الإجاباتمنشور22 المصادر
الذكاء الاصطناعي يدخل قلب الهجمات الإلكترونية: تسريع للقرصنة لا استقلال كامل
الذكاء الاصطناعي لا يستبدل أساليب الاختراق التقليدية، لكنه يجعلها أسرع وأقل كلفة وأكثر قدرة على التكيف. توضح FunkSec وRevengeHotels استخدام النماذج اللغوية في تطوير مكونات البرمجيات الخبيثة، بينما تُظهر LameHug تحولاً أكثر أهمية عبر الاستعانة بنموذج لغوي أثناء التنفيذ لتوليد أوامر الاستطلاع وجمع البيانات.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- الذكاء الاصطناعي لا يستبدل أساليب الاختراق التقليدية، لكنه يجعلها أسرع وأقل كلفة وأكثر قدرة على التكيف.
- توضح FunkSec وRevengeHotels استخدام النماذج اللغوية في تطوير مكونات البرمجيات الخبيثة، بينما تُظهر LameHug تحولاً أكثر أهمية عبر الاستعانة بنموذج لغوي أثناء التنفيذ لتوليد أوامر الاستطلاع وجمع البيانات.
- رصدت كاسبرسكي أكثر من 33,300 هجوم على الشركات الصغيرة والمتوسطة بين يناير وأبريل 2026، تنكرت خلالها البرمجيات الخبيثة في صورة خدمات ذكاء اصطناعي شائعة؛ بزيادة تقارب خمسة أضعاف عن الفترة نفسها من 2025.
- تحتاج المؤسسات إلى تجاوز الاعتماد على البصمات الثابتة، ومراقبة السلوكيات غير المعتادة مثل الاتصالات الصادرة إلى واجهات النماذج اللغوية، والبرمجة النصية المشبوهة، وسرقة بيانات الاعتماد وتجميع الملفات.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How is artificial intelligence becoming deeply embedded in cyberattacks, according to Kaspersky and other cybersecurity researchers, and wha. Article summary: AI is becoming an operational layer across the attack chain: it helps criminals write and revise code, tailor phishing, automate reconnaissance, and vary payloads at machine speed. The clearest current evidence supports . Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
أصبح الذكاء الاصطناعي طبقة تشغيلية داخل الهجمات الإلكترونية. فبإمكان المجرمين والجهات المرتبطة بالدول استخدام النماذج اللغوية الكبيرة لكتابة أجزاء من البرمجيات الخبيثة، وإعداد رسائل تصيد مقنعة، واستكشاف أخطاء الشيفرات، وإنتاج نسخ متعددة من الهجوم بسرعة تفوق أساليب العمل التقليدية.
لكن الأدلة المتاحة تقود إلى خلاصة أكثر دقة: الذكاء الاصطناعي يسرّع أساليب الهجوم المعروفة ويجعلها أكثر قابلية للتكيف، بدلاً من أن يحوّل كل هجوم إلى عملية مستقلة بالكامل.
التغيير الأساسي: ضغط دورة الهجوم
لا تزال معظم الاختراقات تعتمد على تقنيات مألوفة، مثل التصيد الاحتيالي، والبرمجيات النصية الخبيثة، وأحصنة الوصول عن بُعد، وسرقة البيانات. إلا أن الذكاء الاصطناعي يغيّر اقتصاديات هذه الأساليب عبر تقليل الوقت والخبرة اللازمين لإنتاجها.
فقد يستخدم المهاجم نموذجاً لغوياً لإنشاء شيفرة أولية، ثم ترجمة رسالة الاستدراج أو تخصيصها، وتعديل الشيفرة بعد اختبارها، وإنتاج نسخ مختلفة تستهدف جهات أو بيئات متعددة. وبهذا تصبح التجربة أقل كلفة، وتنخفض المدة بين فكرة الحملة وإطلاقها، بينما يرتفع عدد الهجمات المقنعة وتضيق نافذة الاستجابة أمام المدافعين.
وهنا تبرز أهمية التمييز بين المصطلحات. فليس كل هجوم يستخدم طُعماً يحمل طابع الذكاء الاصطناعي «هجوماً مدفوعاً بالذكاء الاصطناعي». وتكشف الحالات الأقوى عن مستويات مختلفة من التدخل، تبدأ بالمساعدة في كتابة الشيفرة وتصل إلى توليد أوامر مباشرة أثناء الاختراق.
FunkSec: تطوير برمجيات خبيثة بمساعدة الذكاء الاصطناعي
تقدم أبحاث كاسبرسكي حول مجموعة FunkSec مثالاً على بناء برمجيات خبيثة بمساعدة الذكاء الاصطناعي. فبرمجية الفدية، المبنية بلغة Rust، تجمع بين تشفير الملفات، واستخراج البيانات محلياً، والتنظيف الذاتي داخل ملف تنفيذي واحد. كما رصدت كاسبرسكي مؤشرات على توليد شيفرات بواسطة نماذج لغوية كبيرة في أدوات مرتبطة بها، من بينها مولّد كلمات مرور وأداة أساسية لهجمات حجب الخدمة الموزعة (DDoS). 28
39
ولا يعني ذلك أن نموذجاً لغوياً صمّم الحملة كاملة ونفذها وأدارها بصورة مستقلة. لكنه يوضح أن الذكاء الاصطناعي التوليدي قادر على المساهمة في إنتاج مكونات برمجية خبيثة فعّالة، بما يساعد المهاجمين على بناء حزمة أدوات أكثر تكاملاً مع قدر أقل من التطوير اليدوي.
RevengeHotels: الذكاء الاصطناعي يعزز سلسلة تصيد تقليدية
توضح حملة RevengeHotels في 2025 كيف يمكن للذكاء الاصطناعي تقوية أسلوب اختراق معروف بدلاً من استبداله. فقد رصدت كاسبرسكي هجمات استهدفت فنادق في البرازيل وأسواق ناطقة بالإسبانية، واستخدمت رسائل تصيد متنكرة في صورة طلبات حجز أو فواتير أو طلبات توظيف. وكان الضحايا يُوجَّهُون إلى مواقع تحاكي خدمات تخزين المستندات، حيث تؤدي البرامج النصية في النهاية إلى تثبيت أحصنة وصول عن بُعد، مثل VenomRAT. 30
31
36
وقالت كاسبرسكي إن جزءاً كبيراً من شيفرة العدوى الأولية وبرنامج التنزيل بدا وكأنه مُولَّد بواسطة وكلاء يعتمدون على نماذج لغوية كبيرة. 28 ومع ذلك، ظلت الحملة قائمة على هندسة اجتماعية مألوفة، وتشغيل البرامج النصية، وتسليم برمجية وصول عن بُعد. وتمثلت مساهمة الذكاء الاصطناعي في المساعدة على إنتاج أجزاء من سلسلة العدوى وتنويعها، بما قد يتيح للمهاجمين تكرارها عبر مناطق وأهداف مختلفة بكفاءة أكبر.
لذلك قد يكون وصف الحملة بأنها «مدفوعة بالذكاء الاصطناعي» مضللاً إذا استُخدم من دون شرح. ففي هذه الحالة تحديداً، كان توليد الشيفرة بمساعدة الذكاء الاصطناعي جزءاً من عملية تصيد تقليدية.
LameHug: نموذج لغوي داخل الهجوم نفسه
يتمثل التطور التقني الأهم في الأدلة المتاحة في برمجية LameHug، التي تشير إليها بعض التقارير أيضاً باسم PROMPTSTEAL. فهذه البرمجية لا تبدو فقط وكأنها كُتبت بمساعدة الذكاء الاصطناعي، بل تستخدم نموذجاً لغوياً أثناء التنفيذ.
وبحسب تحليلات استندت إلى تقارير فريق الاستجابة لطوارئ الحاسوب في أوكرانيا (CERT-UA)، تواصلت البرمجية مع واجهة Hugging Face البرمجية (API)، واستخدمت نموذج Qwen2.5-Coder-32B-Instruct من Alibaba Cloud لتوليد أوامر Windows بصورة ديناميكية. وتمكنت هذه الأوامر من جمع معلومات عن النظام والبحث عن مستندات Office تمهيداً لاستخراجها. 2
3
7
ويغيّر هذا الاستخدام اللحظي للنموذج سلوك البرمجية بثلاث طرق رئيسية:
- لا يلزم تثبيت تسلسل الأوامر كاملاً مسبقاً: إذ تستطيع البرمجية طلب أوامر بناءً على تعليماتها والبيئة التي تجدها على الجهاز.
- يمكن للهجوم الاستعانة بأدوات النظام العادية: لذلك قد يحتاج الكشف إلى التركيز على سلوك الأوامر وتسلسلها، لا على ملف خبيث مستقل ذي بصمة مميزة.
4
- تنشأ تبعية خارجية يمكن رصدها: فقد يصبح اتصال جهاز مُخترق بصورة غير معتادة بواجهة نموذج لغوي مؤشراً مهماً للجهات المدافعة.
ولا تثبت LameHug أن البرمجيات الخبيثة أصبحت مستقلة ذاتياً. لكنها تقدم دليلاً على إمكانية وضع نموذج لغوي داخل الحلقة التشغيلية للهجوم، بحيث يساعد النموذج في توليد إجراءات الاستطلاع وجمع البيانات في الوقت الفعلي.
خدمات الذكاء الاصطناعي تتحول إلى طُعم
لا يقتصر استخدام الذكاء الاصطناعي على مساعدة المهاجمين؛ إذ يُستخدم أيضاً كوسيلة استدراج. وبين يناير وأبريل 2026، رصدت حلول كاسبرسكي أكثر من 33,300 هجوم على الشركات الصغيرة والمتوسطة، تنكرت خلالها برمجيات خبيثة أو غير مرغوب فيها للحواسيب في صورة خدمات ذكاء اصطناعي شائعة. ووصفت كاسبرسكي الرقم بأنه يقارب خمسة أضعاف الإجمالي المقارن في 2025. 50
51
وتقيس هذه الأرقام برمجيات تنتحل صفة خدمات الذكاء الاصطناعي، ولا تثبت أن كل حمولة خبيثة جرى توليدها بالذكاء الاصطناعي أو أن نظاماً ذكياً أدار كل هجوم. والاستنتاج الأكثر تحفظاً هو أن المهاجمين يستغلون الثقة بالعلامات المعروفة في مجال الذكاء الاصطناعي، إلى جانب الانتشار السريع لهذه الأدوات داخل الشركات.
أما بالنسبة إلى الموظفين، فالمخاطر عملية ومباشرة: قد يصبح مولّد صور مزيف، أو تطبيق محادثة، أو مساعد إنتاجية، وسيلة لتوصيل البرمجيات الخبيثة. لذلك تظل سياسات تثبيت البرامج، ومصادر التنزيل الموثوقة، وضوابط حماية الأجهزة الطرفية ضرورية، حتى عندما يبدو الطُعم منتجاً قائماً على الذكاء الاصطناعي.
ماذا تقول الأرقام عن حجم التعرض؟
تُظهر بيانات كاسبرسكي الإقليمية أن التهديدات المستندة إلى الويب واسعة الانتشار، لكن لا ينبغي اعتبارها أعداداً لهجمات يقودها الذكاء الاصطناعي. ففي النصف الأول من 2026، قالت كاسبرسكي إن أنظمتها حجبت 5.7 مليون هجوم من موارد الإنترنت في جنوب أفريقيا، و4.5 مليون في كينيا، و1.6 مليون في نيجيريا. وسجلت تركيا أعلى نسبة من المستخدمين المتضررين من التهديدات المستندة إلى الويب في بيانات منطقة الشرق الأوسط وتركيا وأفريقيا (META)، بنسبة 22.8%. 14
وتشمل هذه القياسات تهديدات تصل عبر المواقع الإلكترونية والبريد الإلكتروني وخدمات الويب. وهي تثبت اتساع التعرض للهجمات الإلكترونية، لكنها لا تثبت أن الذكاء الاصطناعي كان سببها. ويساعد الحفاظ على هذا الفرق في منع تقديم إحصاءات التهديدات الإلكترونية العامة باعتبارها دليلاً على حملات مستقلة أو مولّدة بالذكاء الاصطناعي.
لماذا يهم التكيف أكثر من الاستقلالية؟
لا يتمثل الخطر الأمني الفوري بالضرورة في ظهور جيوش إلكترونية تتولى توجيه نفسها بالكامل، بل في تراكم تحسينات صغيرة عبر مراحل الهجوم:
- كتابة الشيفرة ومراجعتها بسرعة أكبر؛
- تكييف رسائل التصيد مع لغات وقطاعات وذرائع مختلفة؛
- تصحيح البرامج النصية وإعادة تغليفها بوتيرة أسرع؛
- تغيير سلوك البرمجية الخبيثة وفق البيئة المستهدفة؛
- تعديل الاستطلاع وجمع البيانات أثناء التنفيذ.
وبمجملها، يمكن لهذه الكفاءات أن تخفض كلفة إطلاق الاختراق، وتتيح إجراء عدد أكبر من التجارب. كما قد تساعد مشغلين أقل خبرة على تقليد تقنيات كانت تتطلب سابقاً معرفة متخصصة.
ويصبح الخطر أكثر حدة على المؤسسات التي تملك فرق أمن محدودة، أو كميات كبيرة من البيانات الحساسة، أو بيئات معقدة تضم أطرافاً ثالثة عديدة. لكن الادعاءات المتعلقة باختراق البنية التحتية الحيوية تحتاج إلى أدلة محددة على الاختراق والأثر ودور الذكاء الاصطناعي؛ فادعاء المهاجم وحده لا يؤكد أياً من هذه العناصر.
أولويات الدفاع أمام الهجمات المتكيفة
تشير الأمثلة السابقة إلى ضرورة اعتماد استجابة متعددة الطبقات تركّز على السلوك. وينبغي للمؤسسات مواصلة استخدام التوقيعات وحجب المؤشرات المعروفة، مع مراقبة الأنشطة التي قد تكشف عن هجمات مدعومة بالذكاء الاصطناعي أو قادرة على التكيف ديناميكياً.
ومن المؤشرات المفيدة:
- عمليات Python أو PyInstaller التي تجري اتصالات صادرة غير متوقعة بخدمات النماذج اللغوية؛
- مطالبات مشفرة بترميز Base64 أو استدعاءات API غير معتادة من أجهزة لا تستخدم عادةً خدمات التطوير أو الذكاء الاصطناعي؛
- سلاسل أوامر تجمع أدوات مثل
systeminfoوtasklistوdsqueryأو عمليات بحث متكررة عن الملفات؛ - تشغيل نصوص مشبوهة عبر JavaScript أو PowerShell أو مفسرات أخرى؛
- محاولات غير معتادة للوصول إلى بيانات الاعتماد، أو تجميع المستندات، أو نقل البيانات إلى الخارج؛
- تثبيت الموظفين تطبيقات أو أدوات متصفح تعتمد على الذكاء الاصطناعي من دون موافقة.
وتسلط إرشادات Splunk للكشف عن LameHug الضوء تحديداً على نشاط Python أو PyInstaller الذي يتصل بواجهة Hugging Face ويستخدم نموذج Qwen لتوليد الأوامر. 4 وهذا مثال عملي على قدرة المدافعين على رصد السلوك المحيط بالهجوم المدعوم بنموذج لغوي، بدلاً من انتظار ظهور بصمة ثابتة لبرمجية خبيثة.
الخلاصة
يترسخ الذكاء الاصطناعي داخل الهجمات الإلكترونية لأنه يجعل العمليات القائمة أسهل إنتاجاً وتخصيصاً وتعديلاً. وتوضح FunkSec وRevengeHotels تطوير برمجيات خبيثة بمساعدة الذكاء الاصطناعي، بينما تُظهر LameHug استدعاء نموذج لغوي أثناء اختراق حي. أما أرقام كاسبرسكي الخاصة بالشركات الصغيرة والمتوسطة فتوضح كيف يُستغل انتشار أدوات الذكاء الاصطناعي نفسها كطُعم للهجوم. 28
31
51
وعليه، فإن الوصف الأدق ليس أن «الذكاء الاصطناعي حلّ محل القرصنة التقليدية»، بل إنه أصبح طبقة لرفع الكفاءة والتكيف عبر التصيد، وتطوير البرمجيات الخبيثة، والاستطلاع، وسرقة البيانات. وعلى المدافعين الاستعداد لتنوع أكبر وتكرار أسرع للهجمات، مع الاستمرار في التمييز بين استخدام الذكاء الاصطناعي المثبت وبين جرائم إلكترونية تقليدية ترتدي فقط شعارات الذكاء الاصطناعي.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "الذكاء الاصطناعي يدخل قلب الهجمات الإلكترونية: تسريع للقرصنة لا استقلال كامل"؟
الذكاء الاصطناعي لا يستبدل أساليب الاختراق التقليدية، لكنه يجعلها أسرع وأقل كلفة وأكثر قدرة على التكيف.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
الذكاء الاصطناعي لا يستبدل أساليب الاختراق التقليدية، لكنه يجعلها أسرع وأقل كلفة وأكثر قدرة على التكيف. توضح FunkSec وRevengeHotels استخدام النماذج اللغوية في تطوير مكونات البرمجيات الخبيثة، بينما تُظهر LameHug تحولاً أكثر أهمية عبر الاستعانة بنموذج لغوي أثناء التنفيذ لتوليد أوامر الاستطلاع وجمع البيانات.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
رصدت كاسبرسكي أكثر من 33,300 هجوم على الشركات الصغيرة والمتوسطة بين يناير وأبريل 2026، تنكرت خلالها البرمجيات الخبيثة في صورة خدمات ذكاء اصطناعي شائعة؛ بزيادة تقارب خمسة أضعاف عن الفترة نفسها من 2025.
المصادر
me-en.kaspersky.comKaspersky uncovers the cyber threats defining the first half ...
securelist.comA new RevengeHotels campaign targets Latin America
kaspersky.comKaspersky discovers the return of RevengeHotels, leveraging AI in ...