پرش به محتوای اصلی
پرش به محتوای مقاله

مایکروسافت: جهش تعداد امضاهای اسپم روزانه از ۲۱ هزار به ۲.۵ میلیون

·۱۳ شهریور ۱۴۰۵۲ دقیقه مطالعه
استفاده از تکنیک قاچاق ASCII که پیش‌تر برای حمله به هوش مصنوعی محبوب بود، اکنون توسط اسپمرها پذیرفته شده است.
استفاده از تکنیک قاچاق ASCII که پیش‌تر برای حمله به هوش مصنوعی محبوب بود، اکنون توسط اسپمرها پذیرفته شده است.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

استفاده از تکنیک‌های پیشرفته تزریق پرامپت برای اهداف سنتی اسپم؛ در واقع ابزارهای پیچیده AI-Attack اکنون در مقیاس میلیونی برای حملات ساده‌تر به کار گرفته شده‌اند.

اگر امروز ایمیلی دریافت می‌کنید که کاملاً بی‌خطر به نظر می‌رسد، ممکن است در لایه‌های پنهان آن دستوراتی برای فریب دادن هوش مصنوعی شما نهفته باشد. این واقعیت تکان‌دهنده، هستهٔ مرکزی تهدیدی است که اکنون صندوق‌های ورودی ما را هدف قرار داده است.

طبق گزارش Microsoft Defender for Office، تعداد امضاهای اسپم که از تکنیک قاچاق ASCII (ASCII Smuggling) استفاده می‌کنند، در اوایل فوریه ۲۰۲۶ جهشی عظیم داشت و از ۲۱ هزار مورد در روز به ۲.۵ میلیون مورد رسید. این روش به مهاجمان اجازه می‌دهد محتوای مخرب را در معرض دید قرار دهند، اما به دلیل تفاوت در نحوهٔ پردازش متن توسط انسان و کامپیوتر، آن را نامرئی کنند.

تصور کنید ایمیلی می‌فرستید که برای یک شخص کاملاً عادی است، اما حاوی دستوراتی مخفی برای یک هوش مصنوعی است. این دقیقاً همان مکانیسم قاچاق ASCII است. این تکنیک در ابتدا برای تزریق پرامپت (Prompt Injection) — یعنی تلاش برای فریب دادن عامل‌های (Agents) هوش مصنوعی برای نادیده گرفتن قوانینشان — ابداع شد تا متن حمله از دید کاربر پنهان بماند. در همین راستا، برخی متخصصان معتقدند که جداسازی معماری تنها راه مقابله با تزریق پرامپت در عامل‌های هوش مصنوعی است تا از نفوذ دستورات مخفی جلوگیری شود.

همان‌طور که در تحلیل‌های قبلی ما درباره‌ی امنیت مدل‌های زبانی اشاره کردیم، مرز بین ورودی کاربر و دستورات سیستمی همواره یک نقطه ضعف است. به نقل از مایکروسافت، این تکنیک از محدوده خاصی از تگ‌های یونیکد (مانند U+E0041 برای حرف A) استفاده می‌کند که مشابه استاندارد ASCII هستند. این کاراکترها توسط کامپیوترها و مدل‌های زبانی بزرگ (LLM) — شبیه کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — پردازش می‌شوند، اما برای چشم انسان تقریباً نامرئی هستند. این آسیب‌پذیری‌ها در ابزارهای مایکروسافت پیش‌تر نیز مشاهده شده بود؛ برای مثال، یک پارامتر مخفی در Copilot راه را برای سرقت داده‌های سازمانی باز کرده بود که نشان‌دهنده پیچیدگی‌های امنیتی در این اکوسیستم است.

ابعاد این حمله

  • خط پایه اولیه: حدود ۲۱,۰۰۰ امضا در روز.
  • جهش ناگهانی: رسیدن به ۱.۳ میلیون امضا تنها در یک روز از فوریه ۲۰۲۶.
  • نقطه اوج: ثبت ۲.۵ میلیون مورد شناسایی ظرف چهار روز.
  • تداوم: این حجم از حملات تا اواسط مه ۲۰۲۶ ادامه یافت و سپس به‌شدت کاهش یافت.

این تغییر، در واقع وارونه کردن هدف اولیه است. در حالی که این روش ابتدا برای وارد کردن دستورات به درون مدل بود، اکنون اسپمرها از آن برای پنهان کردن کلمات کلیدی از دید تشخیص‌دهنده‌های امنیتی استفاده می‌کنند. آن‌ها با نامرئی کردن کلمات «اسپم‌گونه» برای انسان، اما حفظ آن‌ها در کد، از شک کاربر جلوگیری کرده و هم‌زمان سعی می‌کنند از فیلترهای خودکار عبور کنند.

برای کاربران تجاری، این یعنی نشانه‌های بصری سنتی در ایمیل‌ها دیگر کافی نیستند. شما دیگر نمی‌توانید اعتماد کنید که آنچه می‌بینید، تنها محتوایی است که توسط دستیارهای هوش مصنوعی یا لایه‌های امنیتی ایمیل شما پردازش می‌شود. برای مقابله با نشت اطلاعات در محیط‌های سازمانی، راهکارهایی نظیر «پاک‌سازی PII» برای جلوگیری از نشت داده در چت‌های B2B در حال توسعه است تا امنیت داده‌های حساس تضمین شود.

گام بعدی شما

  • دستورالعمل‌های به‌روزرسانی‌شدهٔ ارائه‌دهندگان ایمیل دربارهٔ فیلترینگ یونیکد را دنبال کنید.
  • مراقب ابزارهای هوش مصنوعی ادغام‌شده در محیط کار باشید که ممکن است توسط این پرامپت‌های نامرئی تحریک شوند.
  • از لایه‌های امنیتی که تحلیل معنایی را فراتر از تطبیق متنی ساده انجام می‌دهند، استفاده کنید.

اما داستان سخت‌افزاری مقابله با این حجم از حملات حتی پیچیده‌تر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و پردازش امن مراجعه کنید.

چرا این موضوع مهم است؟

این موضوع اعتبار سیستم‌های فیلترینگ متنی سنتی را به چالش می‌کشد و نشان می‌دهد که تخصص در امنیت یونیکد اکنون برای هر سازمان ضروری است. اعتماد به محتوای بصری ایمیل‌ها دیگر یک استراتژی امنیتی معتبر نیست.

تأثیر برای ایران

به‌دلیل استفاده گسترده از سرویس‌های ایمیل بین‌المللی در کسب‌وکارهای ایرانی، این تهدید مستقیماً کاربران داخلی را هدف قرار می‌دهد. توسعه‌دهندگان ایرانی باید فیلترهای یونیکد را در سیستم‌های دریافت ایمیل خود تقویت کنند.

·نگاه ما
تحریریه دات‌هوش

این حمله نشان می‌دهد که ابزارهای تهاجمی دنیای LLMها به‌سرعت به ابزارهای سنتی مانند اسپم تبدیل می‌شوند. مهاجمان دیگر به دنبال شکستن مدل‌ها نیستند، بلکه از «شکاف ادراکی» بین انسان و ماشین برای دور زدن سیستم‌های نظارتی استفاده می‌کنند. این یعنی امنیت در عصر هوش مصنوعی دیگر نباید بر پایه «آنچه کاربر می‌بیند» باشد، بلکه باید بر «آنچه مدل پردازش می‌کند» متمرکز شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

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.