یک خط کد تا خاموشی سایت‌ها
دنیای اقتصاد: گاهی یک خط کد، فعالیت یک وب‌سایت را متوقف می‌کند. در روزهایی که شرکت‌های حوزه آی‌تی از توان هوش مصنوعی برای شناسایی نقص‌های نرم‌افزاری خبر می‌دهند، فاصله میان کشف یک آسیب‌پذیری و تبدیل آن به تهدیدی برای خدمات آنلاین اهمیت تازه‌ای پیدا کرده است. سرعت کشف نقص‌ها بالا می‌رود و زمان واکنش شرکت‌هایی که نرم‌افزارهای آسیب‌پذیر را اداره می‌کنند، به یکی از عوامل تعیین‌کننده امنیت شبکه تبدیل می‌شود.
گزارشی که رویترز در ۲۳ اکتبر ۲۰۲۶ منتشر کرد، از اختلال وب‌سایت‌های دولتی در چند کشور بر اثر آسیب‌پذیری‌های PHP خبر می‌دهد. هم‌زمان، شرکت فورتینت اعلام کرده است که در به‌روزرسانی امنیتی چند محصول خود از یافته‌های یک برنامه آزمایش امنیتی مبتنی بر هوش مصنوعی پیشرفته استفاده کرده است. این رویدادها دو بخش از یک روند را نشان می‌دهند. ابزارهای هوش مصنوعی به شناسایی نقص‌های پنهان کمک می‌کنند و سازمان‌ها باید یافته‌های تازه را با سرعت کافی به اصلاحات امنیتی تبدیل کنند.
مساله برای بازار خدمات دیجیتال روشن است. هر ساعت اختلال در یک وب‌سایت دولتی یا سامانه تجاری، هزینه‌ای برای اپراتور و کاربر ایجاد می‌کند. با گسترش ابزارهای کشف خودکار آسیب‌پذیری، توانایی نگهداری و به‌روزرسانی نرم‌افزارها بیش از گذشته در تعیین پایداری خدمات آنلاین اهمیت پیدا می‌کند.
پرونده پی‌اچ‌پی و اختلال در وب‌سایت‌ها
در ۲۱ اکتبر ۲۰۲۶، پروژه پی‌اچ‌پی نسخه‌های تازه‌ای از شاخه‌های پشتیبانی‌شده این زبان برنامه‌نویسی منتشر کرد. این نسخه‌های جدید دو آسیب‌پذیری با شناسه‌های CVE-۲۰۲۶-۱۰۹۶۱۸ و CVE-۲۰۲۶-۱۰۹۶۱۹ را برطرف کردند. هر دو نقص، امکان اجرای کد از راه دور را برای مهاجم فراهم می‌کردند و امتیاز شدت آنها در چارچوب CVSS نسخه ۴، برابر با ۹.۲ از ۱۰اعلام شد.
اجرای کد از راه دور از جمله آسیب‌پذیری‌هایی است که می‌تواند به مهاجم امکان دهد دستورات دلخواه خود را روی سامانه هدف اجرا کند. پیامد چنین نقصی به وضعیت سرور، تنظیمات نرم‌افزار و سطح دسترسی مهاجم بستگی دارد. در پرونده پی‌اچ‌پی، رویترز گزارش داد که این آسیب‌پذیری‌ها به اختلال در وب‌سایت‌های دولتی در اروپا و مناطق دیگر انجامیده است. برخی اپراتورها نیز برای کاهش خطر حمله، وب‌سایت‌های خود را به‌طور موقت از دسترس خارج کردند.
شرکت امنیت سایبری واچ‌تاور از مشاهده تلاش‌هایی برای بهره‌برداری از هر دو آسیب‌پذیری خبر داد. این گزارش از فعالیت مهاجمان خبر می‌دهد و به‌تنهایی گستره حملات موفق یا شمار سامانه‌های نفوذشده را مشخص نمی‌کند. در همان گزارش رویترز، شرکت هانت‌آی‌او اعلام کرده بود که مهاجمان تحت رصد این شرکت تا ساعت ۲بعدازظهر پنج‌شنبه به وقت شرق آمریکا، ظاهرا هنوز اکسپلویت عملیاتی برای این نقص‌ها نساخته بودند. متیو پرینس، مدیرعامل کلادفلر، نیز از شواهد موردی نفوذ مرتبط با نقص پی‌اچ‌پی سخن گفته بود.
پی‌اچ‌پی در بخش بزرگی از زیرساخت وب به کار می‌رود و همین گستردگی، اصلاح نقص‌های آن را به مساله‌ای فراتر از یک پروژه نرم‌افزاری تبدیل می‌کند. نسخه‌های قدیمی‌تر از شاخه‌های پشتیبانی‌شده نیز ممکن است همچنان روی سرورها فعال باشند. این پروژه برای نسخه‌های ۸.۱ و قدیمی‌تر به‌روزرسانی رسمی منتشر نمی‌کند، هرچند برخی توزیع‌کنندگان لینوکس و ارائه‌دهندگان پشتیبانی بلندمدت وصله‌های خود را عرضه می‌کنند. در چنین شرایطی، انتشار اصلاحیه نخستین مرحله است و نصب آن روی سیستم‌های فعال، مرحله‌ای جداگانه با هزینه و محدودیت‌های عملیاتی خود به شمار می‌رود.
تاثیرات گسترش استفاده از هوش مصنوعی
هوش مصنوعی فرآیند بررسی کد را سرعت می‌دهد و این امکان وجود دارد که حجم بیشتری از نرم‌افزار در زمان کوتاه‌تری برای یافتن نقص‌های امنیتی وارسی شود. ابزارهای تازه می‌توانند الگوهای مشکوک را در کد شناسایی کنند و به پژوهشگران امنیتی در ساخت نمونه‌های بهره‌برداری از یک نقص کمک برسانند. شان فرای، از شرکت ران‌سیف، به رویترز گفته است که این فناوری زمان لازم برای گذر از کشف آسیب‌پذیری تا آماده‌سازی ابزار بهره‌برداری را تغییر می‌دهد. این فرآیند پیش‌تر ممکن بود هفته‌ها یا ماه‌ها طول بکشد.
پژوهشی از شرکت ولن‌چک که رویترز به انتشار قریب‌الوقوع آن اشاره کرده، از دو برابر شدن شمار آسیب‌پذیری‌های کشف‌شده در مقایسه سالانه خبرمی‌دهد. این پژوهش بخشی از افزایش را به گسترش استفاده از هوش مصنوعی نسبت می‌دهد. جزئیات کامل روش محاسبه، دامنه داده‌ها و سهم مستقل هوش مصنوعی در این رشد، در گزارش رویترز شرح داده نشده است.
اعلام فورتینت نمونه دیگری از ورود هوش مصنوعی به فرآیند امنیت نرم‌افزار است. این شرکت در ۲۱ اکتبر خبر داد که برای چند محصول خود، از جمله FortiOS، FortiManager و FortiAnalyzer، به‌روزرسانی‌های امنیتی منتشر می‌کند. فورتینت گفت این اصلاحات شامل رفع آسیب‌پذیری‌هایی است که در جریان یک برنامه آزمایش امنیتی با کمک هوش مصنوعی پیشرفته شناسایی شده‌اند و از همکاری با شرکت‌هایی چون آنتروپیک، اوپن‌ای‌آی، گوگل و اسپیس‌ایکس قدردانی کرد.
برای سنجش اثر هوش مصنوعی، باید چند مرحله را از هم جدا کرد. کشف یک نقص به معنای امکان بهره‌برداری آسان از آن نیست. ساخت اکسپلویت نیز به‌تنهایی وقوع نفوذ را ثابت نمی‌کند و مهاجم باید بتواند از نقص در یک سامانه واقعی استفاده کند و از موانع امنیتی آن عبور کند. سرعت هوش مصنوعی در هر مرحله می‌تواند متفاوت باشد و نتیجه به نوع نرم‌افزار، کیفیت کد و شرایط محیط اجرا بستگی دارد.
فاصله بین تهاجم و کشف آسیب‌پذیری
افزایش سرعت کشف نقص‌های نرم‌افزاری، ارزیابی خطر را به محاسبه‌ای پیچیده‌تر تبدیل می‌کند. هر آسیب‌پذیری پس از شناسایی، مسیری جداگانه را طی می‌کند. مهاجم باید راهی عملی برای استفاده از آن پیدا کند، شرایط لازم برای دسترسی به سامانه هدف را به دست آورد و از موانع امنیتی عبور کند. ابزاری که این مسیر را کوتاه می‌کند، اکسپلویت نام دارد. یعنی برنامه یا روشی که از یک نقص نرم‌افزاری برای اجرای عملیات موردنظر مهاجم استفاده می‌کند.
این مراحل فاصله مهمی با یکدیگر دارند. ثبت یک آسیب‌پذیری در پایگاه‌های اطلاعاتی امنیتی، امکان فنی بهره‌برداری از آن را نشان می‌دهد. مشاهده تلاش مهاجمان برای استفاده از نقص، مرحله دیگری از ارزیابی خطر است. نفوذ موفق و اختلال در خدمات نیز به شواهد جداگانه نیاز دارد. در پرونده پی‌اچ‌پی، گزارش واچ‌تاور از تلاش برای بهره‌برداری، گزارش هانت‌آی‌او درباره وضعیت ابزارهای مهاجمان و اظهارات مدیرعامل کلادفلر درباره شواهد موردی نفوذ، هر کدام بخش متفاوتی از این زنجیره را پوشش می‌دهند.
دنیل استنبرگ، توسعه‌دهنده ابزار نرم‌افزاری curl، به رویترز گفته است که برخی نقص‌های کشف‌شده با هوش مصنوعی شرایط بهره‌برداری دشواری دارند. در مقابل، رامی رحمان از شرکت آرمورکد بر این نکته تاکید کرده است که افزایش شمار آسیب‌پذیری‌های افشاشده، به‌خودی‌خود افزایش حملات موفق را اثبات نمی‌کند. برای تحلیل بازار امنیت سایبری، شمار نقص‌های کشف‌شده یکی از شاخص‌ها است. تعداد سامانه‌های در معرض خطر، زمان انتشار (Patch) وصله و میزان نفوذهای تاییدشده نیز برای سنجش پیامد اقتصادی آن اهمیت دارند.
اثر مثبت بلندمدت هوش مصنوعی چیست؟
پس از کشف آسیب‌پذیری، سرعت اصلاح نرم‌افزار به ظرفیت عملیاتی سازمان وابسته است. وصله امنیتی، تغییر یا به‌روزرسانی‌ای است که نقص شناخته‌شده را برطرف می‌کند. شرکت توسعه‌دهنده می‌تواند اصلاحیه را منتشر کند، اما نصب آن به دسترسی به زیرساخت، آزمون سازگاری و برنامه‌ریزی برای تغییرات سامانه نیاز دارد. در شبکه‌های بزرگ، مدیران فناوری باید میان کاهش فوری خطر و حفظ پایداری خدمات هماهنگی برقرار کنند.
گسترش ابزارهای هوش مصنوعی، مسوولیت امنیت نرم‌افزار را میان چند گروه تقسیم می‌کند. شرکت‌های توسعه‌دهنده باید یافته‌های امنیتی را ارزیابی کنند و اصلاحیه‌های قابل استفاده در اختیار مشتریان بگذارند. پژوهشگران امنیتی در شناسایی نقص‌ها و گزارش مسوولانه آنها نقش دارند. سازمان‌های بهره‌بردار نیز باید دارایی‌های نرم‌افزاری خود را بشناسند، نسخه‌های فعال را ثبت کنند و برای نصب اصلاحیه‌ها برنامه داشته باشند.
متیو پرینس، مدیرعامل کلادفلر، در گفت‌وگو با رویترز پیش‌بینی کرده است که شرکت‌ها طی چند سال آینده بارها با وضعیت‌هایی روبه‌رو می‌شوند که واکنش امنیتی سریع می‌طلبد. او در کنار این نگرانی، احتمال اثر مثبت بلندمدت هوش مصنوعی را نیز مطرح کرده است. چراکه ابزارهای تازه می‌توانند ضعف‌هایی را آشکار کنند که سال‌ها در نرم‌افزارها باقی مانده‌اند. ارزش این دستاورد به توان صنعت برای تبدیل یافته‌ها به اصلاحات عملی بستگی دارد.
برای بازار خدمات دیجیتال، این روند هزینه امنیت را به یکی از اجزای مهم‌تر اداره کسب‌وکار تبدیل می‌کند. شرکت‌ها باید برای پایش مداوم، آزمون نسخه‌های تازه و واکنش به هشدارهای امنیتی منابع اختصاص دهند. سازمان‌هایی که خدمات عمومی و تجاری را روی زیرساخت‌های قدیمی ارائه می‌کنند، با فشار بیشتری برای به‌روزرسانی روبه‌رو خواهند شد. در چنین شرایطی، کیفیت مدیریت نرم‌افزار به اندازه کیفیت خود نرم‌افزار اهمیت پیدا می‌کند.
