אנטומיה של מתקפת ענן מונעת AI בזמן אמת: רועשת, מהירה ובכל מקום
אמ;לק
צוות התגובה לאירועים של Wiz חקר מתקפות המונעות על ידי AI, שהתמקדו בתשתיות ענן, קוברנטס, CI/CD וזהויות. ניתוח זה חושף את התנהגות המתקפות הללו ומציג דרכים לאיתורן. הבנת וזיהוי דפוסים אלו חיונית להגנת מערכות ענן מודרניות מפני איומי AI מתקדמים.
סיכום בעברית: מערכת VibeSec · מדיניות המקורות
נוסף ל-VibeSec:
כותרת מקורית: Loud, Fast, and Everywhere: Anatomy of a Real AI-Driven Cloud Attack

התוכן המלא בעברית
תרגום אוטומטי מהמקור; מונחים טכניים נשארו באנגלית. לנוסח המחייב — הכתבה המקורית.
במהלך השבועות האחרונים, צוות Wiz Customer Incident Response (CIRT) הבחין במגמה ברורה בחקירותיו: התקפות מבוססות AI נמצאות במגמת עלייה. בכמה חדירות אחרונות, מערכת סוכן AI לא רק סייעה לתוקף מאחורי המקלדת, אלא ניהלה את כל המבצע. היא מצאה נקודות כניסה, אספה אישורים, ביצעה תנועה רוחבית בין פלטפורמות וניפתה באגים בסקריפטים של עצמה תוך כדי תנועה, כשהיא מובילה את הקמפיין מתחילתו ועד סופו.
הפריצות הללו אינן נראות כמו קמפיינים מסורתיים. הן רועשות, נעות במהירות מכונה ונוגעות בכל שכבה של ערימת הענן. האתגר של צוותי ההגנה אינו שהתקפות אלו אינן נראות, אלא שטביעת הרגל שלהן מפוצלת בין ספקי זהות, מטוסי בקרת ענן (Control Planes), מערכות CI/CD ויומני עומסי עבודה, כך שאף התראה בודדת אינה מספרת את הסיפור המלא.
פוסט זה בבלוג בוחן תחילה את המאפיינים שמבדילים התקפות מבוססות AI מפריצות מסורתיות המופעלות על ידי אדם. לאחר מכן, הוא סוקר דוגמאות מהעולם האמיתי מתוך חקירות של Wiz CIRT ולבסוף, מתאר מה נדרש מצוותי אבטחה כדי לזהות ולהגיב לתוקפים הפועלים במהירות מכונה.
מאפיינים של התקפות מבוססות AI
התקפות מבוססות AI מתנהגות בצורה שונה גם מפריצות המופעלות על ידי אדם וגם מהתקפות אוטומטיות מסורתיות מבוססות סקריפטים. בעוד שסקריפטים מבצעים שלבים מתוכנתים מראש בצורה עיוורת, ומפעילים אנושיים פועלים לאט וברצף, סוכני AI משלבים מהירות מכונה עם חשיבה הקשרית. במהלך חקירות רבות, Wiz CIRT זיהה קבוצה חוזרת של מאפיינים המייחדים אותם.
• קצב תפעול - הפעילות יכולה להגיע למאות או אלפי פעולות בשעה ונמשכת לאורך זמן ללא הפסקות או דפוסי שעות עבודה האופייניים למפעיל אנושי.
• פעילות בו-זמנית על פני מספר פלטפורמות - הסוכן פועל במספר סביבות בו-זמנית. בזמן שמשימה אחת מבצעת מיפוי (enumeration) למשאבי ענן, משימות אחרות פורסות עומסי עבודה של Kubernetes, יוצרות צינורות (pipelines) של CI/CD או מבצעות שאילתות למסדי נתונים, הכל מאותו מקור ובאותו חלון זמן. מפעיל אנושי עובד בדרך כלל על סביבה אחת בכל פעם, וסקריפטים מסורתיים כמעט ואינם חוצים גבולות סביבה בו-זמנית.
• מיומנות בין פלטפורמות - סוכן ה-AI משתמש ב-APIs ובכלים המקוריים של כל פלטפורמה שאליה הוא מגיע, כולל ספקי ענן, תזמור קונטיינרים, מערכות CI/CD, מסדי נתונים, ספקי זהות ותורי הודעות. למפעילים אנושיים יש לעיתים רחוקות ידע מעמיק בכל אלו בבת אחת.
• שרשור אישורים (Credential chaining) בין סביבות - מכיוון שלסוכן יש שליטה טבעית בכל כך הרבה טכנולוגיות, כל אישור הופך למקפצה לפלטפורמה הבאה. לדוגמה, אסימון (token) של חשבון שירות ב-Kubernetes מוביל לחשבון שירות ענן, שמוביל למערכת CI/CD, שבסופו של דבר מעניקה גישה מנהלתית מלאה.
• ניסוי וטעייה מהירים - בעוד שתוקפים הסתמכו על סקריפטים במשך שנים, כאשר סקריפט נכשל, תיקונו לוקח זמן. כאשר סוכן מנהל את הפעולה, לולאת המשוב כולה מתרחשת בזמן אמת. אם ניסיון נכשל, הסוכן קורא מיד את השגיאה, משכתב את הסקריפט שלו תוך כדי תנועה ומנסה שוב תוך דקות, כאשר כל ניסיון חדש מתקן ישירות את מה שגרם לכישלון הקודם.
• מוסכמות שמות לבדיקות אבטחה - משאבים, קבצים ומטענים (payloads) שנוצרו על ידי התוקף מסומנים באופן עקבי במונחים כמו pentest, probe, recon, redteam ו-exfil. מסגור זה כנראה מסייע לתוקף להציג את הפעילות כבדיקת אבטחה מורשית, ובכך לעקוף את מעקות הבטיחות של מודל ה-AI.
• מזהי משימות מספריים - רבים מהמשאבים, המשתמשים והקבצים שנוצרו במהלך המתקפה כוללים מזהה מספרי, ואותו מספר מופיע לעיתים קרובות על פני מספר ארטיפקטים קשורים. ניסיונות כושלים מופעלים שוב תחת אותו מספר עם סיומת אות (לדוגמה: b-, c-, d-). נראה שמזהים אלו הם מזהי משימות פנימיים שהסוכן משתמש בהם כדי לעקוב אחר העבודה שלו.
• דפוסי קוד שנוצרו - תוקפים אנושיים ממעטים להוסיף הערות לסקריפטי ניצול קצרי מועד. קוד שחולץ מהתקפות אלו כולל בדרך כלל כותרות תיאוריות והערות ממוספרות שלב-אחר-שלב, ואותן פונקציות עזר מופיעות בשימוש חוזר בעשרות מטענים. שניהם תוצאה ישירה של האופן שבו הקוד נוצר על ידי המודל.
בתוך חקירה: כיצד נראית התקפת AI בפועל
התקפות מבוססות AI אינן עוקבות אחר נתיב נקי וליניארי. הסוכן עובד על פני פלטפורמות רבות במקביל וחוזר לאחור בכל פעם שנפתחת גישה חדשה, כך שציר זמן מסורתי אינו תופס כיצד המתקפה התפתחה. במקום זאת, קטע זה עובר על שלבים מרכזיים מהתקפת AI שנחקרה על ידי Wiz CIRT, ומדגיש היכן המאפיינים שתוארו לעיל נכנסו לתמונה.
היעד היה ארגון עם סביבת Multi-cloud גדולה. הסוכן פעל ממספר כתובות IP בשליטת התוקף ועבר כמעט בכל שכבה של הסביבה: ספקי ענן, אשכולות Kubernetes, צינורות CI/CD ו-GitOps, ספק זהות, ניהול סודות, מחסני נתונים ויישומים פנימיים. במהלך המתקפה, הוא אסף אישורים וסודות, ניגש לנתונים רגישים והשתמש במגוון ערוצים כדי להוציא את הנתונים אל מחוץ לסביבה.
גישה ראשונית: מנסים כל דלת
במהלך המתקפה, התוקף חקר מספר שירותים חשופים לאינטרנט באמצעות טכניקות שונות. הוא שלח מטעני ניצול עבור פגיעויות ידועות, ניסה גישה אנונימית לאחסון ענן ועבד דרך ה-API של כלי פיתוח פנימי חשוף. שם הוא ניסה ליצור חשבון מנהל, להפעיל איפוס סיסמאות, לקרוא קבצים מקומיים באמצעות Path Traversal ולהעלות קובץ בדיקה ששמו כולל את הקידומת pentest.
אחד מוקטורי הגישה הראשוניים שאושרו היה פגיעות RCE (ביצוע קוד מרחוק) ב-Java במופע חשוף של Kafka UI. פקודות Shell הופעלו מתהליך ה-Java של האפליקציה, ולאחריהן בוצעה פריסה של תוכנות זדוניות והקמת ערוץ C2.
גם לאחר שהשיג דריסת רגל, הסוכן לא הפסיק לסרוק: הוא המשיך לחפש נקודות כניסה חלופיות במקביל כדי להבטיח נתיבים מיותרים לרשת. יש לציין כי אותה כתובת IP מקורית נצפתה סורקת יותר מ-600 סביבות של לקוחות Wiz נוספים במהלך אותו חלון זמן, מה שמתיישב עם אוטומציה אופורטוניסטית רחבת היקף.
דריסת רגל בתוך עומסי עבודה
ברגע שהסוכן השיג יכולת הרצת קוד בנקודת קצה חשופה, הוא רדף אחר שלוש מטרות כמעט מיד:
• שמירה על גישה - פריסת דלתות אחוריות (backdoors) וסוכני C2 למספר פודים (pods) על פני אשכולות מרובים.
• איסוף אישורים - חילוץ אסימוני חשבון שירות של Kubernetes, חיפוש משתני סביבה אחר מחרוזות כגון token, secret, key ו-pass, ושאילתת ה-Instance Metadata Service (IMDS) כדי לאסוף אישורים מחשבון שירות הענן המצורף לצומת (node).
• מיפוי נגישות פנימית - סריקת מתווכי הודעות (message brokers) פנימיים, רישום סכימות ומסדי נתונים כדי לקבוע לאילו שירותים ניתן להגיע מתוך מרחב השמות של הרשת של הפוד.
אישורים שנאספו אלו הפכו לנקודת הכניסה העיקרית לתנועה רוחבית לתוך מישור השליטה בענן.
פעילות במישור השליטה בענן (Cloud Control Plane)
הסוכן פעל בשתי סביבות הענן של הארגון, GCP ו-AWS, בקצב שאף מפעיל אנושי לא יכול היה לעמוד בו. באמצעות מפתחות גישה ואישורי חשבון שירות שהושגו מחלקים מוקדמים יותר של המתקפה והתחזות לזהויות אחרות, תוקף ה-AI ביצע תחילה סיור רחב.
ב-GCP, הוא השתמש לרעה בחשבון שירות שהוגדר עם הרשאות ליצירת אסימונים, והפך אותו למנוע הנפקה אוטומטי שיצר אישורים עבור עשרות זהויות ברצף מהיר. במקביל, הסוכן סרק רישומי קונטיינרים בלולאה מתמשכת, ניסה להוציא רשומות ממסדי נתונים בעלי ערך גבוה ופרס שירותי Cloud Run נגישים לציבור עם הקידומת pentest-.
באותו זמן ב-AWS, הסוכן מינף את AWS Systems Manager (SSM) כדי לבצע פקודות על פני מופעים בסביבה. דרך SSM, הוא ניסה להתחבר למסדי נתונים באמצעות אישורים שנאספו, עבר לרוחב באמצעות SSH, אסף סודות נוספים והכין הוצאת נתונים לדלי (bucket) ששמו pentest-<task_id>. כדי לבסס התמדה חוצת-חשבונות, הוא יצר משתמש IAM חדש עם הקידומת probe והשתמש בו כדי לבצע Assume Role ל-OrganizationAccountAccessRole, ובכך קיבל גישה מנהלתית בין חשבונות בארגון ה-AWS.
ספק זהות: הפיכה ל-Insider
במקום להסתמך רק על אישורים גנובים, הסוכן יצר זהות משלו. באמצעות מפתח API מנהל שנפרץ עבור ספק הזהות של הארגון (IdP), הוא ביצע שינויים בצורה פרוגרמטית: יצירת משתמש עם הקידומת pentest, הגדרת סיסמה, הפעלת החשבון והוספתו לקבוצת המנהלים.
כאשר ה-IdP החזיר שגיאות במהלך התהליך, הסוכן איתר את התקלה וטיפל בה תוך כדי תנועה. עם זהות תקינה בידיו, הוא הרחיב את רדיוס הפיצוץ שלו באמצעות חברויות בקבוצות. הוא הוסיף את המשתמש לקבוצות תפקידים בענן הממופות ישירות לתפקידי AWS IAM Identity Center, ולאחר מכן לקבוצות ארגוניות רחבות שהעניקו גישה בירושה לאפליקציות ארגוניות. דקות ספורות לאחר השינוי האחרון בקבוצה, הזהות החדשה נכנסה ל-AWS באמצעות Single Sign-On (SSO), תוך שמירה על הפעלות אימות מתמשכות עד להשעיית החשבון.
ניצול לרעה של CI/CD ו-GitOps
פלטפורמות CI/CD ו-GitOps הפכו למנועי הביצוע העיקריים של הסוכן. חמישה זרמי עבודה נפרדים רצו בו-זמנית, כאשר הפלט של כל אחד מזין את האחרים:
• איסוף סודות - איסוף סודות מכל מקור שהיה נגיש: מאגר הסודות של פלטפורמת ה-CI/CD עצמה, Secrets ו-ConfigMaps של Kubernetes, משתני סביבה של רצים (runners), נקודות קצה של מטא-נתונים בענן, כספות (vaults), שכבות Docker Image, ומסדי נתונים שנפתחו על ידי זרמי עבודה אחרים.
• מיפוי נגישות - פריסת סקריפטי סיור לרצים ולפודים כדי לקבוע למה כל אחד יכול להגיע ואיזו זהות הוא נושא.
• Credential spraying - שילוב הפלט של שני זרמי העבודה הראשונים, תוך ניסוי האישורים שנאספו מול היעדים שהסוכנים הצליחו למצוא: מסדי נתונים, APIs של ענן, שירותי OAuth פנימיים, אשכולות Kubernetes ונקודות קצה לתשלומים.
• ניצול שירותים - חקירת שירותים נגישים כדי להבין כיצד הם פועלים, אילו זרימות אימות הם מצפים לקבל וניסיון להשתמש בהם.
• הרחבת כוח מחשוב - פריסת רצים ופודים חדשים, תנועה רוחבית באמצעות מפתחות SSH וכלי ביצוע מרחוק מקוריים, והזנת כל עמדה חדשה בחזרה לזרמי העבודה האחרים.
ברגע שאישור חדש הופיע, הוא נבדק מול כל היעדים המוכרים עד שהגישה אושרה, וברגע שיעד חדש הפך לנגיש, כל האישורים הידועים נבדקו מולו.
הסוכנים לא ביצעו Credential spraying בצורה עיוורת. הם השתמשו בהקשר מזרמי עבודה מוקדמים כדי לבחור את הרץ המתאים לכל פעולה. ברגע שלמדו שרץ ספציפי יכול להגיע ליעד, כל פעולה שלאחר מכן כנגד אותו יעד נותבה דרך אותו רץ. כאשר אישור חדש הופיע ממקור שונה לחלוטין, הוא נוסה אוטומטית מהרץ שכבר היה ידוע כבעל גישה לסביבה הרלוונטית.
ה-Pipelines והמניפסטים נשאו שמות כמו pentest_exfil, recon, foothold, dump-remaining ו-harvest, עם מזהי משימות מספריים. ניסיונות כושלים נוסו שוב תחת אותו מזהה עם סיומת אות, והקוד בתוך כל מטען היה מובנה עם הערות שלב-אחר-שלב ושימוש חוזר בפונקציות עזר. בעוד ששתי הפלטפורמות הציעו מודלים שונים של תשתית וביצוע, אותם זרמי עבודה רצו בשתיהן.