איך DeepSeek הפך למכפיל כוח עבור האקרים המקושרים למדינה הסינית

השורה התחתונה: AI כמכפיל כוח, לא בהכרח כהאקר אוטונומי

קבוצות תקיפה המקושרות למדינה הסינית הגדילו ביותר מפי שניים את היקף הפעילות שלהן לאחר ששילבו את DeepSeek ומודלי בינה מלאכותית אחרים בקוד פתוח בעבודה השוטפת — כך לפי חברת המודיעין הסייברי הטייוואנית TeamT5. 457

המשמעות אינה בהכרח ש-DeepSeek מנהל לבדו כל חדירה. לפי הממצאים, הבינה המלאכותית מסייעת בעיקר לבצע במהירות ובזול משימות חוזרות, כמו איסוף מידע, סריקת חולשות וכתיבת קוד. כך מפעילים קיימים יכולים לפנות ליותר מטרות ולהרחיב את היקף הניסיונות, בלי להחליף לחלוטין את השליטה האנושית. 457

באילו שלבים נעשה שימוש ב-AI?

TeamT5 זיהתה שימוש בכלי AI בכמה שלבים של שרשרת התקיפה: החל מסיור ואיסוף מידע על מטרות, דרך סריקת חולשות ופיתוח קוד לניצולן, ועד פעילות לאחר חדירה לרשת. החברה הסתמכה על סקריפטים ויומני פעילות שנאספו מקמפיינים עדכניים, אך הדגישה שלא תמיד ניתן לזהות בוודאות איזה מודל שימש בכל אירוע. 47

ההסתייגות הזו חשובה: הנתון שלפיו היקף התקיפות גדל ביותר מפי שניים הוא הערכה של TeamT5 לגבי הקבוצות שנבדקו, ולא ספירה מקיפה של כלל מתקפות הסייבר המקושרות לסין. בנוסף, מספר גדול יותר של ניסיונות אינו מוכיח בהכרח שמספר החדירות המוצלחות או היקף הנזק גדלו באותו שיעור. 57

למה דווקא DeepSeek?

לפי הניתוח שדווח, DeepSeek היה אטרקטיבי עבור הפעילות הזו בזכות שילוב של כמה תכונות:

• ביצועים מספקים למחקר, תכנות ומשימות מבצעיות;
• עלות הפעלה נמוכה, שמאפשרת שימוש חוזר ובהיקף גדול;
• אפשרות להתאמה אישית, המזוהה עם מודלי קוד פתוח;
• מגבלות בטיחות סייבר חלשות יחסית, כך שנדרש פחות מאמץ כדי לקבל או להתאים סיוע שעלול לשמש לפגיעה. 27

לכן, המודל החזק ביותר אינו בהכרח הכלי המשתלם ביותר עבור תוקפים. לפי TeamT5, מודלים מתקדמים יותר, כמו Kimi K3 של Moonshot, עשויים להיות פחות נוחים לשימוש מבצעי בגלל עלויות גבוהות יותר ומנגנוני הגנה מחמירים יותר. עם זאת, המידע הזמין אינו מוכיח ש-Kimi K3 שימש באירועים שנבדקו. 7

ארבע דוגמאות לשימוש שנחשף

Grimfengxi: יצירת קוד לניצול חולשות

קבוצת Grimfengxi השתמשה לפי הדיווחים ב-DeepSeek כדי ליצור קוד לניצול חולשה במערכת. זהו שימוש מתקדם יותר מאיסוף מידע בלבד: המודל סייע להפיק קוד שנועד לנצל פגם במערכת יעד. 7

Teleboyi: מיפוי מטרות ברשת

קבוצת Teleboyi השתמשה ב-DeepSeek כדי לאסוף מהאינטרנט כ-1,000 כתובות IP ולמפות את הדומיינים של ארגון יעד. מדובר בשלב המכונה סיור — בניית תמונה של התשתית לפני ניסיון החדירה. עצם מיפוי התשתית אינו מוכיח שהתרחשה חדירה מוצלחת. 7

Huapi: תקיפת מערכת דוא״ל בטייוואן

לפי TeamT5, קבוצת Huapi השתמשה במודל AI סיני נגד מערכת הדוא״ל של חברה טייוואנית. החוקרים סברו שסביר כי מדובר ב-DeepSeek, אך לא הצליחו לזהות את המודל באופן חד-משמעי. המקרה ממחיש את הקושי לייחס מתקפה למודל מסוים רק על בסיס הקוד או ההתנהגות שנצפו. 7

Slime22: שימוש ב-Claude Code לאחר החדירה

השימוש ב-AI לא הוגבל למודלים סיניים או בקוד פתוח. לפי דיווחים הקשורים ל-TeamT5, קבוצת Slime22 פרצה לחברת טכנולוגיה טייוואנית, התקינה ברשת Kali Linux — מערכת הפעלה וכלים המשמשים לבדיקות חדירה — והשתמשה ב-Claude Code של Anthropic כדי לסייע בתנועה רוחבית בתוך הרשת. לפי הטענה, המפעילים הציגו את הפעילות כבדיקות הנדסיות מורשות במטרה לעקוף את מנגנוני ההגנה. 7

המקרה הזה מדגיש מדוע צוותי הגנה אינם יכולים להתמקד במודל אחד או במדינת מקור אחת. תוקפים עשויים לשלב מודלים מקומיים או בקוד פתוח עם שירותים מסחריים מערביים, בהתאם למשימה ולמגבלות שבהן הם נתקלים.

שוק רחב יותר של תקיפות בסיוע AI

TeamT5 תיארה גם מערכת רחבה יותר של כלים ושירותים סביב תקיפות סייבר בסיוע בינה מלאכותית. לפי הדיווחים, סטארט-אפ סיני המעסיק כ-10 עובדים מכר תוכנת חדירה במחיר של 300 אלף עד 500 אלף יואן — כ-44,500 עד 74,000 דולר — לפחות לארבע קבוצות האקרים. באחת התקיפות נעשה לפי הדיווחים שימוש גם ב-ChatGPT. 7

גם קבוצת Kimsuky המקושרת לצפון קוריאה נבדקה בהקשר של ניסוי במודלי AI המופעלים באופן מקומי. הפעלה מקומית עשויה להעניק למפעילים שליטה רבה יותר במודל ובמידע שלו, וכן להפחית את התלות בשירותים חיצוניים ובמערכות שמזהות שימוש לרעה. עם זאת, הדיווחים תומכים בטענה שהמודלים נבדקו — ולא קובעים עד כמה הם היו יעילים בפעילות מבצעית אמיתית. 7

Anthropic דיווחה בנפרד כי AI עשוי להוריד את רף הכניסה לפשיעת סייבר מתוחכמת, ולאפשר גם לגורמים בעלי מיומנויות טכניות מוגבלות לבצע פעולות שבעבר דרשו מומחיות רבה יותר. המסקנה משתלבת בתמונה שמציגה TeamT5: הסיכון המיידי אינו בהכרח מערכת יחידה וחזקה במיוחד, אלא מפעילים רגילים שמקבלים גישה מהירה יותר לכתיבת קוד, סריקת מטרות ואוטומציה של תהליכי עבודה.

OpenAI מסרה כי היא פועלת לזהות, למנוע ולשבש ניסיונות להשתמש לרעה במודלים שלה. 7

מה המחקר מוכיח — ומה עדיין לא

הממצאים של TeamT5 מצביעים על השפעה תפעולית ברורה: תהליכי עבודה בסיוע AI עשויים להגדיל את מספר התקיפות שקבוצה מנסה לבצע, בכך שהם מטפלים במשימות חוזרות. אבל אין לקרוא את הנתונים כהוכחה לכך ש-DeepSeek ביצע באופן אוטונומי כל אחת מהחדירות שדווחו.

שלוש מגבלות מרכזיות ראויות לתשומת לב:

1. הזיהוי של המודל אינו מלא. החוקרים אינם יכולים לקשר באופן אמין כל סקריפט, פקודה או חדירה למערכת AI מסוימת. 47
2. היקף ניסיונות אינו זהה להיקף הצלחות. יותר ניסיונות אינם מעידים כשלעצמם על יותר פריצות או על נזק גדול יותר.
3. הנתונים מתייחסים לקבוצות ולקמפיינים שנצפו. ההערכה של יותר מפי שניים היא ממצא מדווח של TeamT5, ולא מדידה מקיפה של כל פעילות הסייבר המקושרת למדינה הסינית. 7

המסקנה המצומצמת יותר — וגם המעשית יותר — היא ש-AI זול וניתן להתאמה מקל על שחקנים מנוסים להפוך חלקים מתהליך התקיפה לתעשייתיים. ארגוני הגנה צריכים להניח שסיור, יצירת קוד ופעילות לאחר חדירה עשויים להתבצע במהירות רבה יותר באמצעות מגוון מודלים, ולא רק באמצעות DeepSeek.