Autonoomsed tehisintellekti agendid ründasid Taiwani riiklikke süsteeme

Taiwani valitsusasutused langesid neljapäevase küberrünnaku ohvriks, mille viisid läbi autonoomsed tehisintellekti agendid. Ründaja suutis ise planeerida 12 rünnakulainet, kompromiteerides 85 kontot ja hankides ligi 2500 töötaja andmed.

Taiwani riiklikud IT-süsteemid langesid ulatusliku küberrünnaku ohvriks, mida viisid nelja päeva jooksul läbi autonoomsed tehisintellekti agendid. Iisraeli turvafirma Dream Research Labs avastas, et ründaja suutis iseseisvalt planeerida ja ellu viia 12 järjestikust rünnakulainet, mille tulemusena kompromiteeriti 85 kasutajakontot ja pääseti ligi sisestele riiklikele võrkudele.

Operatsiooni ulatus ja eesmärgid

Analüüsi kohaselt jättis ründav süsteem endast maha üle 1395 faili, mis võimaldasid uurijatel rünnaku käiku rekonstrueerida. Süsteem kasutas korraga kuni kaheksat agenti, kes jaotasid omavahel ülesanded alates infrastruktuuri kaardistamisest kuni API-de sihikindla ärakasutamiseni. Rünnaku käigus ekstraheeriti andmebaasidest 2564 kirjet, mis sisaldasid nii töötajate nimesid, osakondade infot kui ka juurdepääsuidentifikaatoreid.

Sissetungijad kasutasid peamiselt nõrku turvakonfiguratsioone, sealhulgas turvamata API-liideseid, mis ei nõudnud autentimist. Samuti kasutati ära puudulikke paroolipoliitikaid, kus süsteem genereeris automaatselt tuhandeid kombinatsioone, millest 85 osutusid edukaks. Enamik neist kontodest võimaldas ligipääsu riigiasutuste sisevõrkudele, hallatavatele paneelidele ja seadmete juhtimisliidestele.

Iseseisev taktikavalik ja õppimine

Operatsiooni eripära seisnes tehisintellekti võimes ise otsuseid langetada. Süsteem kasutas Bayesi tõenäosussüsteemi, et hinnata erinevate rünnakuvektorite edukust. Kui teatud meetod, näiteks SQL-sissepritse katse, ei andnud soovitud tulemust, märgiti see "valepositiivseks" ja välistati. Vastupidiselt suunati ressursid nendesse punktidesse, kus süsteem hindas õnnestumise tõenäosuseks üle 70 protsendi.

Kui ründaja kohtas takistusi, aktiveeris ta iseseisvad õppimistsüklid. Süsteem analüüsis GitHubi repositooriume ja turvauuringuid, et leida sobivaid haavatavusi konkreetsete sihtmärkide jaoks. See võimaldas ründajal mitte lihtsalt korrata vigu, vaid kohaneda reaalajas kaitsemeetmetega.

Kaitsemehhanismide möödaminek

Süsteemi arendajad maskeerisid pahatahtlikud toimingud tavapärase turvatestimise nime alla, mis võimaldas vältida tehisintellekti mudelitesse sisse ehitatud turvapiiranguid. Uuringu kohaselt olid ründajad tõenäoliselt hiinakeelsed operaatorid, viidates tööfailides kasutatud keelekasutusele ja dokumentatsioonile.

Ehkki süsteem üritas sisestada serveritesse koodi kaugkäivitamiseks, blokeerisid riiklikud turvasüsteemid selle katse. Siiski õnnestus ründajatel saada püsiv juurdepääs andmetele, sealhulgas konfiguratsioonidele ja sisemistele võrguseadistustele, mis muudab edasise kaitse keeruliseks.