هکرها متخصصان هوش مصنوعی را با هویت جعلی و پیشنهاد همکاری هدف گرفتند

هکرهای گروه TA419 با جعل هویت مقام‌ها و متخصصان AI، کارشناسان سیاست‌گذاری هوش مصنوعی را هدف فیشینگ قرار دادند؛ نمونه‌ای واقعی از فیشینگ رفتاری.

نویسنده:

بهراد یوسفی

گروه سایبری TA419 در یک کارزار فیشینگ هدفمند، خود را جای مقام‌های سابق، کارشناسان سیاست‌گذاری و افراد شناخته‌شده حوزه هوش مصنوعی جا زده و متخصصان این حوزه را با پیشنهادهای ظاهراً معتبر برای همکاری هدف قرار داده است؛ روشی که نشان می‌دهد فیشینگ هدفمند دیگر الزاماً با یک پیام مشکوک و عمومی آغاز نمی‌شود و می‌تواند از علایق و تخصص واقعی قربانی برای ساختن اعتماد استفاده کند.

شرکت امنیت سایبری Proofpoint در گزارشی که اول اکتبر ۲۰۲۶ منتشر شد، اعلام کرد TA419 که این شرکت آن را یک گروه همسو با چین و دارای انگیزه جاسوسی ارزیابی می‌کند، در ژوئیه ۲۰۲۶ چند کارزار سرقت اعتبارنامه را علیه کارشناسان سیاست‌گذاری هوش مصنوعی در اندیشکده‌ها، دانشگاه‌ها و مؤسسات حقوقی آمریکا اجرا کرده است. Proofpoint همچنین فعالیت‌های مشابه این گروه را علیه سازمان‌هایی در آمریکا و ژاپن از دست‌کم آوریل ۲۰۲۵ مشاهده کرده است.

مهاجمان ابتدا اعتماد ساختند، بعد سراغ رمز عبور رفتند

یکی از مهم‌ترین ویژگی‌های این عملیات، این بود که پیام اول لزوماً شبیه یک فیشینگ کلاسیک نبود. مهاجمان در یکی از کارزارهای ژوئیه خود را جای Lynne Parker، مقام سابق دفتر سیاست علم و فناوری کاخ سفید، و در کارزاری دیگر جای Heidi Crebo-Rediker، اقتصاددان و کارشناس سیاست خارجی، معرفی کردند.

در یکی از سناریوها، از قربانی دعوت شده بود به یک «کمیته مشورتی سیاست‌گذاری هوش مصنوعی» بپیوندد و در سناریوی دیگری، از او خواسته شده بود در گزارشی درباره کنترل صادرات و زنجیره تأمین مرتبط با هوش مصنوعی مشارکت کند. پیام اولیه برای ایجاد یک گفت‌وگوی طبیعی طراحی شده بود و مستقیماً از کاربر درخواست ورود به حساب یا ارائه رمز عبور نمی‌کرد.

پس از پاسخ قربانی، مهاجمان یک لینک کوتاه‌شده ارسال می‌کردند که ظاهراً اطلاعات بیشتری درباره موضوع همکاری در اختیار او قرار می‌داد. این لینک پس از چند مرحله تغییر مسیر، کاربر را به صفحه‌ای جعلی شبیه Microsoft OneDrive می‌رساند تا اطلاعات حساب او به سرقت برود.

این الگو اهمیت زیادی دارد؛ زیرا مهاجم پیش از درخواست حساس، تلاش کرده بود دلیل معقولی برای ادامه مکالمه ایجاد کند. قربانی ابتدا با یک موضوع مرتبط با تخصص خودش مواجه می‌شود و تنها پس از شکل‌گیری اعتماد، مرحله سرقت اعتبارنامه آغاز می‌شود.

حتی کارمند Anthropic هم جعل شد

TA419 در فوریه ۲۰۲۶ نیز از همین الگو استفاده کرده بود. Proofpoint می‌گوید این گروه در آن زمان خود را جای یکی از کارکنان ارشد شرکت هوش مصنوعی Anthropic جا زده و یک کارشناس سیاست‌گذاری هوش مصنوعی در یک اندیشکده آمریکایی را هدف قرار داده است.

موضوع پیام نیز کاملاً متناسب با حوزه کاری قربانی انتخاب شده بود و درباره دریافت نظر او پیرامون استفاده نظامی از مدل‌های Claude شرکت Anthropic بود. همین تناسب موضوع با حوزه تخصصی فرد، یکی از عواملی است که می‌تواند یک پیام جعلی را در نگاه اول قابل‌اعتمادتر کند.

Reuters گزارش کرده است که تعداد اهداف شناسایی‌شده در این عملیات محدود بوده و کمتر از ۱۰ نفر عنوان شده، اما ارزیابی Proofpoint این است که هدف اصلی احتمالاً جمع‌آوری اطلاعات درباره سیاست‌گذاری، مقررات و راهبرد آمریکا در حوزه هوش مصنوعی بوده است، نه سرقت مستقیم فناوری مدل‌های هوش مصنوعی.

حمله فقط یک صفحه لاگین جعلی ساده نبود

بخش فنی این عملیات نیز قابل توجه است. Proofpoint می‌گوید TA419 از یک زنجیره Adversary-in-the-Middle یا AiTM استفاده کرده است؛ روشی که در آن مهاجم ارتباط قربانی با سرویس واقعی را واسطه‌گری می‌کند تا علاوه بر اطلاعات ورود، بتواند داده‌های مربوط به نشست احراز هویت را نیز به دست آورد.

در این کارزار، صفحه‌ای شبیه محیط OneDrive نمایش داده می‌شد و در ادامه یک پنجره جعلی ورود به حساب Microsoft ایجاد می‌کرد. زیرساخت حمله از نسخه‌ای سفارشی‌شده از ابزار متن‌باز Frameless BitB استفاده می‌کرد و مهاجم تلاش می‌کرد جریان ورود به Microsoft 365 و Entra ID را از طریق زیرساخت خود عبور دهد.

اهمیت این بخش برای کاربران و سازمان‌ها در این است که فعال بودن احراز هویت دو مرحله‌ای (2FA) به‌تنهایی همیشه به معنای پایان حمله نیست. Proofpoint توضیح داده است که TA419 در زنجیره خود قابلیت‌هایی برای رهگیری جریان ورود و حتی کدهای یک‌بارمصرف داشته و هدف آن سرقت نشست احراز هویت ایجادشده پس از ورود موفق کاربر بوده است.

این حمله نمونه‌ای از فیشینگ رفتاری است

وجه متمایز این کارزار را می‌توان در مرحله‌ای دید که پیش از ارسال لینک مخرب اتفاق افتاده است. مهاجم ابتدا می‌داند قربانی در چه حوزه‌ای فعالیت می‌کند، چه موضوعی برای او اهمیت دارد و چه نوع ارتباطی می‌تواند طبیعی به نظر برسد؛ سپس همان اطلاعات را برای ساختن یک سناریوی معتبر به کار می‌گیرد.

در این پرونده، موضوعاتی مانند سیاست‌گذاری هوش مصنوعی، کنترل صادرات، زنجیره تأمین و کاربرد نظامی مدل‌های AI تصادفی انتخاب نشده بودند. این موضوعات با حوزه کاری قربانیان ارتباط مستقیم داشتند و همین مسئله به پیام جعلی ظاهر یک ارتباط حرفه‌ای واقعی می‌داد.

به همین دلیل، تشخیص فیشینگ در چنین حملاتی فقط با بررسی غلط‌های املایی، لوگوی جعلی یا ظاهر یک ایمیل امکان‌پذیر نیست. سؤال مهم‌تر این است که آیا این فرد واقعاً از چنین مسیری و در چنین شرایطی با من تماس گرفته است؟

این همان تغییری است که در فیشینگ رفتاری اهمیت پیدا می‌کند: مهاجم به‌جای اینکه فقط یک پیام جعلی بسازد، تلاش می‌کند خودِ زمینه ارتباط را واقعی جلوه دهد.

بیشتر بخوانید: چطور قربانی مهندسی اجتماعی نشویم؟ راهنمای عملی تشخیص و مقابله

فیشینگ رفتاری در عصر هوش مصنوعی؛ وقتی مهاجم قبل از پیام، شما را می‌شناسد در ادامه حتما بخوانید

چرا این روش برای کاربران ایرانی هم مهم است؟

اگرچه اهداف این عملیات متخصصان سیاست‌گذاری هوش مصنوعی در آمریکا و ژاپن بوده‌اند، الگوی حمله محدود به این جامعه هدف نیست. هر کاربری که ردپای دیجیتال مشخصی از شغل، علاقه، محل فعالیت یا ارتباطات حرفه‌ای خود در اینترنت داشته باشد، می‌تواند در حملات مشابه با پیام‌هایی متناسب با همان اطلاعات روبه‌رو شود.

برای مثال، یک مهاجم می‌تواند برای یک برنامه‌نویس با پیشنهاد همکاری در یک پروژه نرم‌افزاری، برای یک خبرنگار با پیشنهاد مصاحبه یا دریافت اطلاعات اختصاصی، برای یک مدیر با درخواست بررسی یک سند و برای یک پژوهشگر با دعوت به مشارکت در یک رویداد یا پروژه علمی ارتباط برقرار کند. در چنین شرایطی، موضوع پیام به‌تنهایی نشانه اعتبار آن نیست؛ حتی اگر موضوع کاملاً با شغل و علایق فرد مطابقت داشته باشد.

در فضای ایران نیز همین الگو می‌تواند در قالب دعوت به همکاری، پیشنهاد استخدام، دریافت فایل، دعوت به وبینار، ارسال مقاله یا گزارش، درخواست بررسی یک سند و حتی پیام جعلی از طرف همکار یا مدیر ظاهر شود. نقطه مشترک همه این سناریوها این است که مهاجم تلاش می‌کند درخواست غیرعادی را درون یک موقعیت کاملاً عادی پنهان کند.

چگونه در برابر فیشینگ شخصی‌سازی‌شده مقاومت کنیم؟

مهم‌ترین اقدام، تأیید مستقل هویت فرستنده است. اگر پیام درباره همکاری، سند حساس، ورود به حساب یا دریافت فایل است، بهتر است کاربر از همان ایمیل یا شماره‌ای که پیام از آن آمده برای تأیید استفاده نکند و از یک مسیر مستقل با فرد یا سازمان موردنظر تماس بگیرد.

در محیط‌های سازمانی نیز استفاده از احراز هویت مقاوم در برابر فیشینگ (Phishing-resistant Authentication) مانند Passkey می‌تواند خطر سرقت اعتبارنامه را کاهش دهد. Proofpoint نیز برای سازمان‌هایی که در معرض این نوع حملات قرار دارند، استفاده از روش‌های احراز هویت مقاوم در برابر فیشینگ و تأیید ارتباطات غیرمنتظره از طریق یک کانال مستقل را توصیه کرده است.

در نهایت، یک پیام فیشینگ ممکن است کاملاً متناسب با شغل، علاقه و حتی پروژه‌ای باشد که همین هفته درگیر آن هستید. همین تناسب نباید به‌عنوان دلیل اصالت پیام در نظر گرفته شود؛ در فیشینگ رفتاری، گاهی دقیقاً همین تناسب ابزار فریب است.

اتاق تحلیل ۲۴ نیوز | دیدگاه تحلیلی بهراد یوسفی

نکته مهم در این پرونده، پیچیدگی فنی صفحه فیشینگ نیست؛ مسیر رسیدن قربانی به آن صفحه است. مهاجم ابتدا یک مسئله واقعی و مرتبط با کار قربانی را انتخاب کرده، هویت فردی شناخته‌شده را جعل کرده و سپس مکالمه را به مرحله‌ای رسانده که دریافت یک لینک یا سند برای قربانی غیرعادی به نظر نرسد.

این الگو نشان می‌دهد فیشینگ در حال فاصله گرفتن از مدل قدیمی «یک ایمیل جعلی برای هزاران نفر» است. در حملات هدفمند، کیفیت شناخت قربانی می‌تواند از حجم پیام‌ها مهم‌تر باشد. هوش مصنوعی نیز می‌تواند این روند را سریع‌تر و مقیاس‌پذیرتر کند؛ اما در این پرونده، بخش مهم حمله همچنان بر یک اصل قدیمی مهندسی اجتماعی استوار است: ساختن اعتماد پیش از درخواست حساس.

برای کاربر ایرانی، نتیجه عملی روشن است: هرچه یک پیام بیشتر با شغل، علایق یا ارتباطات حرفه‌ای ما جور باشد، نباید صرفاً به دلیل همین تناسب معتبر فرض شود. اعتبار فرستنده و درخواست باید از یک مسیر مستقل بررسی شود.

پرسش‌های متداول

TA419 چیست؟

TA419 نامی است که Proofpoint برای یک گروه تهدید سایبری همسو با چین و دارای انگیزه جاسوسی استفاده می‌کند. این گروه از دست‌کم سال ۲۰۲۵ افراد و سازمان‌هایی در آمریکا و ژاپن، از جمله اندیشکده‌ها، دانشگاه‌ها، شرکت‌های دفاعی و مؤسسات حقوقی را هدف قرار داده است.

هدف حمله به متخصصان هوش مصنوعی چه بود؟

بر اساس ارزیابی Proofpoint، این عملیات احتمالاً با هدف جمع‌آوری اطلاعات درباره سیاست‌گذاری، مقررات، کنترل صادرات و راهبردهای مرتبط با هوش مصنوعی انجام شده است.

آیا 2FA در برابر این حمله کافی است؟

2FA یک لایه امنیتی مهم است، اما برخی حملات AiTM می‌توانند جریان احراز هویت و نشست ایجادشده پس از ورود را هدف قرار دهند. به همین دلیل استفاده از روش‌های مقاوم در برابر فیشینگ، مانند Passkey، در کنار سایر کنترل‌های امنیتی اهمیت دارد.

چرا این حمله فیشینگ رفتاری محسوب می‌شود؟

زیرا مهاجمان موضوع پیام، هویت جعلی و سناریوی ارتباط را بر اساس حوزه تخصصی و علایق واقعی قربانی انتخاب کردند. به این ترتیب، اطلاعات مربوط به رفتار و فعالیت فرد به بخشی از سناریوی فریب تبدیل شد.

منابع