كيف تستخدم الهجمات السيبرانية الذكاء الاصطناعي لسرقة الاعتمادات على نطاق واسع؟

لم يعد استخدام الذكاء الاصطناعي في الهجمات السيبرانية مقتصرًا على طلب كتابة سكربت، تحسين رسالة تصيد، أو توليد جزء من كود خبيث. وفقًا لرصد Google Threat Intelligence Group ‏(GTIG)، بدأ بعض المهاجمين ينتقلون خطوة أبعد: بناء أطر متعددة الوكلاء Multi-Agent Frameworks قادرة على تقسيم الهجوم إلى مهام مستقلة، تنسيق التنفيذ بينها، معالجة الأخطاء أثناء التشغيل، وتعديل السلوك بأقل قدر ممكن من التدخل البشري.

هذا التحول لا يغيّر فقط سرعة تنفيذ الهجوم، بل يعيد تشكيل مفهوم الأتمتة الهجومية نفسه. فالسكربت التقليدي ينفذ ما كُتب له مسبقًا، بينما يستطيع الوكيل المدعوم بنموذج لغوي أن يتعامل مع النتائج المرحلية، يقرر ماذا يفعل بعدها، ويعيد المحاولة عندما تفشل إحدى الخطوات.

النتيجة التي رصدتها Google لم تكن سيناريو نظريًا: خلال أقل من ست ساعات، تمكن مهاجم بدافع مالي من التخطيط لحملة واسعة لسرقة بيانات الاعتماد، بنائها، ثم تشغيلها باستخدام مساعد برمجي بالذكاء الاصطناعي وتعليمات مكتوبة للوكلاء.

[!tldr] رصدت GTIG انتقال بعض الجهات المهاجمة من الاستخدام البسيط للنماذج اللغوية إلى أطر متعددة الوكلاء تدير مهام الاستطلاع، فحص الثغرات، جمع بيانات الاعتماد، معالجة الأعطال، تدوير عناوين الشبكة، وتمرير الحركة عبر بيئات سحابية مخترقة. وفي إحدى الحالات، تمكن إطار آلي من إدارة حملة واسعة لجمع بيانات الاعتماد خلال أقل من ست ساعات، بينما كشف إطار آخر باسم Recon عن إدارة أكثر من 23,800 سرّ مسروق مثل مفاتيح API.

#من Prompt واحد إلى منظومة هجومية كاملة

الاستخدام التقليدي للذكاء الاصطناعي لدى المهاجم قد يبدأ بطلب بسيط من نموذج لغوي:

• كتابة كود.
• إصلاح خطأ برمجي.
• تحليل ناتج أداة.
• إنشاء محتوى تصيد.
• اقتراح خطوات استطلاع.

لكن ما تصفه GTIG يتجاوز هذا النمط إلى بيئة يتوزع فيها العمل بين عدة وكلاء Agents، لكل منهم تعليمات وسياق ومهمة محددة.

بدلًا من وجود مهاجم ينفذ كل خطوة يدويًا، يصبح لدينا سير عمل يشبه الآتي:

Reconnaissance
      ↓
Vulnerability Scanning
      ↓
Credential Harvesting
      ↓
Failure Handling
      ↓
Infrastructure Rotation
      ↓
Traffic Routing
      ↓
Credential Management

الفارق الأساسي هنا أن هذه الخطوات لا تعمل فقط كتسلسل جامد. الوكلاء يستطيعون مراقبة النتائج، اكتشاف أن خطوة ما فشلت، ثم تعديل التنفيذ وإعادة المحاولة.

وهذا ما يجعل الأتمتة المدعومة بالذكاء الاصطناعي مختلفة جوهريًا عن كثير من الأدوات الهجومية التقليدية.

#حادثة أقل من ست ساعات

في إحدى الحوادث التي رصدتها Google، تمكن مهاجم ذو دافع مالي من اختراق بنية سحابية تابعة لإحدى المؤسسات، ثم نشر إطار هجومي ذاتي يعتمد على عدة وكلاء.

خلال أقل من ست ساعات، قام المهاجم بالتخطيط وبناء وتشغيل حملة واسعة لجمع بيانات الاعتماد باستخدام:

AI Coding Chatbot
Prompt
Markdown Agent Instructions

أي أن البنية التشغيلية لم تعتمد فقط على سكربتات منفصلة، بل على تعليمات منظمة توجه الوكلاء وتحدد كيفية تنفيذ كل مرحلة.

مخطط للهجوم كما عرضته Google.

الأدوار التي أدارتها الوكلاء شملت:

• تشغيل مسار فحص الثغرات.
• جمع آلاف بيانات الاعتماد من أطراف خارجية.
• معالجة الأعطال أثناء التنفيذ.
• تدوير عناوين الشبكة.
• تمرير حركة الهجوم عبر بيئات سحابية شرعية سبق اختراقها.
• تقليل مؤشرات السلوك التي قد تكشف النشاط بسرعة.

هذه النقطة الأخيرة مهمة جدًا من منظور الدفاع: عندما تستطيع البنية الهجومية تعديل البنية التحتية والاستجابة للأخطاء تلقائيًا، فإن الوقت الذي كان المهاجم يحتاجه سابقًا للتدخل اليدوي يختفي تقريبًا من دورة الهجوم.

#لماذا يقل «زمن التدخل البشري»؟

في الهجمات التقليدية، يواجه المهاجم سلسلة من نقاط التوقف:

Tool Fails
   ↓
Operator Reviews Output
   ↓
Operator Modifies Command
   ↓
Operator Runs Again

هذا يخلق ما يمكن وصفه بزمن Human-in-the-Loop Latency.

أما مع الوكلاء المدعومين بالذكاء الاصطناعي، فقد يتحول المسار إلى:

Tool Fails
   ↓
Agent Reviews Output
   ↓
Agent Changes Parameters
   ↓
Agent Retries

كلما تقلص هذا الزمن، تقل معه فرصة المدافع في اكتشاف النشاط وإيقافه قبل انتقال المهاجم إلى المرحلة التالية.

من هنا تتضح خطورة الأتمتة الجديدة: ليست القضية أن الذكاء الاصطناعي اخترع أسلوب هجوم جديدًا بالكامل، بل أنه يقلل الاحتكاك التشغيلي بين مراحل الهجوم الموجودة أصلًا.

#Recon: إدارة عشرات الآلاف من الأسرار المسروقة

في حادثة أخرى، عثر الباحثون على خادم قيادة وتحكم C2 مكشوف يستضيف إطارًا آليًا للاستطلاع وإدارة بيانات الاعتماد أطلق عليه اسم:

Recon

الملفات الموجودة على الخادم تضمنت:

AI Agent Instructions
Knowledge Files
OpenClaw Artifacts

وكان الإطار يدير في الزمن الحقيقي أكثر من:

23,800+

سرّ مسروق، شملت أمثلة مثل:

API Keys

واجهة إطار Recon كما ظهرت في تقرير Google.

هذه النقطة تكشف أن دور الذكاء الاصطناعي لا ينتهي عند تنفيذ الهجوم. يمكن استخدامه كذلك في مرحلة التشغيل اللاحقة لإدارة البيانات المسروقة وفرزها والحفاظ على تدفق العمل الهجومي.

عندما تصبح آلاف الأسرار جزءًا من منظومة واحدة قابلة للبحث والإدارة والتحديث، فإن المهاجم ينتقل من جمع البيانات بصورة عشوائية إلى تشغيل ما يشبه منصة عمليات هجومية متكاملة.

#تطور الأتمتة الهجومية

الأتمتة ليست ظاهرة جديدة في الهجمات السيبرانية. المهاجمون استخدموا منذ سنوات سكربتات وأدوات تستطيع:

Scan
Exploit
Harvest
Exfiltrate

لكن السكربت التقليدي يعتمد غالبًا على شروط مبرمجة مسبقًا.

على سبيل المثال:

IF condition A:
    perform action B
ELSE:
    stop

أما الوكيل المدعوم بنموذج لغوي فيستطيع نظريًا العمل بصورة أكثر مرونة:

Observe
Reason
Select Action
Execute
Evaluate Result
Retry or Adapt

وهذا هو التحول الذي تشير إليه GTIG: من أتمتة مبنية فقط على قواعد ثابتة إلى أنظمة يمكنها التعامل مع سياق التنفيذ واتخاذ قرارات مرحلية.

#ما الذي كانت الوكلاء تديره فعليًا؟

الوظائف التي ظهرت في الحالات التي رصدتها Google يمكن تلخيصها على النحو التالي:

هذا التقسيم يوضح لماذا يمثل مفهوم Multi-Agent تطورًا مهمًا في الأتمتة الهجومية: كل وكيل يمكنه التخصص في وظيفة معينة، بينما تتولى المنظومة تنسيق النتائج بين المراحل.

#الاستطلاع والاستغلال وما بعد الاستغلال

أشارت GTIG كذلك إلى أن جهات تجسس إلكتروني مرتبطة بالصين اختبرت أدوات تطوير مدعومة بالذكاء الاصطناعي لبناء مسار شبه آلي يشمل:

Exploitation
Post-Exploitation

وفي حالة أخرى، استخدمت المجموعة الروسية UNC5792 نماذج ذكاء اصطناعي لأتمتة روبوتات مراقبة تبحث في قنوات Telegram عن معلومات ذات أهمية للحكومة.

وهذا يبين أن الاستخدام لا يقتصر على سرقة بيانات الاعتماد فقط.

النماذج والأنظمة المدعومة بالذكاء الاصطناعي ظهرت أيضًا في أنشطة مرتبطة بـ:

Reconnaissance
Phishing
Malware Development
Exploitation
Post-Exploitation
Data Processing
Propaganda

كما لوحظ إساءة استخدام أدوات الذكاء الاصطناعي في هجمات على سلاسل الإمداد مرتبطة بـ:

UNC6780
TeamPCP

إضافة إلى عمليات لاستخلاص قدرات Gemini تضمنت نحو:

100,000,000 Prompts

إلى جانب نمو سوق لبيانات اعتماد حسابات الذكاء الاصطناعي ومفاتيح API المسروقة.

#هل وصلنا إلى الاختراق الذاتي الكامل؟

رغم أهمية الحالات السابقة، شددت GTIG على نقطة أساسية: الاختراق الذاتي الكامل لم يصبح ظاهرة واسعة الانتشار حتى الآن.

وبحسب التقرير، لم ترصد الشركة مهاجمين يشغلون مسارات مستقلة بالكامل قادرة وحدها على:

Zero-Day Discovery
        +
Real-World Network Exploitation

دون تدخل بشري.

هذه نقطة مهمة لفصل الواقع عن المبالغة.

ما يظهر اليوم هو انتقال واضح إلى أتمتة أكثر استقلالية في مراحل متعددة من دورة الهجوم، لكن هذا لا يعني وجود أنظمة هجومية ذاتية مكتملة تستطيع اكتشاف ثغرة غير معروفة ثم استغلال شبكة حقيقية بصورة مستقلة من البداية إلى النهاية.

#لماذا يعتبر هذا التطور مهمًا لفرق SOC؟

أحد أهم آثار هذه الأطر هو تقليل الوقت بين المراحل المختلفة للهجوم.

في السابق، قد ينجح الدفاع في الاستفادة من تأخر المهاجم أثناء:

Analyzing Results
Changing Infrastructure
Fixing Errors
Selecting New Targets

لكن إذا تولت الوكلاء هذه الوظائف تلقائيًا، فإن المهاجم يمكنه الانتقال من مرحلة إلى أخرى بسرعة أكبر.

بالتالي، تصبح مؤشرات صغيرة مثل:

Unusual Credential Access
Rapid Infrastructure Changes
High-Volume Secret Enumeration
Cloud-Originated Attack Traffic
Repeated Automated Scanning

أكثر أهمية، لأن كل مؤشر قد يكون جزءًا من سلسلة آلية تتحرك بسرعة.

التركيز الدفاعي هنا لا ينبغي أن يكون على سؤال:

Was AI Used?

بقدر ما يكون على:

What behavior is occurring?
How fast is it progressing?
What identities and secrets are exposed?
Can the attack path be contained quickly?

فالذكاء الاصطناعي يغير سرعة واتساق التنفيذ، لكنه لا يلغي الحاجة إلى البنية التحتية، الهوية، الاعتمادات، الوصول، والتفاعل مع الأنظمة المستهدفة.

#من منظور GRC: المشكلة ليست تقنية فقط

من زاوية الحوكمة والمخاطر والالتزام، يؤدي هذا النوع من الأتمتة إلى إعادة تقييم عدة افتراضات تشغيلية.

#أولًا: مدة الاستجابة لم تعد افتراضًا ثابتًا

إذا كان المهاجم يستطيع معالجة الأخطاء وتغيير المسارات آليًا، فإن نافذة الاستجابة الدفاعية قد تصبح أقصر من تلك التي بنيت عليها إجراءات التصعيد التقليدية.

هذا يجعل مؤشرات مثل:

Mean Time to Detect
Mean Time to Respond
Credential Revocation Time
Secret Rotation Time

أكثر ارتباطًا مباشرة بمستوى المخاطر الفعلي.

#ثانيًا: الأسرار والاعتمادات أصبحت هدفًا تشغيليًا واسع النطاق

إدارة أكثر من 23,800 سرّ داخل إطار واحد توضح أن المهاجمين لا يتعاملون مع كل مفتاح أو حساب بصورة منفصلة.

وعليه، فإن الحوكمة الفعالة للهوية والأسرار يجب أن تنظر إلى التعرض بشكل جماعي، وليس فقط كحوادث منفصلة.

#ثالثًا: السحابة قد تُستخدم كبنية هجوم

مرور الحركة عبر بيئات سحابية شرعية سبق اختراقها يعقد عملية التمييز بين النشاط الطبيعي والخبيث.

من منظور المخاطر، فإن الاعتماد على سمعة عنوان الشبكة أو كون المصدر تابعًا لخدمة سحابية شرعية لم يعد كافيًا بمفرده لتقييم النشاط.

#رابعًا: ضوابط الطرف الثالث تصبح أكثر أهمية

بما أن إحدى الحملات جمعت آلاف بيانات اعتماد مرتبطة بأطراف خارجية، فإن مخاطر الموردين والحسابات المشتركة ومفاتيح التكامل تتحول إلى جزء مباشر من سطح الهجوم.

#كيف يمكن ترجمة ذلك إلى ضوابط عملية؟

#الذكاء الاصطناعي لا يلغي الأدوات القديمة… بل ينسقها

من السهل تفسير موجة AI + Cybersecurity على أنها ظهور أدوات هجومية جديدة بالكامل، لكن الحالات التي رصدتها GTIG تشير إلى تحول أكثر دقة.

الكثير من المهام نفسها كانت موجودة سابقًا:

Scanning
Credential Harvesting
C2 Operations
Infrastructure Rotation
Post-Exploitation

الجديد هو القدرة على تنسيقها داخل بنية أكثر استقلالية.

وهذا يعني أن القيمة الهجومية للذكاء الاصطناعي ليست فقط في «ما الذي يستطيع إنتاجه»، بل في «ما الذي يستطيع تشغيله وإدارته وربطه ببعضه».

#نقطة دفاعية مهمة: Google رصدت جزءًا من الإساءة مبكرًا

بحسب التقرير، تمكن نموذج Gemini من اكتشاف عدد من محاولات إساءة الاستخدام مبكرًا والاستجابة لها وفق بروتوكولات السلامة لدى Google.

سمح ذلك للشركة باتخاذ إجراءات إضافية، تعطيل بعض الحملات، وحظر الحسابات المرتبطة بها.

هذه الجزئية تكشف جانبًا آخر من المشهد: مع توسع استخدام نماذج الذكاء الاصطناعي داخل العمليات الهجومية، تصبح منصات الذكاء الاصطناعي نفسها نقطة مراقبة يمكن أن تظهر فيها إشارات مبكرة لإساءة الاستخدام.

#ما الذي يتغير فعليًا في مشهد التهديد؟

التحول الأهم ليس أن الذكاء الاصطناعي جعل الهجوم ممكنًا للمرة الأولى.

بل أن بعض المهاجمين أصبحوا قادرين على تقليل الوقت والجهد البشري اللازم لإدارة الهجوم.

يمكن تلخيص التطور بالشكل التالي:

Manual Operator
      ↓
Script Automation
      ↓
AI-Assisted Operator
      ↓
Multi-Agent Attack Framework

كل مرحلة تقلل جزءًا من العمل اليدوي.

وكلما تقلصت الحاجة إلى تدخل المهاجم بين خطوة وأخرى، أصبحت دورة الهجوم أسرع وأكثر قدرة على التوسع.

#الخلاصة

الذكاء الاصطناعي لم يحول الهجمات السيبرانية إلى أنظمة مستقلة بالكامل حتى الآن، لكنه بدأ يغير طريقة تشغيلها.

الحالات التي رصدتها GTIG توضح أن المهاجم يمكنه الآن استخدام مجموعة من الوكلاء لتنسيق مهام كان تنفيذها سابقًا يتطلب سلسلة متواصلة من التدخلات البشرية: الاستطلاع، فحص الثغرات، جمع بيانات الاعتماد، معالجة الأعطال، تدوير البنية التحتية، وإدارة آلاف الأسرار المسروقة.

الأثر الأكبر لهذا التطور لا يتمثل في ظهور «هاكر آلي» كامل، بل في اختصار الزمن بين مراحل الهجوم.

وهذه هي النقطة التي يجب أن تهم فرق الأمن وSOC وGRC: عندما تصبح منظومة الهجوم قادرة على التحرك والتكيف بشكل أسرع، فإن قيمة الاكتشاف المبكر، احتواء الهوية، تدوير الأسرار، وربط الأحداث ببعضها ترتفع بشكل مباشر.

السباق هنا ليس فقط بين المدافع والمهاجم.

بل بين سرعة الاستجابة البشرية وسرعة الأتمتة.