آیا بانکداری سنتی برای دفاع در برابر هوش مصنوعی آماده است؟

• هوش مصنوعی سرعت و فراوانی کشف یک آسیب‌پذیری را تغییر می‌دهد.
• خطر همچنین شامل تأمین‌کنندگان فناوری مؤسسات مالی می‌شود.

هک کیف‌پول‌های سخت‌افزاری Coldcard دوباره امنیت را در مرکز گفتگو درباره بیت‌کوین (BTC) قرار داد. با این حال، این اپیزود یک تمایز مهم را به جا گذاشت: پروتکل بیت‌کوین آسیب‌پذیر نشده است. حمله به ابزاری رسید که کاربران برای نگهداری وجوه خود استفاده می‌کنند.

این نکته به گسترش دیدگاه کمک می‌کند. هوش مصنوعی (IA) توانایی شناسایی و بهره‌برداری از آسیب‌پذیری‌ها را افزایش می‌دهد و این خطر فقط به اکوسیستم ارزهای دیجیتال مربوط نمی‌شود. بانکداری سنتی نیز به برنامه‌ها، نرم‌افزارها، تأمین‌کنندگان فناوری و سیستم‌های متصل وابسته است که می‌توانند به نقاط ورودی تبدیل شوند.

تفاوت در مقیاس پیامدها است. یک آسیب‌پذیری در یک دستگاه می‌تواند بر کاربران آن تأثیر بگذارد. در سیستم مالی، جایی که بانک‌های متعدد تأمین‌کنندگان، خدمات ابری و فناوری‌ها را به اشتراک می‌گذارند، یک نقص می‌تواند به طور همزمان چندین مؤسسه را تحت تأثیر قرار دهد و به یک مشکل ثبات مالی تبدیل شود. این نظریه‌ای است که نهادهای مختلف در ماه‌های اخیر شروع به هشدار درباره آن کرده‌اند.

در ماه مه، وزیر خزانه‌داری ایالات متحده، اسکات بسنت، نگرانی را به طور مستقیم به وال استریت منتقل کرد. پس از دیدار با رئیس فدرال رزرو (Fed)، جروم پاول، با مدیران بانک‌های بزرگ آمریکایی برای بحث در مورد قابلیت‌های مدل‌های پیشرفته هوش مصنوعی، از او پرسیده شد که آیا شهروندان باید نگران احتمال استفاده از این ابزارها برای هک حساب‌های بانکی باشند. پاسخ او کوتاه بود: "باید نگران باشند". وزیر خزانه‌داری ایالات متحده، اسکات بسنت. منبع: @NBCNews -- YouTube.

بسنت همچنین توضیح داد که یک جهش قابل توجه در قابلیت‌های مدل‌های بزرگ زبانی رخ داده است و نیاز به یافتن تعادل بین حفظ رهبری فناوری ایالات متحده و حفاظت از سیستم مالی آن را مطرح کرد.

مسئله دیگر پیدا کردن یک نقص نیست، بلکه این است که قبل از آن {#h-el-problema-ya-no-es-encontrar-una-falla-sino-hacerlo-antes}

گزارشی که در ماه ژوئن توسط محققان صندوق بین‌المللی پول (IMF) منتشر شد، کمک می‌کند تا درک کنیم چرا این هشدار فراتر از یک حساب بانکی فردی است.

به گفته این نهاد، تغییر اصلی که هوش مصنوعی ایجاد کرده است، لزوماً اختراع روش‌های جدید حمله نیست. آنچه تغییر می‌کند سرعت، فراوانی و وسعتی است که می‌توان آسیب‌پذیری‌ها را کشف و به طور بالقوه بهره‌برداری کرد.

این عامل یک مزیت را که در طول سال‌ها برای مدافعان وجود داشت، کاهش می‌دهد: زمان.

صندوق بین‌المللی پول به داده‌های CrowdStrike اشاره می‌کند که نشان می‌دهد فعالیت حمله‌کنندگان تحت حمایت هوش مصنوعی بین سال‌های 2024 و 2025 به میزان 89% افزایش یافته است، در حالی که زمان متوسطی که آنها برای جابجایی در یک شبکه پس از دسترسی نیاز داشتند به 29 دقیقه کاهش یافته است، که کاهشی معادل 65% است. در شدیدترین موارد، این حرکت در عرض چند ثانیه انجام شده است.

در اینجا یکی از بزرگ‌ترین دشواری‌ها برای بانکداری ظاهر می‌شود. سیستم‌های آنها ممکن است به روی عموم بسته باشند، اما ایزوله نیستند. بانک‌ها، بازارها و سیستم‌های پرداخت به پلتفرم‌های ابری، سیستم‌های عامل، نرم‌افزارهای مشترک و تأمین‌کنندگان فناوری وابسته‌اند.

در این راستا، FMI هشدار می‌دهد که این معماری باعث ایجاد "معرض همبسته" می‌شود. اگر چندین نهاد از یک مؤلفه آسیب‌پذیر مشابه استفاده کنند، هوش مصنوعی می‌تواند شناسایی و حمله به این ضعف را در چندین نهاد در یک دوره بسیار کوتاه تسهیل کند.

به عبارت دیگر، خطر دیگر تنها این نیست که یک مهاجم بتواند به یک بانک وارد شود. مشکل واقعی زمانی ظاهر می‌شود که همان در در بسیاری از بانک‌ها به طور همزمان وجود داشته باشد.

نمودار نشان می‌دهد که آسیب‌پذیری‌ها به طور فزاینده‌ای سریع‌تر مورد بهره‌برداری قرار می‌گیرند و قبل از اینکه فرصتی برای واکنش وجود داشته باشد (روز صفر). از سال ۲۰۱۸، نقاط به سمت روزهای کمتر و نسبت بیشتری از حملات حرکت کرده‌اند: در سال ۲۰۲۶، نرخ بیش از ۷۰٪ است، در حالی که زمان متوسط بهره‌برداری به صفر نزدیک می‌شود.
محور افقی زمان متوسط، به روزها، را نشان می‌دهد که یک نقص برای بهره‌برداری نیاز دارد. منبع: صندوق بین‌المللی پول (IA).

وال استریت در حال حاضر در حال جستجوی شکاف‌ها است {#h-wall-street-ya-esta-buscando-las-grietas}

هشدارها صرفاً نظری نیستند. بانک‌های بزرگ آمریکایی شروع به استفاده از ابزارهای پیشرفته هوش مصنوعی برای بررسی سیستم‌های خود کرده‌اند.

رویترز در ماه مه گزارش داد که نهادهایی مانند JPMorgan Chase، Goldman Sachs، Citigroup، Bank of America و Morgan Stanley به Mythos، یک مدل از Anthropic که در زمینه امنیت سایبری تخصص دارد، دسترسی پیدا کرده‌اند، همانطور که CriptoNoticias توضیح داده است. آزمایش‌ها شروع به شناسایی صدها یا حتی هزاران آسیب‌پذیری با خطر کم و متوسط کردند که بانک‌ها باید سریع‌تر از معمول به آن‌ها رسیدگی می‌کردند.

مشکل لزوماً پیدا کردن یک نقص بحرانی جداگانه نبود. Mythos توانایی اتصال چندین آسیب‌پذیری جزئی را نشان داد تا آن‌ها را به یک مسیر حمله خطرناک‌تر تبدیل کند، چیزی که ممکن است به زمان بیشتری برای یک تیم انسانی نیاز داشته باشد.

🤖 هوش مصنوعی Claude Mythos از Anthropic آسیب‌پذیری‌هایی را در HAWK، یک الگوریتم امضای دیجیتال پساکوانتومی که در حال حاضر توسط NIST ارزیابی می‌شود، کشف کرد. اگرچه این سیستم‌های فعلی را آسیب‌پذیر نمی‌کند، اما نقش هوش مصنوعی در این بخش را پیش‌بینی می‌کند. pic.twitter.com/XNYCx75tqf --- CriptoNoticias (@CriptoNoticias) ۲۹ ژوئیه ۲۰۲۶

خود گزارش FMI از این مدل به عنوان مثال جدیدی از سناریو استفاده می‌کند. در آزمایش‌ها، Mythos هزاران آسیب‌پذیری روز صفر با شدت بالا را شناسایی کرد و به طور خودکار یک شبیه‌سازی حمله شرکتی ۳۲ مرحله‌ای را تکمیل کرد، طبق مستندات ذکر شده توسط این نهاد.

هوش مصنوعی به این ترتیب دو روی خود را نشان می‌دهد. همان توانایی که به بانک اجازه می‌دهد یک آسیب‌پذیری را قبل از یک مهاجم پیدا کند، می‌تواند به مهاجم نیز اجازه دهد که آن را قبل از بانک پیدا کند. و در اینجا مسابقه آغاز می‌شود.

بانکداری همچنین در حال تقویت دفاع خود با هوش مصنوعی است {#h-la-banca-tambien-esta-armando-su-defensa-con-ia}

شورای ثبات مالی (FSB) به نتیجه مشابهی می‌رسد. در گزارش خود درباره پذیرش مسئولانه هوش مصنوعی در نهادهای مالی، این نهاد اشاره می‌کند که این فناوری‌ها می‌توانند "سهولت، فراوانی و تأثیر حملات سایبری" را افزایش دهند، در حالی که توانایی نهادها برای دفاع از خود را نیز بهبود می‌بخشند.

به همین دلیل، FSB دوازده شیوه خوب برای ادغام هوش مصنوعی در سیستم مالی پیشنهاد می‌کند، از جمله شامل سناریوهای حملات کمک‌شده توسط این ابزارها در آزمایش‌های امنیتی، تقویت تبادل اطلاعات و استفاده از خود هوش مصنوعی برای مدیریت ریسک‌های سایبری.

همچنین یک نقطه حساس دیگر وجود دارد: تأمین‌کنندگان.
استفاده از هوش مصنوعی به هکرها کمک می‌کند تا حملات خود را تسریع کنند. منبع: تصویر تولید شده با Grok.

بسیاری از مؤسسات به همان شرکت‌ها برای خدمات هوش مصنوعی، زیرساخت‌های ابری یا نرم‌افزارهای حیاتی وابسته هستند. صندوق بین‌المللی پول هشدار می‌دهد که این تمرکز می‌تواند نقاط شکست منحصر به فردی ایجاد کند. یک مشکل در یک تأمین‌کننده که به‌طور گسترده استفاده می‌شود می‌تواند به سرعت بین چندین نهاد گسترش یابد.

از سوی دیگر، FSB توصیه می‌کند که بانک‌ها به‌ویژه کیفیت داده‌ها، تداوم کسب‌وکار، زنجیره تأمین و تمرکز را هنگام استخدام خدمات هوش مصنوعی از طرف‌های ثالث ارزیابی کنند.

بیت‌کوین و بانکداری نقاط ضعف متفاوتی دارند {#h-bitcoin-y-la-banca-tienen-puntos-debiles-distintos}

Coldcard اجازه می‌دهد تا با دقت بیشتری به نقطه شروع بازگردید. این حمله ضعف پروتکل بیت‌کوین را نشان نداد.

در بانکداری نیز چیزی مشابه اتفاق می‌افتد، اگرچه با معماری کاملاً متفاوت. یک مهاجم همچنین نیازی به نفوذ به قلب کل سیستم مالی برای ایجاد آسیب ندارد. او می‌تواند یک نقص در یک تأمین‌کننده، یک برنامه، یک اعتبار یا یک مؤلفه‌ای که توسط چندین نهاد استفاده می‌شود پیدا کند.

این تفاوت این است که ارتباط قوی مالی سنتی می‌تواند عواقب را تشدید کند. صندوق بین‌المللی پول هشدار می‌دهد که هوش مصنوعی در حال افزایش خطر سایبری از یک مشکل عملیاتی به یک مسئله مرکزی برای ثبات مالی است، به‌ویژه به دلیل ترکیب زیرساخت‌های مشترک، تأمین‌کنندگان مشترک و قابلیت گسترش.

بنابراین، سؤال این نیست که آیا یک سیستم بسته به‌طور خودکار در برابر هوش مصنوعی محافظت شده است. همچنین این نیست که آیا هوش مصنوعی به‌طور اجتناب‌ناپذیری به نفع مهاجم است.

رقابت بر سر این است که چه کسی می‌تواند اولین نفری باشد که آسیب‌پذیری بعدی را پیدا و اصلاح کند. و زمانی که پول میلیون‌ها نفر به سیستم‌هایی بستگی دارد که به‌طور فزاینده‌ای فناوری را به اشتراک می‌گذارند، چند دقیقه تأخیر می‌تواند شروع به زیاد شدن کند.

برچسب‌ها: بیت‌کوین (BTC)هوش مصنوعی (AI)آخرین اخبارقیمت‌ها و تجارت