سواد دیجیتال خبر و تحلیل

ساخت «کرم» مجهز به هوش مصنوعی برای نفوذ به کامپیوترها! 

اتحاد هوش مصنوعی و بدافزارها
مانیتور قدیمی CRT درحالی که مجموعه‌ای از ارورهای تکرارشونده را نشان می‌دهد.
هوشیار ذوالفقارنسب
زمان مطالعه ۳ دقیقه
بازبینی: شایان ضیایی
صحت سنجی شده

اکثر بدافزارها برای تهاجم به دستگاه هدف نیاز به کنترل هکر از راه دور دارند، حالا تصور کنید بدافزاری وارد شبکه شود که به‌جای اجرای مجموعه‌ای ثابت از دستورها، خودش شرایط هر دستگاه را جداگانه بررسی کند و بر اساس اطلاعات به‌دست‌آمده، روش حمله‌اش را تغییر دهد.

پژوهشگران، نمونه‌ای آزمایشی از یک «کرم رایانه‌ای»‌ (Worm) مبتنی بر هوش مصنوعی ساخته‌اند که می‌تواند بدون هدایت مستمر مهاجم، هدف‌ها را بررسی کند و برای نفوذ به هرکدام روش متفاوتی در پیش بگیرد.

بدافزاری که تصمیم مستقل می‌گیرد

در امنیت سایبری، کرم رایانه‌ای یا Worm نوعی بدافزار است که برای تکثیر به فایل میزبان نیاز ندارد و می‌تواند از یک دستگاه به دستگاه دیگر گسترش یابد. برای مثال، بدافزار «واناکرای» در سال ۲۰۱۷ از مشهورترین نمونه‌هاست که با سوءاستفاده از یک آسیب‌پذیری در سرویس اشتراک‌گذاری فایل ویندوز گسترش یافت.

پژوهشگران امنیتی در چند دانشگاه، نمونه‌ای متفاوت را آزمایش کرده‌اند که از یک مدل زبانی بزرگ برای تحلیل هدف و انتخاب روش حمله کمک می‌گیرد. این عامل هوشمند پس از شکست خوردن یک روش، اطلاعات جمع‌آوری‌شده از هدف را دوباره تحلیل می‌کند و ممکن است روش متفاوتی را بر پایه ضعف‌ها و پیکربندی شناخته‌شده بیازماید.

این کرم‌ها از مدل‌های هوش مصنوعی به اصطلاح «وزن‌باز» (Open-Weight) استفاده می‌کنند که نیازی به اینترنت یا سرویس‌های ابری ندارند. خود دستگاه‌های آلوده می‌توانند مسیر دسترسی یا بخشی از توان پردازشی لازم را در اختیار بدافزار بگذارند. سیستم‌های مجهز به پردازنده گرافیکی نیز می‌توانند مدل زبانی را اجرا کنند و حتی خدمات پردازشی خود را در اختیار سیستم‌های کم‌توان‌تر بگذارند!

هوشمندی در عبور از موانع شبکه

کرم رایانه‌ای توسعه‌یافته در دانشگاه تورنتو توانست در ۴۴ درصد از تلاش‌ها با موفقیت نفوذ کند و در عرض یک هفته، کنترل حدود ۷۴ درصد از سیستم‌های میزبان داخل شبکه را به‌دست گرفت. در چند سناریوی آزمایشی، کرم توانست علت شکست خود را تشخیص دهد، سپس بخشی از کد یا تنظیماتش را تغییر داد و دوباره تلاش کرد. این نمونه همچنین توانست توصیه‌نامه‌های عمومی مربوط به چند آسیب‌پذیری شناخته‌شده را بررسی کند و از اطلاعات آن‌ها برای ساخت روش سوءاستفاده کمک بگیرد.

سوی تاریک هوش مصنوعی

اگرچه این بدافزار به محیط‌های ایزوله دانشگاهی محدود شده‌، پژوهشگران هشدار می‌دهند که باید پیش از مشاهده نمونه‌های مخرب در دنیای واقعی، برای مقابله با این نوع تهدید آماده شویم.

این پژوهش نشانه‌ای است از اینکه بدافزارهای آینده ممکن است بیش از گذشته قابلیت «برنامه‌ریزی»، «استفاده از ابزار» و «تطبیق‌پذیری» با شرایط داشته باشند. نمونه آزمایشی نشان می‌دهد که هرچند وصله‌ کردن آسیب‌پذیری‌ها ضروری است، اما به‌تنهایی نمی‌تواند همه مسیرهای احتمالی نفوذ را مسدود کند. سازمان‌ها و کاربران باید بپذیرند که در عصر جدید، پیشگیری کامل از نفوذ امکان‌پذیر نیست؛ در نتیجه استراتژی‌های دفاعی باید بر محدود کردن دامنه نفوذ، کنترل دسترسی‌ها و کاهش آسیب‌ها پس از ورود بدافزار متمرکز شوند.

بازبینی: شایان ضیایی

یک پاسخ

  1. مجتبی بوالحسنی نیم‌رخ
    مجتبی بوالحسنی

    |

    بسیار عالی هوشیار جان. مث همیشه

تازه‌ترین مطالب

مطالب پرنگاه

ویدیوهای نوشدارو

ویدیو های بیشتر
مشاهده همه ویدئوها

حکایت‌های کوتاه، حقیقت‌های بزرگ

در این بخش، به بررسی دقیق و جامع نشانه‌ها و رفتارهایی می‌پردازیم که ممکن است به کلاهبرداری آنلاین مرتبط باشند. شناخت این موارد می‌تواند به شما کمک کند.

ویدیو های بیشتر

منابع

  1. Cyber Magazine
    https://cybermagazine.com/news/morris-ii-worm-inside-ais-first-self-replicating-malware
  2. TechRadar
    https://www.techradar.com/pro/autonomous-ai-worms-mark-a-new-era-of-adaptive-cyberattacks
  3. CleverHans Lab
    https://cleverhans.io/worm.html