افشای کلیدهای API در ۲۸۲ اپلیکیشن هوش مصنوعی آیفون؛ زنگ خطری برای توسعه‌دهندگان

پژوهشگران دانشگاه Wake Forest در مطالعه‌ای گسترده روی ۴۴۴ اپلیکیشن هوش مصنوعی iOS، به نتیجه‌ای نگران‌کننده دست یافتند؛ ۲۸۲ اپلیکیشن (حدود ۶۴ درصد) اطلاعات حساس مربوط به دسترسی به سرویس‌های هوش مصنوعی را از طریق ترافیک شبکه افشا می‌کنند. این ضعف امنیتی می‌تواند به مهاجمان اجازه دهد از حساب توسعه‌دهندگان برای اجرای درخواست‌های هوش مصنوعی استفاده کنند و هزینه‌های قابل‌توجهی را به آن‌ها تحمیل نمایند.

روش انجام تحقیق

محققان با استفاده از ابزاری اختصاصی به نام LLMKeyLens، ترافیک شبکه اپلیکیشن‌ها را تحلیل کردند. این ابزار بدون نیاز به جیلبریک دستگاه یا مهندسی معکوس برنامه، تنها با بررسی درخواست‌های ارسالی، موفق به استخراج کلیدهای API، توکن‌های دسترسی و سایر اطلاعات حساس شد.

سه الگوی اصلی آسیب‌پذیری بررسی‌ها نشان داد که برنامه‌های آسیب‌پذیر در سه دسته قرار می‌گیرند:

۱. افشای مستقیم کلید API

در ۵۴ اپلیکیشن، کلید API به‌صورت متن ساده (Plaintext) در درخواست‌های شبکه ارسال می‌شد و تنها با رهگیری یک درخواست قابل مشاهده بود.

۲. سرورهای بدون احراز هویت

در ۹۲ اپلیکیشن، درخواست‌ها از طریق سرور واسطی ارسال می‌شد که هیچ‌گونه احراز هویتی انجام نمی‌داد. در چنین شرایطی، هر فردی می‌تواند از این سرورها برای ارسال درخواست به مدل‌های هوش مصنوعی و مصرف اعتبار حساب توسعه‌دهنده استفاده کند.

۳. توکن‌های قابل استفاده مجدد

بزرگ‌ترین گروه شامل ۱۳۶ اپلیکیشن بود که به جای کلید اصلی از توکن‌های موقت استفاده می‌کردند؛ اما این توکن‌ها نیز در ترافیک شبکه افشا شده و در بسیاری از موارد حتی مدت‌ها پس از پایان اعتبار رسمی، همچنان قابل استفاده بودند.

افشای System Prompt

یکی از یافته‌های مهم این تحقیق، افشای System Prompt در ۲۸ مورد از برنامه‌هایی بود که کلید API را به‌صورت متن ساده ارسال می‌کردند. این دستورالعمل‌های داخلی، منطق عملکرد و رفتار دستیار هوش مصنوعی را مشخص می‌کنند و می‌توانند اطلاعات ارزشمندی درباره نحوه عملکرد محصول در اختیار مهاجمان قرار دهند.

سرویس‌های تحت تأثیر

این آسیب‌پذیری‌ها حداقل ۱۰ ارائه‌دهنده سرویس هوش مصنوعی را در بر می‌گرفت که OpenAI بیشترین سهم را داشت. همچنین برنامه‌های آسیب‌پذیر در ۱۳ دسته مختلف اپلیکیشن مشاهده شدند.

بر اساس نتایج این مطالعه: بیشترین تعداد برنامه‌های آسیب‌پذیر در دسته Productivity قرار داشتند. برنامه‌های Health & Fitness بالاترین نرخ نشت اطلاعات را ثبت کردند. در مقابل، هیچ نمونه‌ای از افشای کلید در برنامه‌های مالی و پزشکی مشاهده نشد. LLMjacking؛ سوءاستفاده از کلیدهای افشاشده

کلیدهای API افشاشده معمولاً در حملاتی با عنوان LLMjacking مورد سوءاستفاده قرار می‌گیرند. در این روش، مهاجمان با استفاده از کلیدهای سرقت‌شده به مدل‌های هوش مصنوعی دسترسی پیدا کرده و هزینه مصرف را به حساب توسعه‌دهنده منتقل می‌کنند.

بر اساس برآورد شرکت امنیتی Sysdig، در بدترین سناریو این سوءاستفاده می‌تواند بیش از ۴۶ هزار دلار هزینه روزانه برای صاحب کلید ایجاد کند.

واکنش توسعه‌دهندگان پژوهشگران پس از شناسایی آسیب‌پذیری‌ها، تمامی ۲۸۲ توسعه‌دهنده را مطلع کردند و سه ماه برای رفع مشکل فرصت دادند.

نتایج پیگیری نشان داد: تنها ۲۸ درصد از توسعه‌دهندگان آسیب‌پذیری را برطرف کردند. ۲۳ درصد همچنان در معرض سوءاستفاده قرار داشتند. سایر برنامه‌ها یا از دسترس خارج شده بودند یا امکان بررسی وضعیت آن‌ها وجود نداشت.

در یکی از نمونه‌های بررسی‌شده، توکن دسترسی یک اپلیکیشن تا سال ۲۱۲۵ معتبر بود و در نمونه‌ای دیگر، توکنی که باید تنها یک ساعت اعتبار می‌داشت، ۱۲۸ روز پس از انقضا همچنان فعال باقی مانده بود.

راهکارهای پیشنهادی

محققان تأکید می‌کنند که توسعه‌دهندگان باید:

کلیدهای API را هرگز در سمت کلاینت ذخیره نکنند. تمامی درخواست‌های هوش مصنوعی را از طریق سرورهای امن خود مدیریت کنند. برای هر درخواست، احراز هویت مناسب انجام دهند. در صورت افشای کلید، آن را فوراً غیرفعال و جایگزین کنند.

همچنین پیشنهاد شده است که ارائه‌دهندگان سرویس‌های هوش مصنوعی، استفاده از کلیدهای سمت کلاینت را به‌طور رسمی ناامن اعلام کرده و مکانیزم‌هایی برای شناسایی استفاده غیرعادی از کلیدها پیاده‌سازی کنند. از سوی دیگر، اپل نیز می‌تواند بررسی چنین ضعف‌هایی را به فرآیند تأیید برنامه‌های اپ‌استور اضافه کند.

جمع‌بندی این تحقیق نشان می‌دهد که امنیت در بسیاری از اپلیکیشن‌های هوش مصنوعی هنوز با چالش‌های جدی مواجه است. اگرچه استفاده از مدل‌های زبانی بزرگ با سرعت زیادی در حال گسترش است، اما رعایت اصول اولیه امنیت API همچنان نادیده گرفته می‌شود. نتیجه این سهل‌انگاری، افزایش احتمال سرقت کلیدهای دسترسی، سوءاستفاده از سرویس‌های هوش مصنوعی و تحمیل هزینه‌های سنگین به توسعه‌دهندگان است.

نکته مهم اینکه پژوهشگران تأکید کرده‌اند آمار اعلام‌شده احتمالاً حداقل میزان واقعی آسیب‌پذیری است؛ زیرا بسیاری از اپلیکیشن‌ها امکان رهگیری ترافیک را مسدود کرده بودند و تنها برنامه‌های موجود در اپ‌استور آمریکا طی اواخر سال ۲۰۲۵ مورد بررسی قرار گرفتند.