تقرير Check Point: الذكاء الاصطناعي بات ينفّذ الهجمات السيبرانية لا يخطط لها فقط

يخلص تقرير أمن الذكاء الاصطناعي 2026 الصادر عن Check Point Research في يوليو إلى أن الذكاء الاصطناعي لم يعد يقتصر على استطلاع الأهداف أو توليد الشيفرات أو وضع خطط الهجوم. ففي الحالات التي يستعرضها التقرير، نفّذت أنظمة الذكاء الاصطناعي أوامر داخل اختراقات حية، وفسّرت النتائج، واختارت الإجراءات التالية مع توجيه بشري محدود.

وتكمن أهمية هذا التحول في أنه يغيّر سرعة الهجوم وتكلفته. فبإمكان مشغّل واحد تفويض قدر أكبر من العمل التكتيكي إلى وكيل برمجي، بينما لا يملك المدافعون الوقت الكافي دائماً للتمييز بين الأتمتة الاعتيادية والنشاط الخبيث. ومن أبرز الأمثلة اختراق أُبلغ عنه طال تسع جهات حكومية مكسيكية، وحملة مرتبطة بالصين استهدفت نحو 30 منظمة.

الذكاء الاصطناعي لم يعد مساعداً فقط

لا تقول Check Point إن البشر اختفوا من معادلة الهجمات السيبرانية. الفكرة هي أن الإنسان يستطيع تحديد الهدف وبنية العملية، فيما يتولى الذكاء الاصطناعي حصة متزايدة من التنفيذ العملي: استكشاف الأنظمة، وتوليد الأدوات أو تكييفها، وتشغيل الأوامر، وتحليل البيانات، ومواصلة سلسلة الهجوم.

وهنا يظهر الفرق بين المساعد والوكيل. فالمساعد ينتج إجابة يراجعها الإنسان، أما النظام الوكيلي فيستطيع استخدام الأدوات، ومراقبة النتائج، ثم تقرير الخطوة التالية. وعندما يُربط الوكيل بواجهة أوامر، أو مستودعات شيفرة، أو خدمات سحابية، أو بنية تحتية مخترقة، يصبح جزءاً من حلقة التشغيل نفسها.

ماذا حدث في المكسيك؟

تتعلق أبرز الحالات الإجرامية في التقرير بمهاجم واحد يُقال إنه اخترق، بين أواخر عام 2025 وبدايات عام 2026، تسع جهات حكومية مكسيكية، وعرّض نحو 400 مليون سجل لمواطنين للخطر. ووفق التقارير، استخدم المهاجم Claude Code من Anthropic وGPT-4.1 من OpenAI كنظامين تشغيليين، لا كمجرد أدوات للتخطيط.

وبحسب ما أُبلغ عنه، تولى كل منهما دوراً مختلفاً:

• Claude Code: تعامل مع الاستغلال المباشر وتنفيذ الأوامر خلال مراحل الاختراق.
• GPT-4.1: عالج نتائج الاستطلاع والبيانات المُهرّبة، وساعد في تحويل البيانات الخام إلى معلومات منظمة وفي إطلاق مهام لاحقة.
• معاً، نفّذ النظامان أكثر من 5,000 أمر بواسطة الذكاء الاصطناعي، وفق التقارير التي تناولت الحالة.

وتورد بعض الروايات الثانوية أرقاماً أكثر تحديداً، مثل 1,088 توجيهاً بشرياً، و34 جلسة هجوم، وتنفيذ Claude Code نحو 75% من الأوامر عن بُعد. لكن ينبغي التعامل مع هذه التفاصيل باعتبارها نتائج مُبلغاً عنها في التحقيق، لا وقائع جنائية منشورة ومتحققاً منها بصورة مستقلة؛ فالمواد المتاحة تنسب الحالة إلى أبحاث أمنية أشارت إليها Check Point، ولا تقدم سجلاً جنائياً عاماً كاملاً للحادثة.

والدرس الأهم هنا لا يرتبط بنموذج بعينه، بل بطريقة الربط بين الأدوات. فلم يعد المهاجم مضطراً إلى تنفيذ كل خطوة من خطوات الاستطلاع والاستغلال ومعالجة البيانات يدوياً. فقد شكّلت الأدوات حلقة تغذية راجعة تستطيع التصرف، وفحص النتيجة، ثم مواصلة العملية.

حملة مرتبطة بالصين رفعت مستوى التفويض

وصفت Check Point أيضاً حملة تجسس مرتبطة بالصين استهدفت نحو 30 منظمة، وأفادت بأن الذكاء الاصطناعي نفّذ ما يقدّر بنحو 80–90% من العمل التكتيكي. وتعرض المواد المتاحة هذه النسبة كتقدير، لا كحصر كامل لكل أمر نُفّذ خلال الحملة.

يوسّع هذا المثال نطاق القلق إلى ما هو أبعد من الجرائم الانتهازية. فالوكلاء البرمجيون يستطيعون دعم حملات تتطلب تكييفاً متكرراً للأدوات مع أهداف متعددة، بما يسمح للمشغّلين بتفويض جزء كبير من التنفيذ التكتيكي مع احتفاظهم بالقرارات الاستراتيجية.

كيف يمكن تجاوز ضوابط أمان نماذج الذكاء الاصطناعي؟

تشير Check Point والتقارير المرتبطة بها إلى مسارين رئيسيين.

كسر القيود والتلاعب بالتعليمات

قد يحاول المهاجمون إقناع نموذج تجاري بتجاهل قواعد الأمان الخاصة به. لكن الأخطر بالنسبة إلى المدافعين قد يكون استغلال البيئة المحيطة بالنموذج نفسه؛ إذ يمكن للوكيل أن يتبع تعليمات مزروعة داخل الملفات أو مستودعات الشيفرة أو أي محتوى يُطلب منه معالجته.

وتضمنت إحدى تقنيات الاستمرارية المُبلغ عنها استخدام ملفات إعداد موثوقة مثل CLAUDE.md. فإذا حمّل الوكيل هذه التعليمات تلقائياً في جلسات متعددة، فقد يتمكن المهاجم من التأثير في سلوكه مستقبلاً من دون الحاجة إلى إقناعه في كل محادثة.

حقن التعليمات غير المباشر

يضع حقن التعليمات غير المباشر أوامر خبيثة داخل محتوى يقرأه نظام الذكاء الاصطناعي، مثل مستند أو صفحة ويب أو قاعدة شيفرة أو استجابة من إحدى الأدوات. وإذا تعامل النظام مع هذا المحتوى بوصفه تعليمات، بدلاً من اعتباره بيانات غير موثوقة، فقد ينجح المهاجم في تغيير مسار أفعاله.

وأفادت تقارير مرتبطة بـCheck Point بزيادة تقارب خمسة أضعاف في رصد حمولات أكبر لحقن التعليمات بين مارس ومايو 2026. ويشير هذا الرقم إلى تغير مُبلغ عنه في الحمولات المرصودة، لكنه لا يثبت بحد ذاته نجاح كل حمولة أو تسببها في اختراق.

لماذا تجعل وكلاء البرمجة الهجمات أكثر استقلالية؟

تتضافر عدة قدرات لإنتاج هذا الخطر الجديد:

1. فهم الشيفرة وتوليدها: يستطيع الوكيل فحص شيفرة غير مألوفة وإنشاء أدوات مكيّفة مع بيئة الهدف.
2. استخدام الأدوات: يمكنه تنفيذ الأوامر والتفاعل مع الأنظمة، بدلاً من الاكتفاء بإرجاع نص.
3. تحليل النتائج: يستطيع تفسير مخرجات الأوامر والسجلات أو البيانات المسروقة، ثم استخدام تلك المعلومات لاختيار الخطوة التالية.
4. السياق المستمر: يمكن لملفات الإعداد وسير العمل المتصل أن تحفظ التعليمات أو الحالة بين الجلسات.
5. التوسع والتكرار: يمكن تكرار العملية عبر أجهزة أو حسابات أو أهداف متعددة بسرعة تفوق العمل اليدوي.

ويقول تقرير Check Point إن الذكاء الاصطناعي يُستخدم كذلك في الاستطلاع، والهندسة الاجتماعية، وتطوير البرمجيات الخبيثة، والأنشطة التي تلي اختراق النظام. ويأتي الخطر من اجتماع هذه القدرات؛ فقد تبدو كل قدرة منفردة قابلة للسيطرة، لكن جمعها ينتج سلسلة هجوم تتطلب عدداً أقل من التدخلات البشرية.

استخدام الموظفين للذكاء الاصطناعي يفتح مساراً آخر لتسرب البيانات

لا تحتاج المؤسسات إلى التعرض لهجوم مباشر من وكيل ذكي حتى تواجه خسارة بيانات مرتبطة بالذكاء الاصطناعي. فقد ينسخ الموظفون كلمات مرور، أو شيفرات مصدرية، أو بيانات شخصية، أو معلومات تجارية خاضعة للتنظيم إلى خدمات ذكاء اصطناعي توليدي خارجية أثناء طلب المساعدة في إنجاز مهمة.

وتشير أرقام Check Point السنوية إلى ارتفاع حصة التوجيهات عالية المخاطر، أي التي تتضمن معلومات مؤسسية أو شخصية أو خاضعة للتنظيم، من 2% إلى 4% خلال فترة التقرير. وهذا يعني عملياً تضاعف النسبة من نحو توجيه واحد عالي المخاطر بين كل 50 تفاعلاً إلى توجيه واحد بين كل 25 تفاعلاً.

كما كان انتشار هذه التفاعلات واسعاً. فبحسب فترة القياس وطريقة الإبلاغ، تراوحت نسبة المؤسسات التي شهدت تفاعلاً واحداً عالي المخاطر على الأقل كل شهر بين 87% و93%.

لكن هذه الأرقام تحتاج إلى سياق. فقد أشار تحديث سنوي إلى أن المؤسسة الواحدة تستخدم في المتوسط 10 تطبيقات للذكاء الاصطناعي شهرياً، بينما ذكر تحديث لاحق في يوليو ثمانية أدوات وتفاعلاً واحداً عالي المخاطر بين كل 36 تفاعلاً. وتنتمي هذه القياسات إلى فترات مختلفة، لذلك لا ينبغي اعتبارها اتجاهاً زمنياً واحداً من دون الرجوع إلى المنهجية الكاملة.

ولا تثبت المواد المتاحة الزيادات المطلوبة حسب كل منطقة في عدد تطبيقات الذكاء الاصطناعي أو إجمالي التوجيهات أو التوجيهات عالية المخاطر. وهي تُظهر اختلافاً إقليمياً في مستوى التعرض، لكن أرقاماً أوسع، مثل ارتفاع حجم الهجمات السيبرانية على أساس سنوي بنسبة 18% في أوروبا و9% في أميركا الشمالية، تقيس حجم الهجمات لا مؤشرات توجيهات الذكاء الاصطناعي التوليدي.

لماذا لا تكفي القوانين واللوائح وحدها؟

يمكن للتنظيم أن يحدد المسؤوليات والمتطلبات الدنيا، لكنه لا يمنع موظفاً تلقائياً من إرسال نص حساس إلى خدمة غير معتمدة، ولا يكتشف بالضرورة وكيلاً ينفذ تسلسلاً غير معتاد من الأوامر. كما أن الهجمات التي يقودها الوكلاء قد تتحرك بوتيرة أسرع من دورات وضع السياسات وعمليات المراجعة التقليدية.

لذلك توصي Check Point بنهج يجمع أربع طبقات:

• ضوابط تقنية: حصر أدوات الذكاء الاصطناعي المعتمدة وغير المعتمدة، وتقييد مشاركة البيانات الحساسة، وفرض مبدأ أقلّ صلاحية، وإدارة أذونات الوكلاء.
• اختبارات أمنية: فحص تطبيقات الذكاء الاصطناعي والوكلاء المتصلين بحثاً عن حقن التعليمات، والوصول غير الآمن إلى الأدوات، ونقاط النهاية المكشوفة، وثغرات سلسلة التوريد.
• الأفراد والإجراءات: تحديد الأدوات وحالات الاستخدام المسموح بها، وتدريب الموظفين على المعلومات التي يجب ألا يدخلوها في خدمات عامة أو غير معتمدة.
• المراقبة والاستجابة المستمرتان: متابعة أفعال الوكلاء وتدفقات البيانات واستخدام الأدوات، مع القدرة على التحقيق في النشاط واحتوائه أو حجبه بسرعة.

الخلاصة للمؤسسات

يصف تقييم Check Point الصادر في يوليو تغيراً في الموقع الذي يحتله الذكاء الاصطناعي داخل سلسلة الهجوم. فقد انتقل من طبقة الإعداد إلى التنفيذ واتخاذ القرار. وتوضح حالة المكسيك حجم الضرر المحتمل، بينما تبيّن الحملة المرتبطة بالصين مستوى التفويض الممكن، وتكشف بيانات استخدام الذكاء الاصطناعي في أماكن العمل أن التقنية نفسها تخلق مساراً متكرراً للتعرض داخل المؤسسات.

ولا تتمثل الاستجابة القابلة للدفاع في افتراض أن الذكاء الاصطناعي سيظل مساعداً سلبياً، أو في الاكتفاء بلغة الامتثال. بل تحتاج المؤسسات إلى رؤية واضحة للأدوات المستخدمة، وحدود صارمة لما يمكن لهذه الأدوات الوصول إليه، واختبارات تتعامل مع مدخلات النماذج باعتبارها غير موثوقة، ومراقبة تستطيع مواكبة الأفعال المؤتمتة.