عوامل مخرب هوش مصنوعی 600 هزار کارت اعتباری را سرقت می کنند و بیش از 100 سایت را با اسکیمر آلوده می کنند.

یک عامل تهدید با انگیزه مالی از چارچوب های عامل هوش مصنوعی منبع باز برای حمله به صدها خرده فروش آنلاین در مقیاس بزرگ استفاده می کند و بیش از 600000 پرونده کارت اعتباری را سرقت می کند.

این کمپین حداقل از ژوئیه فعال بوده و از 22 سپتامبر ادامه دارد. تنها در پنج روز، عامل تهدید حداقل 27 شرکت را به خطر انداخت و بیش از 100 حمله را انجام داد.

با وجود هدف گذاری گسترده، یافته های استارتاپ امنیت سایبری Gambit نشان می دهد که مهاجم بیش از 600000 جزئیات کارت معتبر را از دو شرکت به سرقت برده و بدافزار اسکیمر را در وب سایت های پنج سازمان دیگر برای جمع آوری داده های پرداخت مستقر کرده است.

محققان می گویند که این کمپین با سه ابزار هوش مصنوعی برای اجرای زنجیره حمله علیه ده ها شرکت هر روز پشتیبانی می شود:

Strix بین 23 تا 31 اوت 146 بار در مقابل 138 میزبان اجرا شد که 633 ساعت اسکن را جمع آوری کرد.

هرمس دارای شخصیتی به نام "SOUL - اپراتور تیم قرمز" و 121 مهارت از جمله 78 مهارت مربوط به حمله بود.

محققان گزارش می دهند که اپراتور انسانی، که به نظر می رسد چینی است، دستورالعمل های مختصری در مورد اهداف عملیات به عوامل هوش مصنوعی داده است، سپس به آنها اجازه می دهد بقیه موارد را انجام دهند.

بین 10 و 15 سپتامبر، مهاجم 105 موج حمله متمایز را پرتاب کرد که حداقل در 27 موج به درجات مختلف موفق شد.

اسکیمرها با استفاده از روش های مختلفی که به سطح دسترسی، آسیب پذیری های شناسایی شده و معماری بستگی داشت، به وب سایت های هدف تزریق شدند.

روش‌های مشاهده‌شده شامل افزودن کد مخرب به فایل‌های جاوا اسکریپت قانونی، افزودن برچسب‌های اسکریپت به صفحات پرداخت یا بلوک‌های تگ Google، مسموم کردن محتوای S3/CDN و حافظه‌های پنهان سمت سرور، اصلاح فیلدهای پایگاه داده، تغییر استقرار Kubernetes و استفاده از cron jobs برای بازیابی اسکیمر پس از حذف آن است.

محققان Gambit به یک سرور مرحله‌بندی که توسط مهاجم اداره می‌شود دسترسی پیدا کردند و شواهد مستقیم را بازیابی کردند.

در مجموع، این کمپین حداقل 119 وب سایت را با اسکیمر کارت اعتباری در معرض خطر قرار داده است، و عوامل تهدید سازمان های بزرگی مانند یک شرکت مهمان نوازی Fortune 500، یک شرکت هواپیمایی بزرگ ایالات متحده، یک توزیع کننده بزرگ لوازم صنعتی ایالات متحده، و یک خرده فروش مد آنلاین را نقض کردند.

مهاجم از یک سرویس رتبه‌بندی ترافیک وب‌سایت برای یافتن اهداف ارزشمند در فهرستی که Strix تولید کرده است استفاده کرده و آن‌هایی را که نرم‌افزار سفارشی را اجرا می‌کنند، اولویت‌بندی کرده است، احتمالا به این دلیل که احتمال آسیب‌پذیری آن‌ها بیشتر است.

در طول تحقیقات، محققان Gambit متوجه شدند که مهاجم به عامل هوش مصنوعی دستور داده است تا مراحل پاکسازی را اجرا کند که داده‌های کارت را از پایگاه‌های اطلاعاتی Magento پس از استخراج حذف می‌کند.

این دستورالعمل در یکی از فایل های مهارتی نماینده هرمس وجود دارد: "پس از استخراج و دانلود تمام داده های کارت، فیلدهای منبع را به صورت دسته ای پاک کنید."

محققان خاطرنشان می کنند که این امر باعث اختلال در عملکرد چندین خرده فروش به دلیل از دست دادن داده ها شد.

گامبیت توضیح می‌دهد: «در شرکت‌هایی که مورد حمله قرار گرفته‌اند، این یک هزینه نهایی از چند دلار تا چند ده دلار آمریکا برای هر شرکت هدف است.

محققان می گویند که اتوماسیون و هزینه کم، به کارگیری چنین حملاتی را برای عوامل تهدید، حتی افراد با مهارت کمتر، آسان می کند. در بسیاری از موارد، دسترسی تنها در چند ساعت با ابزارهای هوش مصنوعی بر اساس دستورالعمل‌های کوتاهی که اپراتور بین اجراهای مستقل ارائه می‌کرد، به دست می‌آمد.

Gambit هشدار می دهد که سازمانی که به دنبال دفاع در برابر این نوع حمله است باید در برابر از دست دادن داده های احتمالی به عنوان یک عارضه جانبی روال پاکسازی مهاجم برنامه ریزی کند.

به میکو هیپونن و رهبران امنیتی NFL، CHANEL و Atlassian بپیوندید تا در یک نشست دیجیتالی دو ساعته در مورد اینکه حملات با سرعت هوش مصنوعی چه تغییراتی می‌کنند، مدافعان چه کارهایی را باید انجام ندهند و چگونه اعتبار، تصمیم‌گیری، اصلاح و تأیید مجدد با سرعت ماشین را انجام دهند، بپیوندید.

OpenAI موارد بیشتری از انجام اقدامات غیرمجاز توسط عوامل هوش مصنوعی را شرح می دهد

آژانس داده اسپانیا اولین گزارش از نقض داده های مبتنی بر هوش مصنوعی را دریافت کرد

هکرها چارچوب های هوش مصنوعی را برای سرقت اعتبار در مقیاس گسترده می سازند

نزدیک به 700 عامل سرکش هوش مصنوعی در حمله Hugging Face هماهنگ شدند

بدافزار جدید ClosedQuorum ویندوز از هوش مصنوعی برای تصمیم گیری در مورد حمله استفاده می کند