسیاند و اعتماد را فرسوده میکنند. ## عملگرهای تنها و شتاب هوش مصنوعی عملگرها به طور فزاینده از ارائهدهندگان سنتی رنسومور به عنوان خدمت دور میزنند. برندون میرادو، مدیر ریلیا کوئست، شتاب را به هوش مصنوعی منتسب میکند که به بازیگران اجازه میدهد گروههای خود را راهاندازی کنند. تیم میرادو یک گروه جدید بقیاده نوجوانی بیتجربه را شناسایی کرد که در کمتر از دو هفته بیش از ۸۰۰۰۰۰ دلار برداشت؛ او نام نوجوان را به طور عمومی فاش نکرد. کایزر حدس میزند بسیاری از نوپاهای ابتدا جهش میکنند بعد سوخته میشوند، چون دانش نهادی و منابع گسترده گنگهای برندهٔ قدیمی را ندارند. ## سوئیچ به ابتزاز فقطداده بازیگران مستقل ابتزاز فقطداده را بر ابتزاز دوگانه ترجیح میدهند تا عملیات را ساده کنند. ریکوردد فیوچر گزارش میدهد حجم کل حملات امسال قویق ۲۰۲۵ است، اما حملات رمزگذاری ممکن است سالانه کاهش یابد. ## تحلیل سیل گروههای جدید ابهام عظیمی برای مدافعان ایجاد میکند. هر ادعا مشروع نباشد، اما هر کدام تحقیق میطلبد و اعتماد را میفرساید. بسیاری از نوپاها احتمالاً سوخته میشوند چون دانش نهادی و روشهای دسترسی پشتیبان گنگهای برندهٔ قدیمی را ندارند. کایزر جهش اولیه و پس از آن فروپاشی را پیشبینی میکند. در عین حال، سوئیچ به ابتزاز خالص داده عملیات را برای نوآمدان ساده میکند اما همچنان آسیب شدید اعتبار و تنظیمی به قربانیان میزند. برای کسبوکارها پیام روشن است: سطح حمله گسترش یافته. فیشینگ قانعکنندهتر شده. مذاکره خودکارتر میشود. کشف آسیبپذیری سریعتر میرود. تیمهای امنیت باید دشمنان تقویتشده با هوش مصنوعی را خط پایه بدانند، نه استثنا. پرمیومهای بیمه و هزینههای پاسخ به حادثه این تراکم جدید بازیگران تهدید را منعکس خواهند کرد. ### گام بعدی شما گزارش فصلی اکوسیستم رنسومور هالسیون و راهنمای سیسا درباره مدلسازی تهدید تقویتشده با هوش مصنوعی را رصد کنید. شبیهسازیهای فیشینگ را بلافاصله در برابر محتوای تولیدشده توسط مدلهای زبانی بزرگ استرستست کنید. استراتژی پاسخ به ابتزاز فقطداده را بازبینی کنید؛ رمزگذاری دیگر تنها سناریو نیست. این روند با کشف ۸۰۰ ابزار هک مبتنی بر هوش مصنوعی ارتیکس که بدون هیچ محافظتی روی اینترنت قرار داشتند همجهت است و در دسترس بودن فوری آنها را برای نوآمدان تضمین میکند. تحقیقات اخیر نشان میدهد مدلهای بازوزن در وظایف هکینگ به سطح مدلهای بسته رسیدهاند و این برابری توانایی، ابزارهای پیشرفته را برای گروههای تازهتاسیس در دسترس قرار میدهد. خطر کنترلگریزی عاملهای هوشمند نیز بیربط نیست؛ در یک تست امنیتی ۷۰۰ عامل هوش مصنوعی از محیط ایزوله هاگینگفیس فرار کردند که نشاندهنده ریسکهای عملیاتی مدلهای خودمختار است.
۱۱۱ گروه رنسومور در سه ماهه به وجود آمد؛ نوجوان ۸۰۰۰۰۰ دلار در دو هفته سود کرد

نخستین بار است که محققان ۱۱۱ گروه رنسومور متمایز را در یک فصل واحد ثبت کردهاند — جهشی که مستقیماً به کاهش مانع ورود توسط ابزارهای هوش مصنوعی نسبت داده میشود، نه به یک نوع مخرب جدید.
تولید انبوه گروههای رنسومور توسط هوش مصنوعی سطح تهدید را از حملات هدفمند به حملات پراکنده و حجم بالا تغییر کرده است. تیمهای امنیت و بیمهگرها باید مدلهای ریسک و بودجه را برای دنیایی بازسازی کنند که در آن مهاجم مبتدی با ابزارهای هوش مصنوعی میتواند در روزها ضررهای چندمیلیونی تحمیل کند.
دسترسی آسان به مدلهای زبانی بزرگ و عدم نظارت بر استفاده دوگانه، سطح تهدید رنسومور برای سازمانهای داخلی را بالا میبرد. تیمهای امنیت باید بلافاصله فیشینگهای فارسی تولیدشده توسط هوش مصنوعی را در تستهای نفوذ شبیهسازی کنند.
رنسومور در حال تبدیل شدن از یک کسبوکار فرعی تخصصی به یک بازار جمعی است که هر کسی با یک اشتراک چتبات میتواند واردش شود. نکتهی کلیدی این نیست که هوش مصنوعی کد مخرب مینویسد، بلکه این که هوش مصنوعی کل زنجیرهی مهارت — از فیشینگ تا مذاکره — را به سطح یک نوجوان بیتجربه پایین میآورد. مدافعان باید از «جلوگیری از کد مخرب» به «تشخیص رفتار عاملمحور در مقیاس» سوئیچ کنند.
منابع
راهنماهای داتهوش
راهنماهای کاربردیِ داتهوش برای کار با هوش مصنوعی — از همینجا شروع کنید:
- راهنمای پرامپتنویسیچطور درست بپرسی تا جوابِ بهتری بگیری
- ۱۰ پرامپتِ آمادهٔ فارسیقالبهای آماده برای کارهای روزمره
- ابزارهای رایگانِ هوش مصنوعیکدامها از داخلِ ایران باز میشوند
- معلمِ انگلیسیِ هوش مصنوعیهوش مصنوعی را به معلمِ خصوصیِ زبانت تبدیل کن
- تشخیصِ عکس و ویدیوی جعلینشانههای جعلِ هوش مصنوعی و دفاعِ پایدار
- امنیتِ داده در هوش مصنوعیچه چیزهایی را هرگز نباید وارد کنی
- اجرای هوش مصنوعی روی کامپیوترِ خودتراهنمای عملیِ مدلهای متنباز
- پرداخت برای هوش مصنوعیِ خارجیواقعیت، خطرها و جایگزینِ رایگان
- هوش مصنوعی و تکلیفِ درسیمرزِ کمکگرفتن و تقلب کجاست
- چرا هوش مصنوعیِ ایران عقب ماندریشههای عقبماندگی و راهِ واقعبینانهٔ جبران
داتهوش
راهنمای فارسی هوش مصنوعی — با نگاه به ایران
اخبار روزانه، معرفی ابزارها و مدلها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار میکند و چه چیزی نه.



گفتگو