مرورگرهای «ضدتشخیص» هوش مصنوعی تشخیص کلاهبرداری، کلاهبرداری و عملیات نفوذ را سخت‌تر می‌کنند.

مجرمان سایبری از مرورگرهای ضد شناسایی برای پنهان کردن دستگاه ها، ربودن حساب ها و فرار از سیستم های تشخیص کلاهبرداری استفاده می کنند.

کوکی‌های جلسه دزدیده شده، هویت‌های جعلی و اتوماسیون هوش مصنوعی به کاهش کلاهبرداری و سوء استفاده از حساب کمک می‌کنند

محققان هشدار می‌دهند که ابزارهای ضدتشخیص یکپارچه هوش مصنوعی موانع را برای عملیات تقلب در مقیاس بزرگ کاهش می‌دهند. مجرمان سایبری شروع به استفاده از مرورگرهای ضدتشخیص به عنوان بخشی از پشته فناوری خود کرده‌اند و به آنها کمک می‌کند در حین استقرار کوکی‌های جلسه، ایجاد هزاران حساب جعلی و گذراندن چک‌های «مشتری خود را بشناسید» (KYC) از شناسایی فرار کنند. این بر اساس یک گزارش عمیق جدید منتشر شده توسط کارشناسان امنیتی Check Point Research (CPR) است که در آن می گوید هکرهای روسی، ایرانی و چینی این فعالیت ها را هدایت می کنند.

مرورگرهای ضد تشخیص چیست؟

هنگامی که کاربران با استفاده از مرورگرهای معمولی وارد سرویس‌هایی مانند فیس‌بوک یا تیک‌توک می‌شوند، اثر انگشت دیجیتالی از خود به جای می‌گذارند - وضوح صفحه، سیستم عامل، فونت‌ها. این اطلاعات می تواند برای شناسایی و ردیابی یک دستگاه در جلسات آنلاین مورد استفاده قرار گیرد، و اگر یک نهاد واحد (به عنوان مثال، یک آژانس بازاریابی دیجیتال) سعی کند از یک مرورگر به چندین حساب وارد شود، ممکن است یک هشدار امنیتی ایجاد کند (یا به سادگی بر خلاف شرایط خاص خدمات باشد).

از این رو نیاز به مرورگرهای ضدتشخیص وجود دارد - نرم افزار تخصصی که ویژگی کلیدی آن توانایی ایجاد پروفایل های ایزوله با اثر انگشت های دیجیتال مختلف است که باعث می شود چندین حساب از دستگاه های جداگانه به نظر برسند.

آنها عموما برای مدیریت حساب‌های رسانه‌های اجتماعی، تبلیغات و حساب‌های تجارت الکترونیک یا اجرای عملیات خراش دادن وب یا آزمایش وب‌سایت‌ها در محیط‌ها استفاده می‌شوند.

مرورگرهای Antidetect از نظر طراحی مخرب نیستند و بیشتر توسط آژانس های بازاریابی دیجیتال و بازاریاب های وابسته استفاده می شوند. با این حال، مانند بسیاری از چیزهای خوب دیگر، این مرورگرها به طور فعال توسط مجرمان سایبری برای سوء استفاده از فناوری و اجرای حساب‌های جعلی استفاده می‌شوند.

بسیاری از ابزارهای رقیب امروزه در دسترس هستند، اما تعداد انگشت شماری برجسته هستند - Kameleo، AdsPower، Multilogin، GoLogin و Dolphin Anty.

به گفته CPR، انجمن های زیرزمینی مملو از بحث در مورد استفاده از مرورگرهای ضد شناسایی برای فعالیت های مختلف کلاهبرداری هستند. اینها بیشتر از هکرهای چینی، ایرانی یا روسی سرچشمه می گیرند و عموما حول محور Kameleo، AdsPower و Multilogin می چرخند.

CPR توضیح داد: "ما اینها را به طور خاص بر اساس مراجع مستند در انجمن های زیرزمینی و بازارهای جنایی انتخاب کردیم، که نشان دهنده پذیرش فعال فراتر از اهداف تجاری اعلام شده آنها است."

با تجزیه و تحلیل این بحث ها، CPR کشف کرد که عوامل تهدید در درجه اول از مرورگرهای ضد شناسایی برای استفاده از کوکی های جلسه به سرقت رفته استفاده می کنند. هنگامی که یک کوکی را می دزدند، می توانند آن را به نمایه مرورگر تمیز تزریق کنند تا کنترل حساب را به عهده بگیرند و بدون وقفه از آن استفاده کنند. حساب های بانکی و کیف پول های ارزهای دیجیتال محبوب ترین اهداف هستند.

چاشنی هوش مصنوعی

علاوه بر بانک‌ها و کیف پول‌های رمزنگاری، عوامل تهدید نیز از این مرورگرها برای آزمایش اعتبار پرداخت در پلتفرم‌های تجارت الکترونیک بدون ایجاد هیچ هشداری استفاده می‌کنند. آنها همچنین از آنها برای درخواست وام با هویت های ساختگی و ایجاد حساب های جعلی به صورت انبوه استفاده می کنند که سپس برای ایجاد درآمد تبلیغاتی در مقیاس استفاده می شود.

CPR می گوید در عین حال، هوش مصنوعی مقیاس این عملیات را آسان تر می کند. به عنوان مثال، AdsPower یکپارچه‌سازی با مدل‌های زبان بزرگ (LLM) را از طریق سرور پروتکل زمینه مدل (MCP) ارائه می‌کند و به گردش‌های کاری مبتنی بر هوش مصنوعی اجازه می‌دهد با نمایه‌های مرورگر متصل شوند. همچنین از طریق بازارهای اتوماسیون، الگوهای مختلفی را برای مواردی مانند نظر دادن، لایک کردن، یا ارسال پیام در چندین حساب ارائه می دهد.

ترکیبی از مرورگرهای ضدتشخیص، مدیریت حساب هوش مصنوعی و محتوای تولید شده با هوش مصنوعی، ترکیبی قدرتمند ایجاد می‌کند که به عوامل تهدید اجازه می‌دهد تا کمپین‌های بزرگ و هماهنگ را با کمترین مشارکت اجرا کنند. این به آن‌ها اجازه می‌دهد تا حساب‌های جعلی را در طول زمان بسازند و «گرم کنند»، که سپس معتبرتر به نظر می‌رسند و استفاده از آنها در حملات کلاهبرداری و کلاهبرداری آسان‌تر است.

CPR هشدار می‌دهد: «اکوسیستم مرورگر ضدتشخیص نشان‌دهنده یک زیرساخت پیچیده، تجاری بالغ و به‌طور فزاینده مبتنی بر هوش مصنوعی است که اساسا مانع اجرای عملیات کلاهبرداری و کلاهبرداری و همچنین عملیات‌های غیراصیل هماهنگ در مقیاس را کاهش داده است. این ابزارهای تجاری نگهداری شده به ده‌ها زبان در دسترس هستند، با پشتیبانی تیم‌های پشتیبانی مشتری، روزانه در برابر بزرگ‌ترین پلتفرم‌های رسانه‌های اجتماعی جهان آزمایش می‌شوند و اکنون با خطوط لوله LLM که اپراتور انسانی را از لایه اجرا حذف می‌کند، یکپارچه شده‌اند.

محققان به تیم‌های امنیتی توصیه می‌کنند که فراتر از رفتار حساب‌ها نگاه کنند و روی زیرساخت‌ها از جمله پراکسی‌های مسکونی، ناهماهنگی‌های اثر انگشت مرورگر و الگوهای غیرمعمول جلسات کوکی تمرکز کنند. پلتفرم‌های رسانه‌های اجتماعی باید شروع به تجزیه و تحلیل مرورگرهای ضدتشخیص کنند تا بفهمند چگونه مکانیسم‌های تشخیص خود را دور می‌زنند، در حالی که شرکت‌ها باید بررسی کنند که آیا سیستم‌های امنیتی آن‌ها می‌توانند تصاحب حساب‌های مربوط به کوکی‌های جلسه را شناسایی کنند یا خیر.