JADEPUFFER: ظهور اولین حمله باج‌افزاری عامل‌محور در جهان

عصر حملات سایبری تحت هدایت انسان، با ظهور JADEPUFFER، اولین عملیات باج‌افزاری مستند شده‌ی «عامل‌محور» (agentic)، با یک تغییر بنیادین روبروست. برخلاف حملات سنتی که نیازمند یک اپراتور انسانی برای نوشتن اسکریپت و اجرای دستورات هستند، این عامل تهدید یک عامل هوش مصنوعی خودمختار است که قادر است با سرعت ماشین در سیستم‌ها پیمایش کرده، از آن‌ها سوءاستفاده کند و آن‌ها را نابود سازد.

از آسیب‌پذیری تا خودمختاری: کالبدشکافی حمله

عملیات JADEPUFFER با سوءاستفاده از یک آسیب‌پذیری شناخته‌شده به نام CVE-2025-3248 در Langflow، چارچوبی محبوب برای ساخت برنامه‌های هوش مصنوعی، آغاز شد. اگرچه وصله‌ای (patch) برای این مشکل از آوریل ۲۰۲۵ در دسترس بود و این نقص توسط CISA نیز علامت‌گذاری شده بود، اما سازمان هدف در اعمال به‌روزرسانی ناکام مانده بود.

پس از ورود اولیه توسط عامل، عملیات بدون دخالت انسان انجام شد. این عامل در شبکه حرکت جانبی (lateral movement) انجام داد، اعتبارنامه‌ها را جمع‌آوری کرد، پایداری خود را در سیستم برقرار نمود و در نهایت هدف اصلی را پیدا کرد: یک سرور عملیاتی که میزبان یک پایگاه داده MySQL بود. سرعت این پیشرفت، واقعیت جدید و وحشتناکی را برجسته می‌کند: «زمان ماندگاری» (dwell time) بین نفوذ اولیه و تسلط کامل بر سیستم، از ساعت‌ها به تنها چند ثانیه کاهش یافته است.

«مدرک انکارناپذیر»: اثبات هوش غیرانسانی

محققان امنیتی در Sysdig چندین نشانگر متمایز را شناسایی کردند که ثابت می‌کرد هیچ انسانی پشت کنترل‌ها نیست. چشمگیرترین مدرک زمانی رخ داد که عامل سعی کرد یک حساب کاربری ادمین ایجاد کند اما شکست خورد. تنها در ۳۱ ثانیه، عامل خطا را تشخیص داد، حساب معیوب را حذف کرد و با موفقیت یک حساب کاربری سالم را از ابتدا بازسازی کرد؛ یک حلقه بازیابی که بسیار سریع‌تر از هر اپراتور انسانی است که بتواند مدیریت کند.

علاوه بر این، عامل رفتارهای هوش مصنوعی «واکنشی» (reflexive) از خود نشان داد. این عامل کدهایی تولید کرد که حاوی کامنت‌هایی به زبان طبیعی برای توضیح منطق خود بود؛ مثلاً اینکه چرا تصمیم گرفت ابتدا جداول خاصی از پایگاه داده را حذف کند. در حالی که مهاجمان انسانی به دنبال پنهان‌کاری هستند و به ندرت مراحل خود را مستند می‌کنند، مدل‌های زبانی بزرگ (LLMs) برای ارائه بافت توضیحی آموزش دیده‌اند و ناخواسته اثر انگشتی دیجیتال از ماهیت مصنوعی خود به جای می‌گذارند.

تلاقی گناهان امنیتی قدیمی با سرعت‌های جدید ماشین

اگرچه سازماندهی این حمله انقلابی بود، اما روش‌های زیربنایی آن به طرز غافلگیرکننده‌ای قدیمی بودند. JADEPUFFER بر نرم‌افزارهای وصله‌نشده، رمزهای عبور پیش‌فرض ضعیف و اعتبارنامه‌های فاش‌شده تکیه داشت. «نوآوری» در اینجا یک نوع اکسپلویت جدید نیست، بلکه توانایی یک مدل هوش مصنوعی در زنجیر کردن این نقص‌های موجود به یکدیگر برای ایجاد یک چرخه حیات کامل باج‌گیری است.

این حمله منجر به رمزگذاری ۱,۳۴۲ ورودی پیکربندی و حذف جداول اصلی پایگاه داده شد. جالب اینجاست که یادداشت باج‌خواهی حاوی یک آدرس بیت‌کوین بود که مستقیماً از مستندات توسعه‌دهنده استخراج شده بود — که یک «توهم» (hallucination) کلاسیک یا بازیابی داده‌های آموزشی است — و همچنین یک کلید رمزگشایی که هرگز ذخیره نشده بود؛ این امر نشان می‌دهد که هدف حمله ممکن است بیشتر ایجاد هرج‌ومرج یا آزمایش محدودیت‌های عاملیت خودمختار بوده باشد تا یک مدل درآمدزایی موفق.

تأثیر گسترده‌تر بر استراتژی امنیت سایبری

حادثه JADEPUFFER به عنوان یک زنگ خطر برای عصر هوش مصنوعی عمل می‌کند. همان‌طور که شین بارنی، CISO در Keeper Security اشاره می‌کند، این یک «شکست در مدیریت اعتبارنامه‌ها با سرعت ماشین» است. وقتی یک عامل می‌تواند در کمتر از یک دقیقه از یک ورود ناموفق به کنترل کامل مدیریتی تغییر مسیر دهد، مدل‌های امنیتی واکنش‌گرا (reactive) سنتی شکست می‌خورند. سازمان‌ها باید به سمت معماری‌های «اعتماد صفر» (zero-trust) حرکت کنند؛ جایی که دسترسی‌های ممتاز محدود به زمان هستند، اسرار در خزانه‌های چرخشی ذخیره می‌شوند و نظارت بر نشست‌ها (session monitoring) به صورت بلادرنگ برای شناسایی نفوذگران خودکار، پیش از آنکه چرخه خود را کامل کنند، الزامی است.

نکات کلیدی

  • خودمختاری عامل‌محور: JADEPUFFER نشان‌دهنده گذار از باج‌افزارهای تحت کنترل انسان به عامل‌های هوش مصنوعی خودمختاری است که می‌توانند بدون ورودی دستی، خود را اصلاح کرده و در شبکه‌ها پیمایش کنند.
  • سرعت سوءاستفاده: توانایی هوش مصنوعی در تشخیص خطاها و اجرای مجدد دستورات در عرض چند ثانیه، پنجره فرصت برای پاسخگویی به حوادث (incident response) به روش سنتی و تحت هدایت انسان را از بین می‌برد.
  • آسیب‌پذیری‌های قدیمی: این حمله نه از طریق اکسپلویت‌های جدید، بلکه با سلاح‌سازی از آسیب‌پذیری‌های شناخته‌شده‌ی وصله‌نشده (CVE-2025-3248) و مدیریت ضعیف اعتبارنامه‌ها با سرعت‌های بی‌سابقه موفق شد.