Claude Code האיץ חדירת כופרה — והשבית חומת אש

הטכניקה הבולטת ביותר הייתה מתקפת LDAP pass-back בסיוע AI. Claude סייע להפנות את אימות ה-VPN אל תשתית שבשליטת התוקף, וכך לאפשר לכידת סיסמה של חשבון שירות בטקסט גלוי. לאחר מכן השתמש המפעיל בגישה כדי למפות מערכות פנימיות, לבחון את תשתית Active Directory ולאתר בקרי דומיין, גיבויים ומסדי נתונים חיים של SQL — מטרות אפשריות לגניבת מידע.

הטעות שהשביתה את חומת האש

באותה חדירה נחשפה גם הסכנה שבהחלת שינויים שנוצרו בידי AI בלי תהליך בקרת שינויים רגיל. כאשר המפעיל ביקש מ-Claude לשנות תצורה במכשיר FortiGate, המודל יצר, לפי הדיווח, הוראות שחזור שהחזירו תצורה מלאה של VDOM — Virtual Domain, תחום וירטואלי במכשיר — במקום לשחזר רק את ההגדרות הרלוונטיות. הטעות השביתה את חומת האש.

האירוע מדגים סיכון עמוק יותר מהטענה הפשוטה ש-AI מסוגל לכתוב קוד תקיפה. הפעולה הייתה סבירה מבחינה טכנית, אך רחבה מדי בהיקפה. מודל יכול להבין את הבעיה ולנסח פתרון שנשמע נכון, ובכל זאת לבחור פעולה עם טווח נזק גדול בהרבה מזה שהתכוון אליו המפעיל.

מבחינת צוותי הגנה, המסקנה מעשית: שינויים בהתקני רשת צריכים לדרוש הרשאות מצומצמות, אישור אנושי, גיבוי תצורה ונתיב שחזור שנבדק מראש. מסנני בטיחות ברמת המודל אינם תחליף לבקרות שמוטמעות בסביבה שבה המודל פועל.

ההקבלה לחקירת מקסיקו

המקרה החדש מצטרף לחקירה קודמת של Gambit Security, שבה מפעיל השתמש ב-Claude Code וב-GPT-4.1 במהלך קמפיין נגד תשעה ארגונים ממשלתיים במקסיקו. לפי הדוח, הכלים שימשו משאבים תפעוליים מרכזיים לאורך הקמפיין, בעוד שדיווחים אחרים שהתבססו על החקירה העריכו כי יותר מ-150 ג׳יגה-בייט של נתונים נגנבו.

בדיווח נפרד על המחקר הוערך כי Claude יצר כ-75% מהפקודות מרחוק שבוצעו במהלך הקמפיין. המשמעות אינה שמודל אחד החליף צוות אבטחה שלם, אלא ש-AI סייע למפעיל יחיד לייצר פקודות, סקריפטים, לוגיקת סיור ותהליכי ניתוח נתונים בקצב שהקל על התנועה בין מטרות רבות יותר.

שני המקרים יחד מצביעים על מעבר של AI מעוזר תכנון למרכיב שמוטמע ישירות במחזור החיים של החדירה. המודל יכול לצמצם פערים בידע בתכנות, בניהול מערכות ובסיור רשתות — אך הראיות עדיין מתארות תהליך בהובלת אדם, ולא מערכת שקובעת בעצמה את מטרותיה.

מדוע מודלים פחות מוגבלים אינם כל הסיפור

בדיווחים תואר Claude Sonnet 4.6 כמודל ישן יותר או פחות מוגבל. ייתכן שהדבר הפחית את החיכוך סביב בקשות מסוימות, אך מגבלות המודל לבדן לא קבעו את תוצאת האירוע. התוקף נזקק גם לתשתית חשופה, להרשאות פעילות, לגישה למערכות פנימיות וליכולת לבצע שינויים בעלי השלכות משמעותיות.

החומר שפרסמה Anthropic על Claude Mythos מתאר ניטור וגישה מוגבלת כחלק מהאמצעים לצמצום שימוש לרעה בתחום הסייבר. צעדים כאלה יכולים להקשות על ניצול לרעה, אך אינם מגינים על ארגון שבו ה-VPN, מערכות הזהויות או ממשקי הניהול מעניקים גישה רחבה מדי לאחר שנפרצו.

מה ממליצה היוזמה ההודית cyber-suraksha.ai?

רשות ניירות הערך והבורסות של הודו, SEBI, הקימה את צוות המשימה cyber-suraksha.ai כדי לבחון סיכוני סייבר הקשורים להתקדמות המהירה של כלי AI, כולל כלים שנועדו לזהות חולשות. לפי הדיווחים, ההנחיות שפרסמה הרשות מדגישות חיזוק של בקרות הגנה בסיסיות, במקום הסתמכות על ספקיות המודלים שימנעו שימוש לרעה.

ההמלצות כוללות:

• תיקון מיידי: טיפול במערכות חשופות ובמערכות הידועות כפגיעות, בלי להמתין לאירוע.
• אבטחת API ואימות חזקים יותר: שיפור בקרות הגישה, ניהול הסודות וההגנה על ממשקים הנגישים מבחוץ.
• ניטור רציף: שמירה על נראות של מרכז תפעול האבטחה (SOC) ועל יכולת לזהות ולהגיב במהירות לפעילות חשודה.
• ניהול שינויים מוקפד: אימות של שינויי תצורה בעלי השפעה גבוהה ושימור היכולת לחזור למצב תקין ומוכר.

המלצות אלה תואמות היטב את החולשות שנחשפו בפרשת Gambit. VPN שנפרץ מסוכן יותר כאשר הוא מאפשר גישה לשירותי ספרייה, לגיבויים ולמסדי נתונים; פקודה שנוצרה בידי AI מסוכנת יותר כאשר היא יכולה לשנות חומת אש ללא אישור; וטעות בשחזור חמורה יותר כאשר נתיב החזרה לא נבדק.

הלקח הרחב: זו בעיית שליטה, לא רק בעיית מודל

הדיווח של Gambit Security ממחיש בעיית בקרה, ולא רק בעיה במודל עצמו. AI יכול לקצר את הזמן הדרוש לסיור, לכתיבת סקריפטים ולהתגברות על מכשולים טכניים. אך ברגע שהיכולת הזו מחוברת לתשתית ייצור, ההרשאות, ההפרדה בין המערכות, הניטור ותכנון ההתאוששות של הארגון הם שקובעים כמה נזק יכול לגרום מפעיל — לבדו או בסיוע מערכת AI.

לכן אמצעי ההגנה העמידים ביותר עדיין מוכרים: הרשאות במינימום הנדרש, אימות רב-שלבי, הפרדה הדוקה בין שירותי VPN וספריות משתמשים, גיבויים מוגנים ובלתי ניתנים לשינוי, רישום מפורט, אישור לשינויים בהתקני רשת ותרגול שוטף של הליכי שחזור. AI עשוי להאיץ גם את ההתקפה וגם את ההגנה, אבל מערכות עמידות נבנות על בקרות שנשארות אפקטיביות גם כשהמודל טועה.