SecFlow: الذكاء الاصطناعي ينسّق حملة التجسس، لكنه لا يستبدل المخترقين

تُظهر النتائج التي نشرتها Hunt.io عملية تجسس مدعومة بالذكاء الاصطناعي، لا عملية «اختراق ذاتية» بالكامل. فقد عمل إطار يُدعى SecFlow على تفكيك الهدف العام للحملة إلى مهام متخصصة، مع الاحتفاظ بسياق تشغيلي مشترك وتنسيق عمّال مدعومين بنماذج لغوية. لكن اختيار الأهداف وأساليب العمل ظل بيد مشغلين بشريين، فيما أنجزت أدوات الاختراق المألوفة أنشطة التسلل والثبات داخل الأنظمة. 2

ما الذي كانت تفعله SecFlow؟

بحسب Hunt.io، كان بإمكان SecFlow تحويل هدف واسع إلى مهام منفصلة للاستطلاع، والتحقق من الثغرات، والاستغلال، وجمع البيانات، وإعداد التقارير. وتشارك العمّال إعدادات الهدف والملفات وسجل الجلسات ومسارات الوكيل والنتائج المولدة ومخرجات التقارير؛ أي إنها وفّرت مساحة عمل تشغيلية قابلة لإعادة الاستخدام، بدلاً من أوامر منفصلة ومعزولة. 2

وتفيد التهيئة المستعادة بأن المشغلين استطاعوا التبديل بين ملفات تعريف تحمل أسماء Claude وQwen وDeepSeek من دون تغيير واجهة المهام. وشملت حركة البيانات نقاط نهاية خاصة ضمن نطاق niestools.com، إلى جانب مسارات مباشرة نحو خدمات DeepSeek وAlibaba DashScope/Qwen. وهذه النقطة مهمة: وجود هذا المزيج من المسارات لا يثبت أن كل نشاط نُفّذ عبر واجهات رسمية لمزودي النماذج. 2

وقالت Hunt.io إن النشاط المستعاد شمل أهدافاً في تايوان وإندونيسيا والبر الرئيسي الصيني وفيتنام، بينها بيئات حكومية وتعليمية وقنصلية وصناعية. 2

التنسيق بالذكاء الاصطناعي لم يُلغِ أدوات الاختراق المعتادة

يبدو أن SecFlow كانت طبقة تنسيق فوق نشاط هجومي تقليدي، وليست نظاماً يبتكر هجمات جديدة وينفذها وحده. رصدت Hunt.io سير عمل يعتمد على فئات ثغرات معروفة ومواد إثبات مفهوم متاحة للعامة، واستخدام بيانات اعتماد، ونصوص برمجية، ومكونات ASPX متاحة عبر الويب، وحمولات برمجية، وبرمجيات مزروعة مخصصة. 2

ومن بين المكونات التي ظهرت بعد الاختراق، برمجية مزروعة مكتوبة بلغة Go أطلقت عليها Hunt.io اسم SecBox، ورُصدت إلى جانب واجهات ويب خفية وأدوات أخرى. وتشير الأدلة المعلنة إلى أن هذه الأدوات التقليدية وفرت الوصول والقدرة التشغيلية، بينما ساعدت SecFlow في ترتيب المهام وتوزيعها وتوثيقها. 2

لذلك، فإن وصف القضية بأنها «اختراق ذاتي بالكامل» قد يكون مضللاً. يمكن للذكاء الاصطناعي أن يقلّص عبء التنسيق ويُسرّع البحث المتكرر أو التحقق من النتائج، لكن الحملة تبقى معتمدة على قرارات المشغلين، والاستغلالات الموجودة مسبقاً، وأساليب البرمجيات الخبيثة المعروفة.

روابط البنية التحتية وحدود الإسناد

ربطت Hunt.io خمس مساحات عمل مكشوفة للمهاجمين عبر نقطة SOCKS مشتركة تتطلب مصادقة. وشملت الصلات المبلغ عنها تطابق محتوى الملفات، وآثاراً مشتركة لـSecFlow وGLUTTON، وحسابات أعيد استخدامها، وعلاقة تسليم بين بيئة MySQL مزيفة ومضيف لحمولة المرحلة الثانية. وقدّرت الشركة أن البيئات أدت أدواراً مختلفة، منها تنسيق الذكاء الاصطناعي، واختبار الاستغلال، وإلغاء تسلسل MySQL المزيف، واختبار بيانات الاعتماد، وتوزيع الحمولات. 2

كما دفعت ملاحظات وآثار مكتوبة بالصينية المبسطة، إلى جانب الاستخدام المتكرر لمعرّف Nie في حسابات خدمة النماذج الخاصة والوكيل، Hunt.io إلى تقييم النشاط على أنه مرتبط بمشغلين ناطقين بالصينية. لكن هذه مؤشرات تحقيق مهمة، لا دليل مستقل على هوية شخص أو مجموعة بعينها أو جهة حكومية راعية. 2

خطأ Apache Shiro: كيف تنتشر النتيجة الخاطئة بين الوكلاء؟

توضح الحملة خطراً أساسياً في الأنظمة متعددة الوكلاء: استنتاج وسيط خاطئ قد يتحول إلى حقيقة مفترضة لدى كل العاملين في المراحل اللاحقة.

أفادت Hunt.io بأن أحد العمّال ادعى نجاح استغلال Apache Shiro من دون أدلة كافية. ثم تعاملت مهام GLUTTON اللاحقة مع الادعاء بوصفه حقيقة مؤكدة، ما أفضى إلى أكثر من 27 اختبار متابعة فاشلاً. 2

والدرس للمدافعين، ولمن يبنون مسارات عمل عالية الحساسية تعتمد على وكلاء الذكاء الاصطناعي، واضح: توجيه المهام والذاكرة المشتركة يجعلان النظام أسرع، لكنهما قد يضخمان أيضاً النتائج غير المتحقق منها. لذلك، لا بد من نقاط تحقق مستقلة قبل الانتقال من الاكتشاف إلى الاستغلال أو جمع البيانات أو اتخاذ قرارات المعالجة.

ما الذي تأكد في حالة منطقة فنغتاي؟

وصفت Hunt.io بيئة حكومية في منطقة فنغتاي بأنها أوسع اختراق مؤكد ضمن المواد التي حللتها. وقالت إن المهاجمين نفذوا أوامر، ووصلوا إلى سجلات حكومية وصحية، وجمعوا ذاكرة LSASS وخلايا سجل ويندوز، ونشروا عدة برمجيات مزروعة على ويندوز. 2

ووصف الباحثون أيضاً ملف تفريغ لذاكرة LSASS بحجم يقارب 75.8 ميغابايت وُضع في مستودع مرفقات لنظام مكتبي، ثم استُرجع عبر معالجات ASPX باستخدام مسار الوكيل المشترك. وتدعم الأدلة المتاحة اعتبار المعالجات المتاحة عبر الويب والبرمجيات المزروعة المنشورة، ومنها SecBox، مكونات مرتبطة بالوصول أو الثبات. لكنها لا تثبت آلية تشغيل تلقائي محددة — مثل خدمة بعينها أو مهمة مجدولة أو مفتاح Run في السجل — لكل برمجية مزروعة. 2

علاقتها بحملات سابقة استخدمت الذكاء الاصطناعي

وصفت Hunt.io نشاط SecFlow صراحة بأنه حملة ثانية ومنفصلة عن تقريرها الصادر في يوليو/تموز 2026 حول مشغلين مشتبه بهم ناطقين بالصينية استخدموا Claude Code وDeepSeek ضد أهداف حكومية ومالية في أربع دول. اختلفت البنية التحتية والأدوات والأهداف بين الحملتين، لكنهما تشتركان، بحسب التقرير، في توظيف نماذج تجارية بوصفها مكونات تشغيلية. 220

وتشبه هذه الحالة، من ناحية الأسلوب التشغيلي، إفصاح Anthropic في نوفمبر/تشرين الثاني 2025 عن حملة تجسس منسقة بالذكاء الاصطناعي، نسبتها الشركة إلى مجموعة قالت إنها مدعومة من الدولة الصينية وأطلقت عليها اسم GTG-1002. وذكرت Anthropic أن الحملة استخدمت Claude Code لمحاولة التسلل إلى نحو 30 هدفاً، ووظفت الذكاء الاصطناعي في مراحل شملت الاستطلاع والعمل على الثغرات والاستغلال والوصول إلى بيانات الاعتماد وتحليل البيانات واستخراجها والتوثيق. 46

لكن التشابه هنا تشغيلي لا إسنادي. لا يثبت التقرير المتاح أن مشغلي SecFlow هم GTG-1002، ولا أنه يثبت أن خدمة Claude الرسمية من Anthropic دعمت نشاط SecFlow مباشرة. ولهذا تكتسب الفروق بين المرحلات الخاصة وتكوين واجهات البرمجة المختلط أهمية خاصة. 246

الخلاصة

تبرز SecFlow نمطاً عملياً قريب المدى: يمكن للمهاجمين استخدام نماذج متعددة كعمّال قابلين للتبديل للتخطيط والتنسيق، مع الإبقاء على بنية تقليدية للاستغلال والبرمجيات الخبيثة. وفي الوقت نفسه، لا ينبغي المبالغة في تصوير هذه الحملات كأتمتة من دون إشراف. قد تأتي فعاليتها من سرعة تقسيم المهام وتكرارها، لكن افتراضاً ضعيفاً أو نتيجة غير مؤكدة يمكن أن تنتشر بسرعة ما لم يكتشفها إنسان أو مسار تحقق صارم. 2