كشف باحثون في وحدة أبحاث التهديدات التابعة لشركة Acronis عن عملية اختراق سيبراني معقدة نُفذت باستخدام شبكة من وكلاء الذكاء الاصطناعي، تمكنت من الوصول إلى سجلات خدمات الطوارئ في عدة مناطق من العاصمة التايوانية تايبيه، إلى جانب استهداف عشرات المؤسسات الحكومية والتعليمية والمالية والعسكرية في عدد من الدول.
ووفقًا للتحقيق التقني الذي نشره الباحثون، فإن المهاجم استخدم منصة أطلق عليها اسم BOSSAI تضم مجموعة من وكلاء الذكاء الاصطناعي المصممين لأتمتة عمليات الاستطلاع والبحث عن الثغرات ومحاولات الاختراق وجمع البيانات، ما يعكس تطورًا لافتًا في استخدام تقنيات الذكاء الاصطناعي ضمن الهجمات السيبرانية الحديثة.
وأشارت النتائج إلى أن المهاجم نجح في الوصول إلى سجلات خاصة بأنظمة الاستجابة للطوارئ تغطي سبع مناطق في مدينة تايبيه، كما عثر على منصة تابعة لإدارة الإطفاء كانت تعرض بيانات مرضى تعود إلى عام 2018 دون الحاجة إلى تسجيل الدخول، بما في ذلك قراءات تخطيط القلب ومقاطع فيديو خاصة بسيارات الإسعاف.
كيف استخدم المهاجم وكلاء الذكاء الاصطناعي؟
بحسب التقرير، اعتمد منفذ الهجوم على 12 وكيلًا للذكاء الاصطناعي، جرى تشغيل 9 منها فعليًا في العمليات الهجومية. وتولى بعض الوكلاء مهام بناء البنية التحتية الرقمية وصيانة الخوادم وأدوات الاختراق، بينما تخصصت وكلاء أخرى في فحص الأهداف والبحث عن الثغرات وتنفيذ الهجمات.
وتمكن الباحثون من الوصول إلى خادم خاص بالمهاجم اعتقدوا في البداية أنه مجرد بيئة تطوير غير مؤمنة، قبل أن يتبين لاحقًا أنه منصة العمليات الرئيسية للهجمات. واحتوى الخادم على أكثر من 90 ألف ملف تضمنت محادثات وكلاء الذكاء الاصطناعي وسجل الأوامر وأدوات الاختراق وبيانات اعتماد رقمية بالإضافة إلى معلومات تخص الضحايا.
وكشف التحقيق أن النماذج التجارية الشهيرة للذكاء الاصطناعي رفضت في معظم الحالات تقديم المساعدة المباشرة في تنفيذ أنشطة هجومية، ما دفع المهاجم للاعتماد بشكل شبه كامل على نماذج معدلة محليًا أزيلت منها قيود السلامة والأمان المعروفة باسم “Abliterated Models”.
وشملت النماذج المستخدمة نسخًا معدلة من DeepSeek وGLM وQwen، وهي نماذج جرى تشغيلها محليًا بعد إزالة طبقات الحماية التي تمنع استخدامها في أنشطة هجومية أو ضارة.
اختراقات استهدفت الطوارئ والجامعات والقطاع المالي
أكد باحثون أن تايوان كانت الهدف الرئيسي للحملة، حيث تعرضت مؤسسات مرتبطة بخدمات الطوارئ لهجمات مكثفة مقارنة بالدول الأخرى.
ومن أبرز الوقائع التي وثقها التقرير حصول المهاجم على سجلات مرتبطة بخدمات الرقم 119، وهو رقم الطوارئ المستخدم للإطفاء والإسعاف في تايوان. وتضمنت البيانات أوقات الحوادث ونوع الاستجابة وحالة البلاغات ومواقع الحوادث على مستوى الشوارع.
كما حاول المهاجم استهداف مزود تقنيات خاص بأنظمة الإطفاء، حيث تمكن من تسجيل الدخول إلى لوحة إدارة قواعد البيانات باستخدام بيانات دخول افتراضية، ما وفر له إمكانية الوصول إلى ما لا يقل عن 18 جدولًا في قاعدة البيانات.
وفي هدف آخر، اكتشف الوكلاء مفتاح تشفير AES-256 مخزنًا داخل شيفرات الواجهة الأمامية لأحد أنظمة إدارة الطوارئ، وهو ما أتاح الاطلاع على محتويات ملفات تعريف الارتباط الخاصة بالجلسات الإلكترونية، بما في ذلك بيانات مرتبطة بحساب إداري.
وتوسعت الهجمات خارج تايوان أيضًا، حيث تمكن المهاجم من استخراج بيانات من شركة إقراض تايوانية عبر استغلال ثغرات SQL Injection، كما نجح في جمع بيانات من ثلاث جامعات داخل تايلاند باستخدام الأسلوب نفسه.
أما في المكسيك، فقد تمكن من الحصول على نحو 206 آلاف سجل لأرقام هواتف منزلية تضمنت أسماء وعناوين أصحابها، مستفيدًا من بيانات إحصائية وقوائم الرموز البريدية ومعلومات متاحة من جهات تنظيم الاتصالات.
أخطاء الذكاء الاصطناعي كشفت محدودية الهجمات
على الرغم من القدرات الكبيرة التي أظهرتها شبكة BOSSAI، فإن التقرير أوضح أن الذكاء الاصطناعي لم يكن دقيقًا دائمًا في تقييم النتائج.
فقد أنتج أحد الوكلاء تقارير تضمنت ثغرات أمنية غير موجودة أصلًا، كما أن أكثر من نصف النتائج المصنفة عالية الخطورة أو حرجة تبين لاحقًا أنها إنذارات كاذبة أو مصنفة بشكل غير صحيح.
كذلك سجل الباحثون حالات أعلن فيها وكيل الهجوم الرئيسي نجاح عمليات اختراق لم تحدث فعليًا على أرض الواقع، وهو ما يؤكد أن الاعتماد الكامل على الذكاء الاصطناعي في الهجمات السيبرانية لا يزال يواجه تحديات تتعلق بالدقة والموثوقية.
ورغم ذلك، يشير التقرير إلى أن الذكاء الاصطناعي نجح في خفض تكلفة عمليات الاستطلاع واكتشاف الأهداف بشكل غير مسبوق، إذ استطاع المهاجم فحص مئات الجهات والمؤسسات في عدة دول خلال فترة زمنية قصيرة نسبيًا.
هوية المهاجم والدروس الأمنية المستفادة
توصل الباحثون إلى درجة عالية من الثقة بأن منفذ العملية شخص واحد يقيم في مدينة هوالين التايوانية. واستندت عملية تحديد الهوية إلى أخطاء تشغيلية ارتكبها المهاجم أثناء محاولاته إخفاء شخصيته، من بينها إعادة استخدام حسابات رقمية ومفاتيح اتصال وأسماء مستخدمة وعناوين بريد إلكتروني عبر أنشطته المختلفة.
كما ظهر عنوان الإنترنت المنزلي الخاص به خلال إحدى جلسات الاتصال المرتبطة بمحادثات أجراها مع نموذج Grok، ما وفر أدلة إضافية ساعدت الباحثين على الربط بين البنية التحتية للهجمات وشخصية المهاجم.
ويرى الخبراء أن الجانب الأكثر أهمية في القضية لا يتمثل في قدرات الذكاء الاصطناعي نفسها، بل في حقيقة أن معظم البيانات التي تمكن المهاجم من الوصول إليها كانت موجودة أصلًا داخل أنظمة ضعيفة الحماية أو تحتوي على ثغرات معروفة أو إعدادات خاطئة لم تعالج منذ سنوات.
فقد تضمنت الأهداف الناجحة قواعد بيانات معرضة لهجمات SQL Injection، ومنصات طبية مكشوفة للعامة منذ عام 2018، وواجهات برمجية متاحة مباشرة عبر الإنترنت، وقواعد بيانات لم تحصل على التحديثات الأمنية اللازمة. في المقابل، فشلت محاولات الاختراق عندما واجهت أنظمة تعتمد مصادقة قوية أو فلاتر حماية مناسبة أو جلسات وصول موثقة بشكل صحيح.





























