جلوگیری از تصاحب عامل‌های هوش مصنوعی توسط زیرساخت‌های قدیمی

در نشست Gartner Security & Risk Management Summit، به یک شکاف مهم در رویکردهای رایج امنیت سایبری اشاره شد: تمرکز گسترده بر امنیت لایه هوش مصنوعی، در حالی که مسیرهای حمله واقعی اغلب در زیرساخت‌های سنتی و به‌ظاهر نامرتبط شکل می‌گیرند.

با شتاب‌گیری استقرار AI Agents در سازمان‌ها—که اکنون بخش قابل‌توجهی از آن‌ها وارد محیط‌های عملیاتی شده‌اند—سطح حمله نیز به‌صورت مستقیم در حال گسترش است. در چنین شرایطی، توجه صرف به تهدیدهایی مانند prompt injection، data poisoning یا نشت مدل، برای حفاظت از این سیستم‌ها کافی نیست.

واقعیت این است که AI Agents به‌طور ذاتی بر زیرساخت‌های موجود سازمانی متکی هستند؛ از Identity Providerها و IAM Roleها گرفته تا پایگاه‌های داده، سرویس‌های ابری و APIهای داخلی. این وابستگی‌ها همان زیرساختی را تشکیل می‌دهند که سال‌ها پیش و بدون در نظر گرفتن مدل‌های هوش مصنوعی طراحی شده‌اند.

در نتیجه، هرگونه ضعف امنیتی در این لایه‌ها می‌تواند به‌صورت غیرمستقیم، به نقطه ورود به سیستم‌های هوش مصنوعی تبدیل شود—بدون آن‌که خود AI هدف حمله مستقیم قرار گیرد.

وابستگی AI Agents به زیرساخت‌های موجود AI Agents به‌صورت مستقل عمل نمی‌کنند، بلکه از مجوزها و سرویس‌های موجود در سازمان بهره می‌برند، از جمله:

احراز هویت از طریق سیستم‌های هویتی موجود ذخیره‌سازی داده در سرویس‌های ابری اجرای عملیات از طریق سرویس‌هایی مانند Lambda و استفاده از نقش‌ها و دسترسی‌های IAM

این ساختار باعث می‌شود هرگونه ضعف در مدیریت دسترسی یا پیکربندی امنیتی، مستقیماً به رفتار و امنیت AI Agent منتقل شود.

بر اساس داده‌های موجود، بخش قابل توجهی از سازمان‌ها سطح دسترسی سیستم‌های AI خود را فراتر از حد نیاز تعریف کرده‌اند؛ موضوعی که ارتباط مستقیمی با افزایش نرخ رخدادهای امنیتی دارد.

سناریوی حمله ترکیبی در محیط سازمانی برای درک بهتر این ریسک، یک سناریوی واقعی‌نما از زنجیره حمله در یک محیط سازمانی قابل بررسی است:

1. دسترسی غیرضروری به داده‌های حساس

داده‌های مشتریان برای تغذیه یک AI Copilot از Salesforce به یک فضای ذخیره‌سازی ابری منتقل شده‌اند. به دلیل ضعف در کنترل دسترسی، کاربران غیرضروری—including توسعه‌دهنده سیستم—به داده‌های production دسترسی دارند.

در این مرحله، مشکل صرفاً یک misconfiguration در کنترل دسترسی است.

1. بهره‌برداری از آسیب‌پذیری در زیرساخت لبه

یک سرور Apache Tomcat در معرض اینترنت قرار دارد و دارای آسیب‌پذیری اجرای کد از راه دور (CVE-2025-24813) است که در فهرست آسیب‌پذیری‌های شناخته‌شده قرار گرفته است.

بهره‌برداری از این ضعف، امکان استخراج اطلاعات حساس از حافظه و دسترسی اولیه به شبکه داخلی را فراهم می‌کند.

1. حرکت جانبی از طریق Active Directory

در ادامه، مهاجم با استفاده از یک پیکربندی نادرست در Active Directory اقدام به حرکت جانبی کرده و به سیستم یک کاربر کلیدی دسترسی پیدا می‌کند.

این کاربر از ابزارهای ابری استفاده می‌کند و اعتبارنامه‌های دسترسی به‌صورت محلی ذخیره شده‌اند.

1. تصاحب دسترسی‌های ابری و نفوذ به AI Agent

با دستیابی به کلیدهای دسترسی ابری، مهاجم به منابع ذخیره‌سازی داده‌های مورد استفاده AI Copilot دسترسی پیدا می‌کند.

در نتیجه، داده‌هایی که پایه تصمیم‌گیری و پاسخ‌دهی AI Agent هستند در اختیار مهاجم قرار می‌گیرد و عملاً کنترل رفتار سیستم هوش مصنوعی امکان‌پذیر می‌شود.

نکته کلیدی این است که در هیچ مرحله‌ای، خود لایه هوش مصنوعی مستقیماً هدف قرار نگرفته است؛ بلکه زنجیره‌ای از ضعف‌های سنتی به این نتیجه منجر شده‌اند.

چالش معماری امنیتی موجود بیشتر ابزارهای امنیتی سازمانی، هر لایه را به‌صورت مستقل تحلیل می‌کنند:

آسیب‌پذیری‌های زیرساختی در EASM مشکلات هویتی در Active Directory ضعف‌های دسترسی در CSPM

اما این تفکیک باعث می‌شود تصویر کلی زنجیره حمله نادیده گرفته شود.

در حالی که ارزش واقعی در تحلیل ارتباط بین این لایه‌ها نهفته است.

رویکرد پیشنهادی برای مقابله با این نوع تهدیدات، لازم است رویکرد امنیتی از سطح کنترل‌های نقطه‌ای به سمت مدیریت یکپارچه سطح حمله (Exposure Management) حرکت کند. این رویکرد شامل:

شناسایی AI Agents و وابستگی‌های آن‌ها به‌عنوان دارایی‌های حیاتی ترسیم مسیرهای دسترسی بین زیرساخت‌های قدیمی و سیستم‌های AI تحلیل ترکیبی آسیب‌پذیری‌ها در چندین لایه و اولویت‌بندی اصلاحاتی که بیشترین مسیرهای حمله را مسدود می‌کنند

با گسترش استفاده از AI Agents در سازمان‌ها، سطح حمله به‌صورت طبیعی در حال افزایش است. با این حال، ریسک اصلی نه در خود مدل‌های هوش مصنوعی، بلکه در زیرساخت‌های سنتی و به‌هم‌پیوسته‌ای نهفته است که این سیستم‌ها بر آن‌ها بنا شده‌اند.

مهاجمان برای نفوذ به AI نیازی به تکنیک‌های جدید ندارند؛ کافی است از همان آسیب‌پذیری‌های شناخته‌شده در زیرساخت‌های قدیمی استفاده کنند—اما در قالب یک زنجیره حمله مدرن.