رجوع
2026/11/17
وكلاء ذكاء اصطناعي يسرقون المفاتيح لتمويل أنفسهم: نظرة من الداخل على حملات ARTEX
واجهات API خادعة من Amazon التقطت ملاحظات وكلاء ذكاء اصطناعي مهاجمين: مفاتيح مسروقة تموّل البحث عن مزيد من المفاتيح. ما الذي حدث، وما الذي يجب إصلاحه.
نشر فريق الأمن في Amazon تقريرًا نادرًا من نوعه عن التهديدات. فخوادمه الخادعة، المصممة لتبدو كواجهات API لنماذج ذكاء اصطناعي، استخدمتها وكلاء ذكاء اصطناعي مهاجمة بوصفها «عقلها» الخاص، وكانت هذه الوكلاء ترسل ملاحظات حملتها مع كل طلب. وللمرة الأولى تقريبًا، تمكّن المدافعون من قراءة الذاكرة العاملة للمهاجم. وما تكشفه هذه الملاحظات ليس هجومًا مستقبليًا بالذكاء الاصطناعي، بل إخفاقات قديمة في أساسيات النظافة الأمنية، يجري اكتشافها واستغلالها بسرعة أكبر وتكلفة أقل، بينما تدفع مفاتيح ذكاء اصطناعي مسروقة ثمن عملية البحث.
الفخ: واجهات API خادعة تقرأ ملاحظات المهاجمين
تدير Amazon شبكة كبيرة من أجهزة الاستشعار الخادعة تُسمّى MadPot. ويتنكّر بعضها في هيئة واجهات API شائعة للاستدلال من نماذج اللغة الكبيرة (LLM)، أي الخدمات التي يستدعيها التطبيق للحصول على إجابات من النموذج. وفي الفترة بين 3 أكتوبر و5 نوفمبر 2026، اتصلت وكلاء ذكاء اصطناعي بهذه الأفخاخ كما لو كانت مزوّد نماذج حقيقيًا.
يتعيّن على وكيل الذكاء الاصطناعي أن يرسل سياقه إلى النموذج في كل استدعاء. ولذلك تلقّت الأفخاخ تعليمات النظام الخاصة بالوكلاء، وسجلّ استخدامهم للأدوات، وحالة رسم المعرفة البياني لديهم، والنتائج التي أبلغوا عنها. أي أن المهاجمين أرسلوا خطة عملهم إلى Amazon بأنفسهم.
وبحسب Amazon، كانت الوكلاء تعمل على ARTEX، وهو إطار عمل مفتوح المصدر لاختبار الاختراق بوكلاء الذكاء الاصطناعي. وتقدّر Amazon، بدرجة ثقة متوسطة، أن الحملات نفّذتها عدة مجموعات منفصلة مرتبطة بالصين. ومن الأدلة التي تستند إليها: أوامر (prompts) مكتوبة بالصينية المبسّطة، وإعدادات المنطقة الزمنية للصين، و«خطوط حمراء» في التعليمات تستبعد أهدافًا في البر الرئيسي الصيني والنطاقات الحكومية. والثقة المتوسطة ليست دليلًا قاطعًا، وينبغي قراءة هذا الإسناد على هذا الأساس.
كما توضّح Amazon حدود ما تعرفه. فهي لم تشاهد الهجمات أثناء وقوعها، ولم ترَ إلا ما أرسلته الوكلاء إلى أجهزة الاستشعار التابعة لها، ولا يمكنها التحقق من النتائج التي ادّعت الوكلاء تحقيقها.
الحملة الأولى: مفاتيح مسروقة تموّل السرقة التالية
استهدفت الحملة الأكبر بيانات الاعتماد الخاصة بخدمات الذكاء الاصطناعي: مفاتيح API التي تستخدمها الشركات للدفع مقابل نماذج الذكاء الاصطناعي التجارية. وقد لاحقت الوكلاء نوعين من البرمجيات المستضافة ذاتيًا.
- بوابات LLM والوكلاء الوسيطة (proxies): One API وNew API وVeloera وSub2API وLiteLLM. تقف هذه البرمجيات أمام عدة مزوّدين للذكاء الاصطناعي وتحتفظ بجميع مفاتيحهم في مكان واحد.
- أدوات بناء تطبيقات الذكاء الاصطناعي وواجهات الدردشة: Dify وFastGPT وLangflow وRAGFlow وOpen WebUI وLobeChat وOllama.
لم تكن الأساليب جديدة. فقد بحثت الوكلاء عن:
- عمليات تثبيت جديدة لم يُطالب بها أحد بعد، حيث يصبح أول زائر هو المسؤول عن النظام؛
- صفحات الإدارة وإعدادات المزوّدين التي تستجيب دون تسجيل دخول؛
- بيانات اعتماد المسؤول الافتراضية، مثل المفتاح الرئيسي الافتراضي في LiteLLM؛
- ثغرات معروفة، منها Langflow CVE-2025-3248 وRAGFlow CVE-2026-28797؛
- تجاوز المصادقة عبر الترويسة isCliRequest في عائلة بوابات One API؛
- تزوير الطلبات من جانب الخادم (SSRF) للوصول إلى خدمات البيانات الوصفية السحابية وبيانات الاعتماد الخاصة بها؛
- أسرار متروكة في شيفرة JavaScript من جانب العميل، وخرائط المصدر (source maps)، ومسارات التصحيح، وملفات البيئة.
صنّفت الوكلاء ما عثرت عليه على مراحل: خيط أولي، ثم مفتاح مؤكَّد باستدعاء API ناجح، ثم مفتاح ذو أثر مقيس. أما المفاتيح المكشوفة للعامة منذ أكثر من 30 يومًا فاعتُبرت قليلة القيمة، على افتراض أن جهة أخرى تستخدمها بالفعل.
والجانب الذي ينبغي أن يقلق كل شركة تشغّل خدمات ذكاء اصطناعي هو الجانب الاقتصادي. فقد أُعيد إدخال المفاتيح الصالحة في بوابة النماذج الخاصة بالمهاجمين، بحيث تدفع المفاتيح المسروقة تكلفة استدلال الذكاء الاصطناعي الذي يشغّل البحث عن مزيد من المفاتيح. وتصف Amazon ذلك بأنه عملية ذاتية الاستدامة؛ إذ تحمّل الضحايا الفاتورة، بينما لم يكلّف استمرار الهجوم المهاجمين شيئًا يُذكر تقريبًا.
الحملة الثانية: التزييف العميق في مواجهة التحقق من الهوية
استخدمت الحملة الثانية النوع نفسه من الوكلاء ضد إجراءات «اعرف عميلك» (KYC) للتحقق من هوية العملاء لدى منصتين لتداول العملات المشفّرة. وأنتجت الوكلاء صورًا مزوّرة لوثائق هوية مع بيانات وصفية مزيّفة للكاميرا، ومقاطع فيديو بتقنية التزييف العميق في الوقت الفعلي لاجتياز فحوص الصورة الذاتية الحية. وفي إحدى الجلسات، بُني مسار تزييف عميق في الوقت الفعلي على بطاقة رسوميات استهلاكية واحدة، يعمل بمعدل 11.5 إطارًا في الثانية.
لكن ذلك لم ينجح. ففي كل محاولة سجّلتها الوكلاء، رفض الفحص الذي يجريه مزوّد خدمة التحقق من الهوية على الخادم مقطع التزييف العميق، حتى عندما أبقت أفضل محاولة الوجه في حدود 7 بكسل من الهدف. والدرس المستفاد أن الحكم النهائي يجب أن يصدر من الخادم، لا من أي شيء يمكن لجهاز المستخدم التحكم فيه.
لماذا تُعدّ بوابات الذكاء الاصطناعي أثمن الأصول
بوابة LLM مريحة لأنها تضع جميع مزوّدي الذكاء الاصطناعي خلف صفحة إدارة واحدة. وهذا بالضبط ما يجعلها الهدف الأفضل. فتسجيل دخول ضعيف واحد، أو عملية تثبيت لم يُطالب بها أحد، أو نقطة نهاية إعدادات مكشوفة، تكفي لتسليم جميع حسابات المزوّدين خلفها دفعة واحدة، ومعها حدود الإنفاق الخاصة بها.
كثير من هذه الأدوات يُثبَّت على عجل لمشروع تجريبي أو هاكاثون، ثم يُترك يعمل على الإنترنت. وغالبًا ما تبقى خارج نطاق التحديثات والمراقبة ومراجعات الصلاحيات المعتادة التي تشمل أنظمة الإنتاج. ووكلاء من طراز ARTEX تبحث عن هذه الثغرة تحديدًا، طوال اليوم، وبتكلفة منخفضة جدًا.
ما الذي يجب فعله الآن
- تعامَلوا مع بوابات الذكاء الاصطناعي وأدوات بناء تطبيقاته كأنظمة إنتاج. ضعوها خلف المصادقة، وخلف VPN أو شبكة خاصة حيثما أمكن. وأدرجوها في التحديثات والمراقبة ومراجعات الصلاحيات.
- أكملوا كل عملية تثبيت. أنشئوا حساب المسؤول فور التثبيت، وأزيلوا كلمات المرور والمفاتيح الرئيسية الافتراضية، بما في ذلك المفتاح الرئيسي الافتراضي في LiteLLM.
- أغلقوا واجهات الإدارة. يجب ألا تستجيب صفحات الإدارة وإعدادات المزوّدين أبدًا دون تسجيل دخول، ويجب ألا يمكن الوصول إليها من الإنترنت.
- طبّقوا تحديثات الثغرات المذكورة. أُصلحت الثغرة Langflow CVE-2025-3248 في الإصدار Langflow 1.3.0، وهي مدرجة في قائمة CISA للثغرات المستغلة فعليًا. أما RAGFlow CVE-2026-28797 فلا تذكر النشرة الأمنية إصدارًا مُصلَحًا لها، لكن بدءًا من RAGFlow 0.25.0 تعالج المكوّنات المتأثرة القوالب داخل بيئة Jinja2 المعزولة (sandbox)، لذا قوموا بالترقية إلى 0.25.0 أو أحدث. ولم نجد إصلاحًا منشورًا لتجاوز isCliRequest في One API، لذا أبقوا One API والنسخ المشتقة منه بعيدًا عن الإنترنت العام.
- غيّروا مفاتيح المزوّدين. إذا كانت بوابة أو تطبيق ذكاء اصطناعي مكشوفًا في أي وقت، فافترضوا أن مفاتيحه قد سُرقت. وغيّروها لدى كل مزوّد، لا في البوابة فقط.
- حدّدوا سقوفًا للإنفاق وتنبيهات. امنحوا كل مفتاح سقف ميزانية خاصًا به، وفعّلوا التنبيه عند أي إنفاق أو استخدام غير معتاد. فالفاتورة المفاجئة كثيرًا ما تكون أول مؤشر على سرقة مفتاح.
- أبقوا الأسرار خارج ما تنشرونه. افحصوا شيفرة JavaScript في الواجهة الأمامية، وخرائط المصدر، ومسارات التصحيح، وملفات البيئة بحثًا عن مفاتيح قبل كل إصدار.
- امنعوا إساءة استخدام خدمة البيانات الوصفية. على الخوادم السحابية، اشترطوا الإصدارات الأحدث من خدمة البيانات الوصفية المقاومة لهجمات SSRF (مثل IMDSv2 على AWS)، وقيّدوا صلاحيات دور المثيل.
- افحصوا المؤشرات. يتضمن تقرير Amazon عناوين IP رُصدت في الحملتين. ابحثوا عنها في سجلات البوابات وسجلات الويب لديكم.
الخلاصة
لم يبتكر ARTEX هجومًا جديدًا. بل أخذ كلمات المرور الافتراضية وصفحات الإدارة المفتوحة والبرمجيات غير المحدَّثة، وجعل استغلالها سريعًا ومستمرًا وذاتي التمويل. والدفاع هو نفسه كما كان دائمًا: أساسيات النظافة الأمنية، مع تطبيقها الآن على بوابات الذكاء الاصطناعي وأدواته أيضًا. افترضوا أن أي مفتاح مكشوف أو خطأ في الإعدادات سيُكتشف سريعًا، وأصلحوه قبل أن يُكتشف.
هل تريدون مساعدة في مراجعة مدى انكشاف أدوات الذكاء الاصطناعي والبوابات لديكم؟ تواصلوا مع فريق LOGIQ.
المصادر
- مدونة AWS Security: Amazon Threat Intelligence observes threat actors running cybercrime campaigns with ARTEX AI agents (13 نوفمبر 2026)
- NVD: CVE-2025-3248، تنفيذ تعليمات برمجية عن بُعد دون مصادقة في Langflow (أُصلحت في 1.3.0)
- النشرة الأمنية لـ RAGFlow رقم GHSA-vvwj-fvwh-4whx: CVE-2026-28797، حقن القوالب من جانب الخادم
- CISA: Known Exploited Vulnerabilities Catalog (كتالوج الثغرات المستغلة المعروفة)
Photo: Lucas Seebacher / Pexels
Global
Japan
Korea
China
Taiwan
Vietnam
Thailand
Indonesia
Portugal
Spain
France
Germany
Russia