یک مهاجم روسی‌زبان با نام bandcampro از ابزار متن‌باز Gemini CLI گوگل برای اجرای عملیات هک و مدیریت یک بات‌نت در مقیاس کوچک استفاده کرد. Gemini CLI یک ابزار هوش مصنوعی مجهز به قابلیت‌های عامل هوش مصنوعی (AI Agent Capabilities) است که در این عملیات به درخواست‌های مهاجم پاسخ می‌داد، مراحل مختلف فعالیت مخرب را پیش می‌برد و در رفع موانع فنی به او کمک می‌کرد. همچنین این عامل هوش مصنوعی دست‌کم 59 بار پیشنهادهایی برای بهبود روند اجرای عملیات ارائه داد؛ موضوعی که نشان می‌دهد ابزارهای مبتنی بر هوش مصنوعی می‌توانند به ابزاری مؤثر برای خودکارسازی و تسهیل حملات سایبری تبدیل شوند.
قابلیت‌های عامل هوش مصنوعی در Gemini CLI برای مدیریت بات‌نت
بر اساس گزارش پژوهشگران ترند میکرو (Trend Micro)، این مهاجم بین 19 می تا 21 آوریل، در بیش از 200 نشست با استفاده از ابزار هوش مصنوعی، زیرساختی را راه‌اندازی و مدیریت کرد که امکان کنترل هشت سیستم در یک کلینیک دندان‌پزشکی را فراهم می‌کرد. هدف این عملیات، دسترسی به پایگاه داده نرم‌افزار مدیریت دندان‌پزشکی OpenDental بود. در این فرآیند، قابلیت‌های عامل هوش مصنوعی Gemini CLI به مهاجم کمک کرد تا این ابزار در نقش یک تستر نفوذ مجاز (Authorized Pen Tester) عمل کند و بدون نمایش هشدارهای ایمنی، اعتبارنامه‌های به‌دست‌آمده را به‌صورت خودکار ذخیره کند.
فایل Skill این ابزار شامل یک برنامه عملیاتی فرماندهی و کنترل (C2) بود که جزئیات معماری زیرساخت، وظایف استاندارد، کدهای آلوده‌سازی، دستورات مربوط به پایداری (Persistence) و مراحل رفع خطاهای فنی را در اختیار داشت.
بر اساس یافته‌های پژوهشگران ترند میکرو، مهاجم از Gemini CLI برای انتقال بات‌نت به یک زیرساخت جدید C2 استفاده کرد. این فرآیند با یک دستور ساده با مضمون «مهاجرت C2 را بررسی کن» آغاز شد و ابزار هوش مصنوعی پس از تحلیل راهنمای موجود، تمام مراحل اجرایی و کدهای موردنیاز برای این انتقال را آماده کرد.
Gemini CLI با قابلیت‌های عامل هوش مصنوعی، در مدت تنها شش دقیقه فرآیند انتقال زیرساخت C2 را مدیریت کرد؛ به‌طوری‌که وظایفی مانند مدیریت معماری زیرساخت، توسعه کد، استقرار روی سرور مجازی خصوصی (VPS)، پیکربندی Cloudflare و رفع خطاهای اولیه را انجام داد.
به گفته ترند میکرو، Gemini CLI فرآیند انتقال زیرساخت C2 را در چند مرحله انجام داد:
- ابتدا به بررسی راهنمای مهاجرت پرداخت و مراحل موردنیاز برای انتقال را آماده کرد.
- سپس یک بسته مهاجرت شامل آرشیوی از کدهای سرور، پیلودها و فایل Skill ایجاد کرد.
- در ادامه، پس از استخراج بسته مهاجرت، سرور C2 روی یک سرور مجازی خصوصی (VPS) مستقر شد.
- در مرحله پایانی، تونل Cloudflare فعال شد تا ارتباط با زیرساخت جدید برقرار شود.
رفع اختلال ارتباطی و مدیریت عملیات بات‌نت
در نخستین مراحل انتقال زیرساخت، برخی سیستم‌ها نتوانستند دوباره با سرور جدید ارتباط برقرار کنند. قابلیت‌های عامل هوش مصنوعی Gemini CLI با تحلیل ترافیک ارتباطی، علت این اختلال را در تداخل میان ارتباطات سرور قدیمی و جدید شناسایی کرد. پس از توقف سرور قدیمی توسط مهاجم، تمامی بات‌ها بار دیگر به زیرساخت جدید متصل شدند.
گزارش‌های روزانه عملیات نشان می‌دهد که عامل تهدید پس از این مرحله، مدیریت بات‌نت را به‌طور کامل از طریق دستورات مبتنی بر زبان طبیعی انجام می‌داد. مهاجم با ارسال درخواست‌های مختلف به ابزار هوش مصنوعی، اقداماتی مانند موارد زیر را انجام می‌داد:
- مشاهده سیستم‌های آنلاین و بررسی دستگاه‌هایی که همچنان به بات‌نت متصل بودند.
- دریافت فهرست فایل‌های موجود روی رایانه‌های هدف.
- تولید لینک‌های آلوده‌سازی برای اجرای فعالیت‌های مخرب.
ساختار ساده و کم‌حجم بات‌نت مهاجم
از نظر فنی، این بات‌نت معماری بسیار ساده‌ای داشت و تمام کامپوننت‌ها، دستورالعمل‌ها و فایل‌های موردنیاز آن در سه فایل متنی با حجم مجموع حدود 5 کیلوبایت قرار گرفته بودند. این ساختار کم‌حجم نشان می‌دهد مهاجم برای راه‌اندازی و مدیریت زیرساخت مخرب خود به مجموعه محدودی از فایل‌ها و دستورات متکی بوده است.
این فایل‌ها شامل یک پرامپت جیلبریک Gemini (Jailbreak Prompt)، یک برنامه عملیاتی فرماندهی و کنترل (C2) برای مدیریت مراحل آلوده‌سازی، پایداری و رفع خطاهای فنی و همچنین یک راهنمای مهاجرت برای بازسازی زیرساخت بودند.
ساختار فنی بدافزار در عملیات مبتنی بر عامل هوش مصنوعی
زیرساخت فرماندهی و کنترل (C2) این بات‌نت از یک سرور HTTP مبتنی بر پایتون در حافظه استفاده می‌کرد. در این معماری، عامل‌های پاورشل (PowerShell Agents) هر پنج ثانیه یک‌بار سرور C2 را بررسی می‌کردند تا دستورات جدید را دریافت و اجرا کنند.
بدافزار برای حفظ دسترسی خود روی سیستم‌ها، بسته به سطح دسترسی موجود، از روش‌های مختلف پایداری مانند تسک‌های زمان‌بندی‌شده (Scheduled Tasks)، رویدادهای WMI (Windows Management Instrumentation) و تغییرات رجیستری بهره می‌برد.
با این حال، پژوهشگران ترند میکرو تأکید کردند که این بدافزار از نظر فنی پیچیدگی بالایی نداشت؛ زیرا از تکنیک‌های پیشرفته‌ای مانند مبهم‌سازی کد (Obfuscation)، بسته‌بندی بدافزار (Packing) یا روش‌های فرار از شناسایی استفاده نمی‌کرد.
استفاده از هوش مصنوعی در سایر فعالیت‌های مخرب
مهاجم فراتر از مدیریت بات‌نت، از هوش مصنوعی برای فعالیت‌های دیگری مانند حدس زدن رمز عبور، ایجاد نمونه‌های مشابه از رمزهای عبور موجود برای پورتال‌های وردپرس و تحلیل داده‌های استخراج‌شده از دامپ‌های 1Password برای یافتن مسیرهای احتمالی اکسپلویت نیز استفاده کرد.
پژوهشگران معتقدند که این تلاش در نهایت به نتیجه نرسید؛ زیرا طولانی شدن روند عملیات باعث شد عامل هوش مصنوعی دید کلی خود نسبت به سناریوی حمله را از دست بدهد و نتواند ارتباط میان مراحل مختلف فعالیت مخرب را به‌درستی حفظ کند.
محدودیت‌های Gemini در اجرای حملات خودکار
لاگ‌های به‌دست‌آمده از این عملیات نشان می‌دهد Gemini در یک مورد، زمانی که مهاجم از آن خواست یک بمب عامل با قابلیت انتشار مستقل (Self-Spreading Agent-Bomb) ایجاد کند، از اجرای این درخواست خودداری کرد. با این حال، این محدودیت مانع ادامه فعالیت مهاجم نشد و او همچنان از این ابزار برای انجام وظایف مخرب دیگر استفاده کرد.
این نمونه نشان می‌دهد عامل هوش مصنوعی می‌تواند در برخی درخواست‌های پرخطر محدودیت‌هایی اعمال کند، اما این موانع الزاماً مانع استفاده مهاجمان از قابلیت‌های آن برای اجرای بخش‌های دیگر یک عملیات سایبری نمی‌شود.
