تحقیقات جدید شرکت امنیت سایبری CrowdStrike پیرامون حملات سایبری به موسسات مالی در کره جنوبی، پرده از یک خطای امنیتی فاحش برداشته است که منجر به افشای لاگ‌های جلسات هوش مصنوعی و اطلاعات شناسایی احتمالی عاملان نفوذ شده است. این رخداد، ابعاد جدیدی از نحوه بهره‌برداری مهاجمان از ابزارهای هوش مصنوعی مولد در عملیات‌های تهاجمی را نمایان می‌سازد.
پشت پرده نفوذ به زیرساخت‌های بانکی کره
بر اساس گزارش تحلیلگران CrowdStrike در مهرماه ۱۴۰۵، مجموعه‌ای از حملات هدفمند علیه حداقل پنج بانک بزرگ کره جنوبی از جمله Shinhan Bank، KB Kookmin Bank و Hana Bank شناسایی شده است. مهاجمان با بهره‌گیری از آسیب‌پذیری‌ها در سرویس‌های استعلام وضعیت وام و سیستم‌های پشتیبانی کارمندان، به داده‌های حساس مشتریان دسترسی پیدا کرده‌اند. تحلیل‌ها نشان می‌دهد که نفوذگران از ابزارهای نوظهور مبتنی بر هوش مصنوعی برای افزایش سرعت و دقت عملیات خود استفاده کرده‌اند.
ردپای هوش مصنوعی در دسترسی‌های غیرمجاز
نکته غافلگیرکننده در این پرونده، پیدا شدن فایل‌های لاگ جلسات هوش مصنوعی (AI Session Logs) در یک دایرکتوری عمومی روی سروری مرتبط با مهاجمان است. در این میان، یک درخواست (Prompt) برای نگارش رزومه توسط شخصی با نام مستعار «YY» به چشم می‌خورد. محتوای این رزومه شامل اطلاعاتی از قبیل نام یک دانشگاه چینی، موقعیت مکانی در استان گوانگ‌دونگ و تناقضاتی در سن و تاریخ تولد (۲۶ سال در مقابل تاریخ تولد سپتامبر ۲۰۰۷) است. محققان بر این باورند که این داده‌ها به احتمال زیاد متعلق به خود مهاجم است.
تکنولوژی‌های تهاجمی مورد استفاده
مهاجمان در این عملیات از ترکیبی از ابزارهای کلاسیک تست نفوذ و ابزارهای هوش مصنوعی مدرن بهره برده‌اند. یکی از ابزارهای کلیدی شناسایی شده، ARTEX است؛ یک فریم‌ورک متن‌باز چینی برای تست نفوذ که در کنار Claude Code برای خودکارسازی فرآیند شناسایی آسیب‌پذیری‌ها و بهره‌برداری از آن‌ها استفاده شده است. این همگرایی بین ابزارهای «عامل‌محور» (Agentic AI) و قابلیت‌های تهاجمی سنتی، استراتژی جدیدی است که «اشلی کمپیون»، تحلیلگر ارشد CrowdStrike، آن را تکامل چشمگیر در تکنیک‌های نفوذگران (Adversarial Tradecraft) توصیف کرده است.
مشخصات فنی و یافته‌های عملیاتی
- ابزارهای شناسایی شده: ARTEX (فریم‌ورک تهاجمی)، Claude Code (دستیار هوش مصنوعی برای کدنویسی و تست نفوذ).
- نقاط نفوذ: سیستم‌های استعلام وام و پلتفرم‌های پشتیبانی موبایل سازمانی.
- شواهد نشت داده: دایرکتوری‌های عمومی سرورهای میزبان در هنگ‌کنگ شامل فایل‌های پیکربندی، حافظه تعاملی هوش مصنوعی و تاریخچه چت‌ها.
- قربانیان اصلی: دسترسی غیرمجاز به داده‌های بیش از ۲۵ هزار مشتری در بانک Shinhan و تعداد کمتری در سایر بانک‌ها.
تحلیل معماری تهدید و آینده امنیت
این پرونده نشان می‌دهد که چگونه استفاده از مدل‌های زبانی بزرگ برای «تسریع» در عملیات نفوذ، می‌تواند به پاشنه آشیل خود مهاجمان تبدیل شود. نشت لاگ‌های مربوط به درخواست‌های هوش مصنوعی، شامل نام کاربری تلگرام (Telegram) که در فعالیت‌های پیشین علیه پلتفرم‌های پرداخت و بازارچه‌های NFT نیز دیده شده بود، زنجیره‌ای از شواهد دیجیتال را در اختیار نهادهای انتظامی قرار داده است. این رخداد زنگ خطری برای بانک‌ها و موسسات مالی است تا نسبت به نظارت بر ترافیک خروجی سرورهای خود و پیکربندی صحیح دسترسی به دایرکتوری‌ها (Directory Indexing) حساسیت بیشتری نشان دهند.
