<?xml version="1.0" encoding="utf-8"?>
<!-- generator="استوديو خبر (سيستم جامع انتشار خبر و اتوماسيون هيئت تحريريه) نسخه 3.0" -->
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
    <channel>
        <title>ايتنا - آخرين عناوين امنيت :: نسخه کامل</title>
        <description><![CDATA[تهيه شده توسط سايت خبری فناوری اطلاعات (ايتنا)]]></description>
        <link>https://www.itna.ir/security</link>
        <lastBuildDate>Wed, 12 Aug 2026 23:42:23 GMT</lastBuildDate>
        <generator>استوديو خبر (سيستم جامع انتشار خبر و اتوماسيون هيئت تحريريه) نسخه 3.0</generator>
        <image>
            <url>https://www.itna.ir/skins/default/fa/normal/ch01_newsfeed_logo.gif</url>
            <title>ايتنا - آخرين عناوين امنيت :: نسخه کامل</title>
            <link>https://www.itna.ir/security</link>
            <width>100</width>
            <height>70</height>
            <description><![CDATA[تهيه شده توسط سايت خبری فناوری اطلاعات (ايتنا)]]></description>
        </image>
        <language>fa</language>
        <copyright>نقل و نشر مطالب با ذکر نام سايت خبری فناوری اطلاعات (ايتنا) آزاد است.</copyright>
        <pubDate>Wed, 12 Aug 2026 23:42:23 GMT</pubDate>
        <category>امنيت</category>
        <ttl>60</ttl>
        <atom:link href="https://www.itna.ir/rssj8.12u9vuk119bqtw25g..suzsfi.uf4uvl4.xml" rel="self" type="application/rss+xml" />
        <item>
            <title>چگونه تماس‌های کلاهبرداری با هوش مصنوعی را در چند ثانیه تشخیص دهیم؟</title>
            <link>https://www.itna.ir/news/90784/چگونه-تماس-های-کلاهبرداری-هوش-مصنوعی-چند-ثانیه-تشخیص-دهیم</link>
            <description><![CDATA[با پیشرفت هوش مصنوعی، کلاهبرداری تلفنی با صدای جعلی و دیپ&zwnj;فیک زنده به تهدیدی جدی&zwnj;تر تبدیل شده است. مجرمان اکنون می&zwnj;توانند تنها با چند ثانیه صدای یک فرد، صدای او را شبیه&zwnj;سازی کنند و در تماس&zwnj;های ویدیویی نیز چهره جعلی ایجاد کنند. به همین دلیل، تشخیص تماس&zwnj;های کلاهبرداری دیگر فقط با توجه به صدای غیرطبیعی یا داستان&zwnj;های مشکوک امکان&zwnj;پذیر نیست.

به گزارش ایتنا به نقل از Techadvisor، یکی از روش&zwnj;های کاربردی برای شناسایی دیپ&zwnj;فیک و تماس&zwnj;های جعلی در تماس ویدیویی، ترفند سه انگشت است. از فرد تماس&zwnj;گیرنده بخواهید سه انگشت خود را جلوی صورتش قرار دهد یا سرش را به جهات مختلف حرکت دهد. برخی سیستم&zwnj;های دیپ&zwnj;فیک زنده هنگام پردازش هم&zwnj;زمان صورت، دست&zwnj;ها و پس&zwnj;زمینه ممکن است دچار اختلال شوند و تاری انگشتان، پرش تصویر یا تغییرات غیرطبیعی در چهره ایجاد کنند. البته این روش قطعی نیست و باید در کنار نشانه&zwnj;های دیگر استفاده شود.

در تماس&zwnj;های صوتی، بهتر است به جای تلاش برای تشخیص صدای هوش مصنوعی، سناریوی کلاهبردار را مختل کنید. پرسیدن سؤال&zwnj;هایی درباره خاطرات خصوصی که در شبکه&zwnj;های اجتماعی منتشر نشده&zwnj;اند، می&zwnj;تواند بسیار مؤثر باشد. برای مثال می&zwnj;توانید درباره یک خاطره مشترک، یک اسم مستعار خانوادگی یا یک اتفاقی که فقط اعضای خانواده از آن اطلاع دارند سؤال کنید.

&nbsp;




همچنین، قطع جریان مکالمه و تغییر ناگهانی موضوع می&zwnj;تواند کلاهبردار را مجبور به بداهه&zwnj;گویی کند. مهم&zwnj;تر از همه، اگر فردی ادعا کرد یکی از نزدیکان شماست، تماس را قطع کنید و خودتان با شماره&zwnj;ای که از قبل در اختیار دارید با او تماس بگیرید. کلاهبرداران معمولاً تلاش می&zwnj;کنند با ایجاد اضطرار مانع این کار شوند.

هرگز اطلاعات حساسی مانند رمز عبور، PIN، کدهای یک&zwnj;بارمصرف، اطلاعات بانکی، شماره کارت یا پاسخ سؤالات امنیتی را در تماس تلفنی در اختیار دیگران قرار ندهید. ایجاد یک کلمه یا عبارت رمز خانوادگی و کاهش اطلاعات شخصی منتشرشده در شبکه&zwnj;های اجتماعی نیز می&zwnj;تواند احتمال موفقیت کلاهبرداری&zwnj;های مبتنی بر هوش مصنوعی را کاهش دهد.]]></description>
            <category>فناوری</category>
            <pubDate>Wed, 12 Aug 2026 23:33:42 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90784/چگونه-تماس-های-کلاهبرداری-هوش-مصنوعی-چند-ثانیه-تشخیص-دهیم</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090784-b.jpg" length="18887" type="image/jpeg"/>
        </item>
        <item>
            <title>آسیب‌پذیری خطرناک زوم؛ هکرها می‌توانستند کنترل کامل دستگاه کاربران را در دست بگیرند</title>
            <link>https://www.itna.ir/news/90777/آسیب-پذیری-خطرناک-زوم-هکرها-می-توانستند-کنترل-کامل-دستگاه-کاربران-دست-بگیرند</link>
            <description><![CDATA[محققان امنیت سایبری یک آسیب&zwnj;پذیری جدی در قابلیت اشتراک&zwnj;گذاری صفحه&zwnj;نمایش زوم شناسایی کرده&zwnj;اند که می&zwnj;توانست به مهاجمان اجازه دهد کنترل دستگاه کاربر دیگری را به&zwnj;صورت کامل در اختیار بگیرند. این نقص امنیتی در برنامه Zoom Workplace برای ویندوز، مک، iOS، اندروید و لینوکس مشاهده شده است.

به گزاش ایتنا، این آسیب&zwnj;پذیری از نقص موجود در قابلیت اشتراک&zwnj;گذاری صفحه&zwnj;نمایش سوءاستفاده می&zwnj;کند و نکته نگران&zwnj;کننده آن این است که حمله می&zwnj;تواند بدون نیاز به انجام اقدامی از سوی قربانی انجام شود. همچنین، کاربر در زمان اجرای حمله لزوماً هشدار یا نشانه قابل مشاهده&zwnj;ای دریافت نمی&zwnj;کند.
&nbsp;
سوءاستفاده از قابلیت حاشیه&zwnj;نویسی زوم

بر اساس یافته&zwnj;های محققان، مهاجم می&zwnj;تواند از قابلیتی مرتبط با ابزار حاشیه&zwnj;نویسی هنگام اشتراک&zwnj;گذاری صفحه&zwnj;نمایش سوءاستفاده کند. در چنین شرایطی، آسیب&zwnj;پذیری امکان اجرای کد مخرب از راه دور را فراهم می&zwnj;کند و مهاجم می&zwnj;تواند به دستگاه هدف دسترسی پیدا کند.

با توجه به ماهیت این نقص، خطر آن تنها به نمایش محتوای ناخواسته روی صفحه محدود نمی&zwnj;شود و در سناریوی حمله می&zwnj;تواند به در اختیار گرفتن کنترل دستگاه منجر شود.

با این حال، هنوز مشخص نیست که آیا این آسیب&zwnj;پذیری پیش از شناسایی و رفع آن، در حملات واقعی و گسترده مورد سوءاستفاده قرار گرفته است یا خیر.
&nbsp;
هوش مصنوعی، ساخت سریع&zwnj;تر ابزارهای سوءاستفاده

یکی از جنبه&zwnj;های قابل توجه این کشف، سرعت توسعه بهره&zwnj;برداری از این آسیب&zwnj;پذیری است. محققانی که نقص امنیتی را شناسایی کردند، اعلام کرده&zwnj;اند که با استفاده از دستورات هوش مصنوعی توانسته&zwnj;اند در کمتر از ۲۴ ساعت یک روش بهره&zwnj;برداری از قابلیت اشتراک&zwnj;گذاری صفحه&zwnj;نمایش زوم ایجاد کنند.

این موضوع بار دیگر نگرانی&zwnj;ها درباره نقش هوش مصنوعی در افزایش توانایی مهاجمان سایبری را مطرح کرده است. به گفته شرکت امنیت سایبری مورد اشاره در این گزارش، برخی قابلیت&zwnj;هایی که در گذشته عمدتاً در اختیار گروه&zwnj;های تهدیدکننده وابسته به دولت&zwnj;ها بود، اکنون با کمک ابزارهای هوش مصنوعی می&zwnj;تواند با سرعت بسیار بیشتری در دسترس پژوهشگران یا مهاجمان قرار گیرد.

این شرکت در مطلبی در وبلاگ خود با اشاره به این تغییر اعلام کرده است که فرآیندی که در گذشته به تیم&zwnj;های متخصص، ماه&zwnj;ها زمان و منابع مالی قابل توجه نیاز داشت، اکنون می&zwnj;تواند در مدت بسیار کوتاه&zwnj;تری انجام شود. این شرکت همچنین تأکید کرده است که یک محقق توانسته در کمتر از یک روز، بهره&zwnj;برداری از یک آسیب&zwnj;پذیری در سطح تهدیدهای پیشرفته را توسعه دهد.
&nbsp;
زوم برای رفع آسیب&zwnj;پذیری دست به کار شد

بنا به گزارش Engadget، زوم پس از اطلاع از این آسیب&zwnj;پذیری، اصلاحات و اقدامات مختلفی را برای کاهش خطر آن اعمال کرده است. این شرکت از کاربران خواسته است برای افزایش امنیت، آخرین به&zwnj;روزرسانی&zwnj;های نرم&zwnj;افزاری را نصب کنند.

بر اساس اعلام زوم، این آسیب&zwnj;پذیری در نسخه&zwnj;های Zoom Workplace پیش از آخرین به&zwnj;روزرسانی&zwnj;ها وجود داشته است. بنابراین، کاربرانی که از نسخه&zwnj;های قدیمی این نرم&zwnj;افزار استفاده می&zwnj;کنند، باید در سریع&zwnj;ترین زمان ممکن برنامه خود را به آخرین نسخه موجود به&zwnj;روزرسانی کنند.]]></description>
            <category>امنيت</category>
            <pubDate>Wed, 12 Aug 2026 06:59:33 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90777/آسیب-پذیری-خطرناک-زوم-هکرها-می-توانستند-کنترل-کامل-دستگاه-کاربران-دست-بگیرند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090777-b.jpg" length="45920" type="image/jpeg"/>
        </item>
        <item>
            <title>OpenAI مدل جدید سایبری خود را معرفی کرد؛ آماده‌باش برای عصر حملات هوش مصنوعی</title>
            <link>https://www.itna.ir/news/90756/openai-مدل-جدید-سایبری-خود-معرفی-آماده-باش-عصر-حملات-هوش-مصنوعی</link>
            <description><![CDATA[با افزایش استفاده از هوش مصنوعی در حملات سایبری، آزمایشگاه&zwnj;های فعال در حوزه هوش مصنوعی نیز در حال توسعه ابزارهایی برای مقابله با این تهدیدها هستند. در همین راستا، OpenAI از توسعه سرویس دفاع سایبری Daybreak و ارائه یک مدل جدید با تمرکز بر امنیت سایبری خبر داده است.

در ماه&zwnj;های اخیر، نمونه&zwnj;های متعددی از استفاده مخرب یا غیرمنتظره از عوامل هوش مصنوعی گزارش شده است؛ از حمله به پلتفرم Hugging Face و وب&zwnj;سایت یک باشگاه ورزشی گرفته تا ایجاد پروفایل&zwnj;های جعلی برای اجرای حملات مهندسی اجتماعی. افزایش این موارد نشان می&zwnj;دهد مدل&zwnj;ها و عوامل هوش مصنوعی بیش از گذشته در فعالیت&zwnj;هایی مورد استفاده قرار می&zwnj;گیرند که می&zwnj;تواند پیامدهای امنیتی جدی داشته باشد.

در واکنش به این روند، شرکت&zwnj;های فعال در حوزه هوش مصنوعی که مدل&zwnj;های تخصصی برای فعالیت&zwnj;های سایبری توسعه می&zwnj;دهند، در حال گسترش خدمات دفاعی خود هستند. OpenAI نیز این هفته از توسعه Daybreak، سرویس دفاع سایبری خود که اوایل سال جاری میلادی راه&zwnj;اندازی شده بود، خبر داد. این اقدام اندکی پس از معرفی مدل سایبری Mythos از سوی Anthropic انجام شده است.

Daybreak دسترسی مدافعان سایبری به مدل&zwnj;ها، ابزارها و گردش&zwnj;های کاری مورد نیاز برای مقابله با تهدیدهای امنیتی را فراهم می&zwnj;کند. توسعه جدید این سرویس، علاوه بر گسترش قابلیت&zwnj;های موجود، شامل دسترسی به یک مدل کاملاً جدید با تمرکز بر حوزه امنیت سایبری است که برای استفاده&zwnj;های دفاعی طراحی شده است.

OpenAI روز دوشنبه اعلام کرد Daybreak اکنون در دو سطح &laquo;آبی&raquo; و &laquo;قرمز&raquo; ارائه می&zwnj;شود. مشتریان تأییدشده در هر دو سطح می&zwnj;توانند به مدل&zwnj;های پیشرفته سایبری OpenAI با دسترسی محدود دسترسی داشته باشند.

مدل&zwnj;های پیشرفته یا مرزی، به&zwnj;عنوان قدرتمندترین مدل&zwnj;های هوش مصنوعی موجود، طی ماه&zwnj;های اخیر با بحث&zwnj;های گسترده&zwnj;ای درباره نحوه استفاده و سطح دسترسی به آن&zwnj;ها مواجه بوده&zwnj;اند. دولت ترامپ نیز پیش&zwnj;تر، ظاهراً با هدف بررسی ملاحظات ایمنی، به دنبال همکاری با شرکت&zwnj;های هوش مصنوعی در زمینه عرضه این مدل&zwnj;ها بود. OpenAI نیز پیش از این محدودیت&zwnj;های قابل&zwnj;توجهی برای استفاده از مدل&zwnj;های پیشرفته خود اعمال کرده و دامنه فعالیت&zwnj;هایی را که مشتریان می&zwnj;توانستند با این مدل&zwnj;ها انجام دهند، محدود کرده بود.
&nbsp;

&nbsp;

سطح آبی؛ گزینه پیشنهادی برای بیشتر مدافعان

سطح &laquo;آبی&raquo; که در مقایسه با سطح قرمز رویکردی پایه&zwnj;ای&zwnj;تر دارد، مجموعه&zwnj;ای از خدمات امنیت سایبری از جمله پاسخ&zwnj;گویی به رخدادهای امنیتی، تحلیل بدافزار و اعتبارسنجی وصله&zwnj;های امنیتی را ارائه می&zwnj;دهد.

OpenAI این سطح را &laquo;نقطه شروع توصیه&zwnj;شده برای بیشتر مدافعان&raquo; معرفی کرده است؛ موضوعی که نشان می&zwnj;دهد این سطح برای نیازهای امنیتی بخش قابل&zwnj;توجهی از شرکت&zwnj;ها طراحی شده و می&zwnj;تواند بخش عمده&zwnj;ای از نیازهای دفاع سایبری سازمان&zwnj;ها را پوشش دهد.
&nbsp;
سطح قرمز؛ دسترسی به ابزارهای تخصصی&zwnj;تر

در مقابل، سطح &laquo;قرمز&raquo; مجموعه&zwnj;ای گسترده&zwnj;تر از ابزارهای امنیتی را در اختیار کاربران قرار می&zwnj;دهد؛ ابزارهایی که به دلیل ماهیت تخصصی خود، ظرفیت بیشتری برای انجام آزمایش&zwnj;های امنیتی و تحقیقات مرتبط با آسیب&zwnj;پذیری&zwnj;ها دارند.

در این سطح، کاربران به &laquo;مدل&zwnj;های هدفمند امنیت سایبری&raquo; دسترسی پیدا می&zwnj;کنند که برای آزمایش&zwnj;های امنیتی و تحقیقات درباره آسیب&zwnj;پذیری&zwnj;ها طراحی شده&zwnj;اند.

همراه با سطح قرمز، مدل جدید GPT-5.6-Cyber نیز معرفی شده است؛ مدلی که دسترسی به آن صرفاً از طریق همین سطح امکان&zwnj;پذیر خواهد بود. به گفته OpenAI، این مدل بر پایه GPT-5.6 Sol توسعه یافته و قابلیت&zwnj;های پیشرفته&zwnj;تری را برای برخی وظایف تخصصی در حوزه امنیت سایبری ارائه می&zwnj;کند.

در حال حاضر، GPT-5.6-Cyber تنها در اختیار &laquo;شرکای مشتری مورد اعتماد&raquo; قرار گرفته است. Accenture، IBM، CrowdStrike و Cloudflare از جمله شرکت&zwnj;هایی هستند که به این مدل دسترسی دارند.
&nbsp;

&nbsp;

هوش مصنوعی؛ هم تهدید و هم ابزار دفاع سایبری

بنا به گزارش Techcrunch، در شرایطی که استفاده از عوامل هوش مصنوعی برای انجام حملات سایبری با سرعت زیادی در حال گسترش است، برخی منتقدان معتقدند افزایش توجه به این تهدیدها می&zwnj;تواند به فرصتی برای بازاریابی شرکت&zwnj;های فعال در حوزه هوش مصنوعی نیز تبدیل شود. OpenAI نیز از توسعه Daybreak به&zwnj;عنوان بخشی از تلاش خود برای پاسخ به این روند استفاده می&zwnj;کند.

OpenAI در یک پست وبلاگی درباره این تحول اعلام کرده است که فضای امنیت سایبری با سرعت زیادی در حال تغییر است و عاملان تهدید به&zwnj;طور فزاینده&zwnj;ای از هوش مصنوعی برای اجرای حملات سایبری با سرعت و مقیاسی بی&zwnj;سابقه استفاده خواهند کرد؛ حملاتی که در برخی موارد می&zwnj;توانند به&zwnj;صورت کاملاً خودکار انجام شوند.

این شرکت همچنین هشدار داده است که با گسترش چنین قابلیت&zwnj;هایی، مدافعان زمان کمتری برای آماده شدن و واکنش به تهدیدهای جدید خواهند داشت.

با وجود این نگرانی&zwnj;ها، شرکت&zwnj;ها همچنان به خرید خدمات و راهکارهای امنیتی از آزمایشگاه&zwnj;های بزرگ هوش مصنوعی علاقه&zwnj;مند هستند؛ زیرا این شرکت&zwnj;ها از یک سو در خط مقدم توسعه فناوری&zwnj;های هوش مصنوعی قرار دارند و از سوی دیگر، شناخت نزدیکی از قابلیت&zwnj;ها و خطرات امنیتی ناشی از همین فناوری&zwnj;ها دارند.]]></description>
            <category>امنيت</category>
            <pubDate>Tue, 11 Aug 2026 05:31:00 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90756/openai-مدل-جدید-سایبری-خود-معرفی-آماده-باش-عصر-حملات-هوش-مصنوعی</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090756-b.jpg" length="81848" type="image/jpeg"/>
        </item>
        <item>
            <title>کلاهبرداران با وعده تماشای رایگان «ادیسه» اطلاعات کاربران را سرقت می‌کنند</title>
            <link>https://www.itna.ir/news/90754/کلاهبرداران-وعده-تماشای-رایگان-ادیسه-اطلاعات-کاربران-سرقت-می-کنند</link>
            <description><![CDATA[انتظار گسترده برای اکران فیلم &laquo;ادیسه&raquo; به کارگردانی کریستوفر نولان به فرصتی برای مجرمان سایبری تبدیل شده است. کلاهبرداران با راه&zwnj;اندازی وب&zwnj;سایت&zwnj;های جعلی و وعده تماشای رایگان این فیلم، کاربران را به وارد کردن اطلاعات شخصی و بانکی ترغیب می&zwnj;کنند.

شرکت امنیت سایبری کسپرسکی تعدادی از این وب&zwnj;سایت&zwnj;های جعلی را شناسایی کرده است. بررسی&zwnj;ها نشان می&zwnj;دهد این صفحات به زبان&zwnj;های مختلف راه&zwnj;اندازی شده&zwnj;اند؛ موضوعی که از تلاش مهاجمان برای گسترش این کمپین به کاربران کشورهای مختلف حکایت دارد.
&nbsp;
وعده تماشای رایگان &laquo;ادیسه&raquo; در وب&zwnj;سایت&zwnj;های جعلی

در این کمپین، مهاجمان وب&zwnj;سایت&zwnj;هایی ایجاد کرده&zwnj;اند که در ظاهر مانند سرویس&zwnj;های قانونی پخش فیلم به نظر می&zwnj;رسند و به کاربران وعده می&zwnj;دهند می&zwnj;توانند &laquo;ادیسه&raquo; را به&zwnj;صورت رایگان تماشا کنند.

برخی از این وب&zwnj;سایت&zwnj;ها حتی نسخه&zwnj;های دوبله&zwnj;شده فیلم به زبان&zwnj;های محلی را ارائه می&zwnj;کنند تا واقعی&zwnj;تر به نظر برسند و اعتماد کاربران را جلب کنند. در بعضی صفحات نیز نظرات و نقدهای جعلی از سوی کاربرانی نمایش داده می&zwnj;شود که ظاهراً فیلم را تماشا کرده&zwnj;اند.

پس از آنکه کاربر برای پخش فیلم روی گزینه مربوط کلیک می&zwnj;کند، یک پخش&zwnj;کننده ویدیوی جعلی نمایش داده می&zwnj;شود. این پخش&zwnj;کننده از کاربر می&zwnj;خواهد برای دسترسی به فیلم و ادامه تماشا، یک حساب کاربری ایجاد یا در سایت ثبت&zwnj;نام کند.
&nbsp;
دوره آزمایشی رایگان بهانه&zwnj;ای برای دریافت اطلاعات بانکی

فرآیند کلاهبرداری معمولاً با درخواست اطلاعاتی مانند نام، نام خانوادگی و آدرس ایمیل آغاز می&zwnj;شود. سپس از کاربر خواسته می&zwnj;شود یک رمز عبور برای حساب خود تعیین کند.

در مرحله بعد، مهاجمان با مطرح کردن ادعای فعال&zwnj;سازی یک دوره آزمایشی رایگان، اطلاعات کارت بانکی کاربر را درخواست می&zwnj;کنند. وارد کردن این اطلاعات می&zwnj;تواند زمینه را برای سرقت داده&zwnj;های مالی و سوءاستفاده از حساب قربانی فراهم کند.

خطر این روش تنها به اطلاعات بانکی محدود نمی&zwnj;شود. اگر کاربر از همان رمز عبوری که در این وب&zwnj;سایت جعلی وارد کرده است در سرویس&zwnj;های دیگری نیز استفاده کرده باشد، مهاجمان ممکن است بتوانند از این اطلاعات برای تلاش جهت دسترسی به حساب&zwnj;های دیگر او نیز استفاده کنند.

وب&zwnj;سایت&zwnj;های جعلی برای ترغیب کاربران به تکمیل فرآیند ثبت&zwnj;نام از روش&zwnj;های مختلفی استفاده می&zwnj;کنند؛ از جمله ادعای اینکه ایجاد حساب کمتر از یک دقیقه زمان می&zwnj;برد، دسترسی نامحدود به محتوا ارائه می&zwnj;شود و امکان تماشای فیلم در چندین دستگاه وجود دارد.
&nbsp;
محبوبیت &laquo;ادیسه&raquo; به ابزار کلاهبرداران تبدیل شده است

اولگا آلتوخووا، متخصص تحلیل محتوای وب&zwnj;سایت در کسپرسکی، می&zwnj;گوید مجرمان سایبری معمولاً از محبوبیت فیلم&zwnj;های پرفروش و موردانتظار برای کسب درآمد سوءاستفاده می&zwnj;کنند.

به گفته او، اشتیاق مخاطبان برای تماشای فیلم&zwnj;های جدید پیش از عرضه رسمی یا با هزینه کمتر، یکی از عواملی است که می&zwnj;تواند کاربران را به سمت وب&zwnj;سایت&zwnj;های جعلی هدایت کند.

کسپرسکی به کاربران توصیه کرده است در مواجهه با وب&zwnj;سایت&zwnj;هایی که فیلم&zwnj;های جدید را ارائه می&zwnj;کنند، به&zwnj;ویژه زمانی که اکران رسمی آن&zwnj;ها هنوز محدود به سینماهاست، احتیاط بیشتری داشته باشند و محتوا را تنها از طریق سرویس&zwnj;های قانونی و رسمی دنبال کنند.

استفاده از چندین زبان در وب&zwnj;سایت&zwnj;های شناسایی&zwnj;شده نیز نشان می&zwnj;دهد مهاجمان صرفاً کاربران یک کشور را هدف نگرفته&zwnj;اند و تلاش می&zwnj;کنند این شیوه کلاهبرداری را در مقیاسی گسترده&zwnj;تر اجرا کنند.]]></description>
            <category>امنيت</category>
            <pubDate>Mon, 10 Aug 2026 22:30:00 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90754/کلاهبرداران-وعده-تماشای-رایگان-ادیسه-اطلاعات-کاربران-سرقت-می-کنند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090754-b.jpg" length="46462" type="image/jpeg"/>
        </item>
        <item>
            <title>سه حمله جدید رمزهای عبور حساب‌های گوگل را در ویندوز هدف قرار داده‌اند</title>
            <link>https://www.itna.ir/news/90747/سه-حمله-جدید-رمزهای-عبور-حساب-های-گوگل-ویندوز-هدف-قرار-داده-اند</link>
            <description><![CDATA[گزارش&zwnj;های امنیتی اخیر از شناسایی مجموعه&zwnj;ای از حملات سایبری خبر می&zwnj;دهند که کاربران ویندوز را هدف قرار داده&zwnj;اند و از سازوکارهای مرتبط با رمزهای عبور همگام&zwnj;شده با حساب&zwnj;های گوگل سوءاستفاده می&zwnj;کنند. این حملات نشان می&zwnj;دهند مجرمان سایبری در حال تغییر تمرکز خود از سرقت مستقیم رمزهای عبور به سمت دور زدن فناوری&zwnj;های جدید احراز هویت هستند.
&nbsp;
جزئیات حملات علیه Google Password Manager

محققان امنیتی سه روش حمله را شناسایی کرده&zwnj;اند که Google Password Manager و سیستم مدیریت رمزهای عبور همگام&zwnj;شده آن را در دستگاه&zwnj;های ویندوزی مجهز به مرورگر کروم هدف قرار می&zwnj;دهند.

نکته مهم این است که این روش&zwnj;ها به&zwnj;دنبال شکستن مستقیم رمزگذاری نیستند. در عوض، مهاجمان از ضعف&zwnj;های موجود در نحوه مدیریت کلیدهای دستگاه و فرایند همگام&zwnj;سازی اطلاعات سوءاستفاده می&zwnj;کنند.
&nbsp;
Pass-ta-key؛ سوءاستفاده از هویت دستگاه

نخستین روش که Pass-ta-key نام&zwnj;گذاری شده است، به بدافزاری که از قبل روی دستگاه قربانی اجرا شده، اجازه می&zwnj;دهد از هویت همان دستگاه برای احراز هویت حساب&zwnj;هایی استفاده کند که با کلیدهای عبور یا Passkey محافظت می&zwnj;شوند.
در این روش، مهاجم می&zwnj;تواند بدون نیاز به اثر انگشت، پین یا نمایش پنجره تأیید برای کاربر، فرایند احراز هویت را از طریق دستگاه آلوده پیش ببرد.

&nbsp;

&nbsp;

Silver Pass-ta-key؛ دستکاری فرایند ثبت دستگاه

روش دوم که محققان آن را Silver Pass-ta-key نامیده&zwnj;اند، بر دستکاری فرایند ثبت مجدد دستگاه تمرکز دارد.
در صورت موفقیت این حمله، مهاجم ممکن است بتواند یک دستگاه تحت کنترل خود یا یک کلید احراز هویت متعلق به خود را به سامانه متصل کند. در چنین شرایطی، مهاجم می&zwnj;تواند از این اتصال برای دسترسی غیرمجاز به حساب&zwnj;های کاربر استفاده کند.
&nbsp;
Golden Pass-ta-key؛ خطرناک&zwnj;ترین سناریو

سومین روش با نام Golden Pass-ta-key معرفی شده و از دو روش دیگر خطرناک&zwnj;تر ارزیابی می&zwnj;شود. این حمله یک کلید مخفی را هدف قرار می&zwnj;دهد که در حافظه فرایند مرورگر کروم نگهداری می&zwnj;شود.

محققان می&zwnj;گویند این کلید می&zwnj;تواند برای دسترسی به رمزهای عبور خصوصی که با حساب گوگل همگام شده&zwnj;اند، مورد سوءاستفاده قرار گیرد. در برخی سناریوها، دسترسی ایجادشده ممکن است حتی پس از حذف بدافزار از دستگاه نیز ادامه پیدا کند و دامنه گسترده&zwnj;تری از حساب&zwnj;های کاربر را در معرض خطر قرار دهد.
&nbsp;
آیا کاربران گوگل در معرض سرقت از راه دور هستند؟

شناسایی این حملات به این معنا نیست که مهاجمان می&zwnj;توانند بدون دسترسی قبلی به دستگاه، از راه دور رمزهای عبور کاربران گوگل را سرقت کنند.

سناریوهای بررسی&zwnj;شده توسط محققان به وجود بدافزار روی دستگاه ویندوزی قربانی نیاز دارند. به بیان دیگر، مهاجم ابتدا باید به نوعی کنترل دستگاه را به دست آورده باشد تا بتواند از این روش&zwnj;ها استفاده کند.

به همین دلیل، جلوگیری از ورود بدافزار به رایانه همچنان یکی از مهم&zwnj;ترین لایه&zwnj;های دفاعی در برابر این نوع حملات محسوب می&zwnj;شود.

&nbsp;

&nbsp;

Passkey همچنان امن&zwnj;تر از رمز عبور سنتی است

این یافته&zwnj;ها نکته مهمی درباره محدودیت&zwnj;های فناوری&zwnj;های احراز هویت مدرن، از جمله Passkey، نشان می&zwnj;دهند.

کلیدهای عبور برای مقابله با حملاتی مانند فیشینگ و سرقت سنتی رمزهای عبور طراحی شده&zwnj;اند و در این زمینه امنیت بسیار بیشتری نسبت به روش&zwnj;های قدیمی ارائه می&zwnj;کنند. با این حال، اگر مهاجم بتواند نرم&zwnj;افزار مخرب خود را روی دستگاه کاربر اجرا کند، حتی فناوری&zwnj;های پیشرفته احراز هویت نیز نمی&zwnj;توانند به&zwnj;تنهایی امنیت کامل را تضمین کنند.

این تحقیقات همچنین نشان می&zwnj;دهد امنیت فرایند احراز هویت تنها به قدرت رمزگذاری وابسته نیست. مرورگر، سیستم&zwnj;عامل، سرویس همگام&zwnj;سازی اطلاعات و حتی نحوه تأیید وب&zwnj;سایت برای اطمینان از تکمیل واقعی فرایند احراز هویت توسط کاربر، همگی در سطح نهایی امنیت نقش دارند.

در نتیجه، استفاده از Passkey باید در کنار به&zwnj;روزرسانی منظم سیستم&zwnj;عامل و مرورگر، نصب نرم&zwnj;افزارهای معتبر و جلوگیری از اجرای بدافزارها انجام شود. در چنین شرایطی، حتی اگر مهاجمان تلاش کنند سازوکارهای جدید احراز هویت را دور بزنند، یک لایه دفاعی مهم دیگر همچنان از دستگاه و حساب&zwnj;های کاربر محافظت خواهد کرد.]]></description>
            <category>امنيت</category>
            <pubDate>Mon, 10 Aug 2026 14:01:53 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90747/سه-حمله-جدید-رمزهای-عبور-حساب-های-گوگل-ویندوز-هدف-قرار-داده-اند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090747-b.jpg" length="47482" type="image/jpeg"/>
        </item>
        <item>
            <title>هوش مصنوعی از کلاهبرداران انسانی هم بهتر فریب می‌دهد؛ زنگ خطر تازه برای کاربران اینترنت</title>
            <link>https://www.itna.ir/news/90738/هوش-مصنوعی-کلاهبرداران-انسانی-هم-بهتر-فریب-می-دهد-زنگ-خطر-تازه-کاربران-اینترنت</link>
            <description><![CDATA[هوش مصنوعی مولد حالا تنها برای تولید متن، تصویر یا کدنویسی به کار نمی&zwnj;رود و می&zwnj;تواند در یکی از خطرناک&zwnj;ترین اشکال مهندسی اجتماعی نیز مورد استفاده قرار گیرد.
پژوهشی جدید نشان داده است چت&zwnj;بات&zwnj;های هوش مصنوعی در شبیه&zwnj;سازی کلاهبرداری&zwnj;های موسوم به &laquo;قصابی خوک&raquo; یا Pig Butchering، در ایجاد اعتماد و متقاعدکردن قربانیان عملکردی بهتر از کلاهبرداران انسانی داشته&zwnj;اند.
کلاهبرداری &laquo;قصابی خوک&raquo; نوعی کلاهبرداری مالی بلندمدت است که معمولاً با ایجاد یک رابطه عاطفی، دوستانه یا حرفه&zwnj;ای با قربانی آغاز می&zwnj;شود. کلاهبردار در طول زمان اعتماد فرد را جلب می&zwnj;کند و سپس او را به سمت سرمایه&zwnj;گذاری در یک پلتفرم جعلی، معمولاً با وعده سودهای بالا، سوق می&zwnj;دهد.
قربانی اغلب زمانی متوجه فریب می&zwnj;شود که مبلغ قابل&zwnj;توجهی را از دست داده است.

پژوهشگران برای بررسی توانایی هوش مصنوعی در این فرایند، عملکرد افراد انسانی را با چت&zwnj;بات&zwnj;های مجهز به مدل&zwnj;های زبانی بزرگ مقایسه کردند. در این آزمایش، ۲۲ نفر در برابر دو نوع &laquo;کلاهبردار&raquo; قرار گرفتند: یک کلاهبردار انسانی و یک چت&zwnj;بات هوش مصنوعی.
تعاملات طی هفت روز شبیه&zwnj;سازی شد و در پایان از شرکت&zwnj;کنندگان خواسته شد اقدامی مانند دانلود یک برنامه یا انجام یک بازی آنلاین را انجام دهند؛ اقدامی که در سناریوی واقعی می&zwnj;تواند مقدمه ادامه کلاهبرداری یا دسترسی به دستگاه قربانی باشد.

نتیجه قابل&zwnj;توجه بود. تنها ۱۸ درصد از کلاهبرداران انسانی توانستند آزمودنی&zwnj;ها را به انجام اقدام موردنظر متقاعد کنند، در حالی که چت&zwnj;بات&zwnj;های هوش مصنوعی توانستند تقریباً نیمی از شرکت&zwnj;کنندگان را با موفقیت متقاعد کنند.
این تفاوت نشان می&zwnj;دهد مدل&zwnj;های زبانی می&zwnj;توانند در مرحله حساس ایجاد رابطه و اعتماد، عملکردی فراتر از یک کلاهبردار انسانی داشته باشند.
نگران&zwnj;کننده&zwnj;تر اینکه ساخت این کلاهبردار هوش مصنوعی به فرایند پیچیده&zwnj;ای نیاز نداشت. پژوهشگران عمدتاً از یک مدل Claude استفاده کردند و آن را با دستورهایی برای ایفای نقش یک کلاهبردار هدایت کردند. یکی از دستورهای اصلی این بود که چت&zwnj;بات تحت هیچ شرایطی اعتراف نکند که هوش مصنوعی است. مدل نیز هنگام مواجهه با پرسش درباره هویت خود، این دستور را دنبال کرد و برای هویت جعلی خود داستان&zwnj;های پوششی ارائه داد.

این توانایی اهمیت زیادی دارد، زیرا یکی از محدودیت&zwnj;های کلاهبرداری سنتی، وابستگی آن به نیروی انسانی است. یک کلاهبردار واقعی باید هم&zwnj;زمان با چند قربانی گفت&zwnj;وگو کند، جزئیات روابط را به خاطر بسپارد و در ساعات مختلف پاسخ دهد. چت&zwnj;بات&zwnj;های هوش مصنوعی می&zwnj;توانند بسیاری از این وظایف را خودکار کنند و تعداد بسیار بیشتری مکالمه را هم&zwnj;زمان مدیریت کنند.

به گفته ییسرائل میرِسکی، استاد علوم رایانه دانشگاه بن&zwnj;گوریون و یکی از پژوهشگران این مطالعه، با تلاش نسبتاً کمی می&zwnj;توان عاملی ساخت که در ایجاد &laquo;اعتماد قابل&zwnj;استثمار&raquo; از یک انسان بهتر عمل کند.
این مسئله نگرانی&zwnj;ها درباره صنعتی&zwnj;شدن کلاهبرداری&zwnj;های آنلاین با کمک هوش مصنوعی را افزایش می&zwnj;دهد.
نکته قابل&zwnj;توجه دیگر واکنش قربانیان آزمایش بود. از میان ۲۲ شرکت&zwnj;کننده، ۲۰ نفر توانستند تشخیص دهند کدام کلاهبردار هوش مصنوعی است؛ با این حال، بسیاری پس از اطلاع از نتایج شگفت&zwnj;زده شدند و برخی حتی در پذیرش اینکه با یک چت&zwnj;بات تعامل داشته&zwnj;اند، تردید داشتند.
این موضوع نشان می&zwnj;دهد تشخیص هوش مصنوعی در یک مکالمه واقعی ممکن است دشوارتر از آن چیزی باشد که کاربران تصور می&zwnj;کنند.

اهمیت این یافته تنها به کلاهبرداری&zwnj;های عاطفی محدود نمی&zwnj;شود. مدل&zwnj;های زبانی می&zwnj;توانند مکالمات طولانی را مدیریت کنند، جزئیات شخصی قربانی را به کار بگیرند و پاسخ&zwnj;های خود را متناسب با واکنش طرف مقابل تغییر دهند. ترکیب این قابلیت&zwnj;ها با تولید تصویر و صدا، دیپ&zwnj;فیک و سامانه&zwnj;های خودکار ارتباطی می&zwnj;تواند دامنه حملات مهندسی اجتماعی را افزایش دهد.

با این حال، این یافته به معنای آن نیست که هوش مصنوعی اکنون به&zwnj;طور مستقل در حال راه&zwnj;اندازی شبکه&zwnj;های کلاهبرداری است. آزمایش در محیطی کنترل&zwnj;شده و با هدف پژوهشی انجام شده است. اهمیت آن در این است که نشان می&zwnj;دهد مانع فنی برای استفاده از مدل&zwnj;های زبانی در فرایند فریب و اعتمادسازی می&zwnj;تواند بسیار پایین باشد.

برای کاربران، این تحول اهمیت یک هشدار قدیمی را بیشتر می&zwnj;کند: اعتماد به فردی ناشناس صرفاً به دلیل مکالمه طولانی، پاسخ&zwnj;های سریع یا شناخت ظاهری او از جزئیات زندگی، دیگر نشانه قابل اتکایی از انسانی&zwnj;بودن طرف مقابل نیست. به&zwnj;خصوص پیشنهادهای سرمایه&zwnj;گذاری، ارز دیجیتال و سودهای غیرعادی که پس از ایجاد یک رابطه آنلاین مطرح می&zwnj;شوند، باید با حساسیت بیشتری بررسی شوند.

این پژوهش در شرایطی منتشر شده که استفاده از هوش مصنوعی در کلاهبرداری&zwnj;های آنلاین به یکی از نگرانی&zwnj;های جدی حوزه امنیت سایبری تبدیل شده است. توانایی مدل&zwnj;ها در تولید متن طبیعی، حفظ زمینه مکالمه و شخصی&zwnj;سازی پاسخ&zwnj;ها می&zwnj;تواند هزینه اجرای کلاهبرداری&zwnj;های طولانی&zwnj;مدت را کاهش دهد و در مقابل، تشخیص آنها را برای قربانی دشوارتر کند.

این گزارش بر اساس پژوهشی انجام&zwnj;شده توسط محققانی از چهار دانشگاه و مؤسسه بین&zwnj;المللی تهیه شده است. یافته&zwnj;های این پژوهش ابتدا در گزارشی تفصیلی از سوی WIRED منتشر شد و سپس رسانه&zwnj;هایی مانند Futurism به بررسی نتایج آن پرداختند.]]></description>
            <category>فناوری</category>
            <pubDate>Mon, 10 Aug 2026 02:36:07 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90738/هوش-مصنوعی-کلاهبرداران-انسانی-هم-بهتر-فریب-می-دهد-زنگ-خطر-تازه-کاربران-اینترنت</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090738-b.jpg" length="31858" type="image/jpeg"/>
        </item>
        <item>
            <title>هشدار EFF: برخی اپلیکیشن‌های اندروید بی‌صدا موقعیت مکانی کاربران را به تبلیغ‌کنندگان می‌دهند</title>
            <link>https://www.itna.ir/news/90689/هشدار-eff-برخی-اپلیکیشن-های-اندروید-بی-صدا-موقعیت-مکانی-کاربران-تبلیغ-کنندگان-می-دهند</link>
            <description><![CDATA[بنیاد مرزهای الکترونیکی (EFF) نسبت به خطر اشتراک&zwnj;گذاری ناخواسته اطلاعات مکانی کاربران در برخی از برنامه&zwnj;های اندرویدی هشدار داده و اعلام کرده است که بسیاری از توسعه&zwnj;دهندگان، بدون اطلاع، داده&zwnj;های موقعیت مکانی کاربران را در اختیار شرکت&zwnj;های تبلیغاتی و دلالان داده قرار می&zwnj;دهند.

دسترسی به موقعیت مکانی دقیق، برای بسیاری از برنامه&zwnj;ها یک قابلیت ضروری محسوب می&zwnj;شود. برای مثال، برنامه&zwnj;های هواشناسی برای ارائه پیش&zwnj;بینی دقیق و اپلیکیشن&zwnj;های تناسب اندام برای ثبت مسیرهای ورزشی، به اطلاعات مکانی کاربران نیاز دارند. با این حال، بررسی&zwnj;های جدید نشان می&zwnj;دهد که همین مجوز می&zwnj;تواند ناخواسته در اختیار کدهای شخص ثالث نیز قرار گیرد.

به گزارش ایتنا و به نقل از Techcruncht بر اساس یافته&zwnj;های EFF، برخی از کیت&zwnj;های توسعه نرم&zwnj;افزار (SDK) که توسعه&zwnj;دهندگان برای افزودن قابلیت&zwnj;هایی مانند تبلیغات به برنامه&zwnj;های خود استفاده می&zwnj;کنند، به&zwnj;طور پیش&zwnj;فرض مجوزهای برنامه را به ارث می&zwnj;برند. در نتیجه، اگر کاربر دسترسی به موقعیت مکانی را برای یک برنامه صادر کند، این SDKها نیز قادر خواهند بود داده&zwnj;های دقیق مکانی را جمع&zwnj;آوری و به اشخاص ثالث ارسال کنند؛ مگر آنکه توسعه&zwnj;دهنده به&zwnj;صورت دستی این قابلیت را غیرفعال کرده باشد.

این بنیاد تأکید کرده است که بسیاری از توسعه&zwnj;دهندگان حتی از فعال بودن پیش&zwnj;فرض این قابلیت آگاه نیستند و از همین رو از سازندگان اپلیکیشن&zwnj;ها خواسته است تا جمع&zwnj;آوری و اشتراک&zwnj;گذاری هرگونه داده غیرضروری، به&zwnj;ویژه اطلاعات مکانی، را تا حد امکان غیرفعال کنند.

&nbsp;



به گفته EFF، هرچند SDKهای تبلیغاتی به&zwnj;عنوان ابزاری برای کسب درآمد توسعه&zwnj;دهندگان معرفی می&zwnj;شوند، اما در عمل اطلاعات ارزشمند کاربران، از جمله تاریخچه موقعیت مکانی، در اختیار دلالان داده قرار می&zwnj;گیرد. این شرکت&zwnj;ها نیز با فروش این اطلاعات به سازمان&zwnj;های مختلف، از جمله نهادهای دولتی، امنیتی و اطلاعاتی، درآمد کسب می&zwnj;کنند. علاوه بر این، ذخیره&zwnj;سازی چنین داده&zwnj;هایی خطر نشت اطلاعات در اثر حملات سایبری یا سرقت داده را نیز افزایش می&zwnj;دهد؛ اتفاقی که پیش&zwnj;تر برای برخی دلالان داده رخ داده است.

در جریان این بررسی، EFF دو برنامه اندرویدی را شناسایی کرد که بدون اطلاع کاربران، اطلاعات مکانی آنها را با اشخاص ثالث به اشتراک می&zwnj;گذاشتند. این دو برنامه تاکنون در مجموع بیش از ۶۰ میلیون بار دانلود شده&zwnj;اند.

محققان این بنیاد با تحلیل ترافیک شبکه برنامه&zwnj;ها بررسی کردند که داده&zwnj;های مکانی کاربران به چه سرویس&zwnj;هایی ارسال می&zwnj;شود و از این طریق موفق به شناسایی این رفتار شدند.

&laquo;بیل بادینگتون&raquo;، از کارشناسان ارشد EFF، در گفت&zwnj;وگو با TechCrunch اعلام کرد که SDKهای بررسی&zwnj;شده تنها بخش کوچکی از اکوسیستم گسترده تبلیغات موبایلی را تشکیل می&zwnj;دهند، اما همین مجموعه ادعا می&zwnj;کند از طریق ده&zwnj;ها هزار برنامه به میلیاردها کاربر دسترسی دارد؛ موضوعی که ابعاد گسترده جمع&zwnj;آوری اطلاعات مکانی را آشکار می&zwnj;کند.

گزارش EFF همچنین تصریح می&zwnj;کند که در سیستم&zwnj;عامل اندروید &laquo;هیچ مجوز مستقلی برای دسترسی SDKها به موقعیت مکانی وجود ندارد&raquo;. به همین دلیل، هنگامی که کاربر مجوز دسترسی به موقعیت مکانی را برای یک برنامه صادر می&zwnj;کند، همان مجوز در اختیار SDKهای تبلیغاتی تعبیه&zwnj;شده در برنامه نیز قرار می&zwnj;گیرد.

این بنیاد در پایان تأکید کرده است که مجوزهای سطح برنامه نمی&zwnj;توانند به&zwnj;تنهایی به&zwnj;منزله رضایت آگاهانه کاربران برای جمع&zwnj;آوری و اشتراک&zwnj;گذاری اطلاعات مکانی توسط SDKهای شخص ثالث تلقی شوند و از شرکت&zwnj;های توسعه&zwnj;دهنده این ابزارها خواسته است اشتراک&zwnj;گذاری داده&zwnj;های شخصی، به&zwnj;ویژه اطلاعات حساس مکانی، را به&zwnj;صورت پیش&zwnj;فرض غیرفعال کنند.]]></description>
            <category>امنيت</category>
            <pubDate>Wed, 05 Aug 2026 10:17:13 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90689/هشدار-eff-برخی-اپلیکیشن-های-اندروید-بی-صدا-موقعیت-مکانی-کاربران-تبلیغ-کنندگان-می-دهند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090689-b.jpg" length="77660" type="image/jpeg"/>
        </item>
        <item>
            <title>چرا تیم‌های امنیت باید به جای «نه»، راه‌حل ارائه دهند؟</title>
            <link>https://www.itna.ir/news/90642/چرا-تیم-های-امنیت-باید-جای-نه-راه-حل-ارائه-دهند</link>
            <description><![CDATA[با گسترش رایانش ابری و هوش مصنوعی، نقش تیم&zwnj;های امنیت سایبری در سازمان&zwnj;ها نیز دستخوش تغییر شده است. کارشناسان معتقدند رویکرد سنتی که در آن واحد امنیت همواره با درخواست&zwnj;های جدید مخالفت می&zwnj;کند، دیگر پاسخگوی نیازهای کسب&zwnj;وکارهای امروزی نیست. در واقع، اگر تیم امنیت تنها نقش &laquo;مانع&raquo; را ایفا کند، کارکنان برای انجام کارهای خود به استفاده از ابزارها، حساب&zwnj;های کاربری یا سرویس&zwnj;های تأییدنشده روی می&zwnj;آورند؛ موضوعی که ریسک&zwnj;های امنیتی را افزایش می&zwnj;دهد.

به گزارش ایتنا به نقل از Ciodive، &laquo;آلون دیامانت-کوهن&raquo;، مشاور ارشد امنیت ابر در شرکت Stratascale، می&zwnj;گوید تیم&zwnj;های امنیت باید از نقش &laquo;دروازه&zwnj;بان&raquo; فاصله بگیرند و به تسهیل&zwnj;کننده نوآوری تبدیل شوند. به جای پاسخ منفی، آنها باید به واحدهای مختلف سازمان نشان دهند چگونه می&zwnj;توان پروژه&zwnj;ها را به&zwnj;صورت ایمن اجرا کرد. به گفته او، اگر امنیت بگوید &laquo;نه&raquo;، کاربران معمولاً راه دیگری برای دور زدن محدودیت&zwnj;ها پیدا می&zwnj;کنند و همین مسئله باعث از بین رفتن شفافیت، نظارت و کنترل سازمان خواهد شد.

در محیط&zwnj;هایی مانند AWS که ایجاد زیرساخت و راه&zwnj;اندازی سرویس&zwnj;های جدید با سرعت بسیار بالایی انجام می&zwnj;شود، اتکا به تأییدهای دستی و بررسی&zwnj;های زمان&zwnj;بر، سرعت تحول دیجیتال را کاهش می&zwnj;دهد. به همین دلیل، کارشناسان بر اهمیت ایجاد حاکمیت امنیتی (Governance) تأکید می&zwnj;کنند؛ چارچوبی که قوانین، مسئولیت&zwnj;ها و کنترل&zwnj;های امنیتی را از ابتدا مشخص می&zwnj;کند تا بسیاری از فعالیت&zwnj;ها بدون نیاز به بررسی دستی و با رعایت استانداردهای امنیتی انجام شوند.
&nbsp;




این گزارش توضیح می&zwnj;دهد که سازمان&zwnj;ها می&zwnj;توانند ابتدا سیاست&zwnj;های امنیتی خود را تدوین کرده و سپس ابزارهای مناسب را انتخاب کنند، یا برعکس، ابتدا یک پلتفرم امنیتی تهیه کرده و سیاست&zwnj;ها را متناسب با آن توسعه دهند. در هر دو حالت، هدف ایجاد بستری استاندارد و قابل تکرار برای مدیریت امنیت در کل سازمان است.

با ظهور عامل&zwnj;های هوش مصنوعی (AI Agent ها) اهمیت این موضوع دوچندان شده است. این عامل&zwnj;ها قادرند به سامانه&zwnj;های مختلف دسترسی پیدا کنند، APIها را فراخوانی کنند و بدون دخالت مستقیم انسان بخشی از فرایندهای سازمان را اجرا کنند. از آنجا که رفتار این سیستم&zwnj;ها همیشه قابل پیش&zwnj;بینی نیست، لازم است از همان ابتدا محدودیت&zwnj;های دسترسی، فعالیت&zwnj;های مجاز و ممنوع، شیوه نظارت و مسئولیت&zwnj;پذیری آنها به&zwnj;طور دقیق مشخص شود.

کارشناسان همچنین بر ایجاد Landing Zone یا محیط پایه امن در زیرساخت&zwnj;های ابری تأکید دارند؛ محیطی که کنترل&zwnj;هایی مانند مدیریت هویت، ثبت رویدادها، تفکیک شبکه، سیاست&zwnj;های امنیت داده و نظارت مستمر به&zwnj;صورت پیش&zwnj;فرض در آن پیاده&zwnj;سازی شده باشد. چنین زیرساختی به سازمان&zwnj;ها اجازه می&zwnj;دهد نوآوری مبتنی بر هوش مصنوعی را با حفظ امنیت، شفافیت و کنترل توسعه دهند و از تبدیل واحد امنیت به مانعی برای رشد کسب&zwnj;وکار جلوگیری کنند.]]></description>
            <category>فناوری</category>
            <pubDate>Sat, 01 Aug 2026 21:49:00 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90642/چرا-تیم-های-امنیت-باید-جای-نه-راه-حل-ارائه-دهند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090642-b.jpg" length="42589" type="image/jpeg"/>
        </item>
        <item>
            <title>قانون ۳-۲-۱؛ ترفند ساده‌ای که از نابودی اطلاعات شما جلوگیری می‌کند</title>
            <link>https://www.itna.ir/news/90628/قانون-۳-۲-۱-ترفند-ساده-ای-نابودی-اطلاعات-جلوگیری-می-کند</link>
            <description><![CDATA[با افزایش حجم داده&zwnj;های شخصی و سازمانی و رشد تهدیداتی مانند حملات باج&zwnj;افزاری، از دست رفتن اطلاعات می&zwnj;تواند خسارت&zwnj;های جبران&zwnj;ناپذیری به کاربران و کسب&zwnj;وکارها وارد کند. به همین دلیل، کارشناسان امنیت سایبری همچنان &laquo;قانون ۳-۲-۱&raquo; را یکی از مطمئن&zwnj;ترین و کاربردی&zwnj;ترین روش&zwnj;ها برای محافظت از داده&zwnj;ها و تهیه نسخه پشتیبان می&zwnj;دانند.

به گزارش ایتنا، این قانون نخستین بار توسط &laquo;پیتر کروگ&raquo; (Peter Krogh)، عکاس و نویسنده حوزه مدیریت دارایی&zwnj;های دیجیتال، در کتابی که در سال ۲۰۰۹ منتشر کرد، به شکلی ساده و قابل اجرا معرفی شد. هرچند کروگ ابداع&zwnj;کننده این روش نبود، اما نخستین فردی بود که آن را به شکلی ساختارمند و قابل فهم ارائه کرد؛ به&zwnj;گونه&zwnj;ای که در سال ۲۰۱۲ تیم واکنش به فوریت&zwnj;های رایانه&zwnj;ای آمریکا (US-CERT) نیز در یکی از اسناد رسمی خود از نقش او در ترویج این مفهوم قدردانی کرد.

بر اساس گزارشی از شرکت امنیت سایبری &laquo;باراکودا&raquo; (Barracuda)، با وجود گذشت حدود ۱۷ سال از معرفی این راهکار، قانون ۳-۲-۱ همچنان یکی از مهم&zwnj;ترین استانداردهای پشتیبان&zwnj;گیری از اطلاعات محسوب می&zwnj;شود و در سال&zwnj;های اخیر نیز برای سازگاری با ذخیره&zwnj;سازی ابری و مقابله با حملات باج&zwnj;افزاری تکامل یافته است.
&nbsp;
قانون ۳-۲-۱ چگونه عمل می&zwnj;کند؟

این قانون بر سه اصل ساده اما حیاتی استوار است:
&bull;&nbsp; سه نسخه از اطلاعات خود داشته باشید. یک نسخه همان اطلاعات اصلی است که روزانه از آن استفاده می&zwnj;کنید و دو نسخه دیگر به&zwnj;عنوان نسخه پشتیبان نگهداری می&zwnj;شوند.
&bull;&nbsp; نسخه&zwnj;های پشتیبان را روی دو نوع رسانه متفاوت ذخیره کنید. برای مثال، یک نسخه روی هارددیسک اکسترنال و نسخه دیگر در فضای ذخیره&zwnj;سازی ابری قرار گیرد.
&bull;&nbsp; حداقل یک نسخه را در مکانی جدا از محل اصلی نگهداری کنید. این نسخه باید در مکانی دور از سیستم اصلی ذخیره شود تا در صورت وقوع حوادثی مانند آتش&zwnj;سوزی، سرقت یا خرابی تجهیزات، همچنان امکان بازیابی اطلاعات وجود داشته باشد.

اجرای این سه اصل، امنیت داده&zwnj;های شخصی، اسناد کاری، تصاویر، فایل&zwnj;های مالی و سایر دارایی&zwnj;های دیجیتال را به میزان قابل توجهی افزایش می&zwnj;دهد و احتمال از بین رفتن اطلاعات را به حداقل می&zwnj;رساند.

&nbsp;

&nbsp;

تکامل قانون ۳-۲-۱

با پیشرفت فناوری، نسخه&zwnj;های کامل&zwnj;تری از این قانون نیز ارائه شده است.
یکی از رایج&zwnj;ترین نسخه&zwnj;ها، قانون ۳-۲-۱-۱ است که یک اصل جدید به آن اضافه می&zwnj;کند: حداقل یک نسخه پشتیبان باید به&zwnj;صورت غیرقابل تغییر یا در محیطی کاملاً ایمن نگهداری شود تا در برابر حملات سایبری، حذف تصادفی یا خرابی نرم&zwnj;افزارها مصون بماند.

به گزارش ایتنا، نسخه پیشرفته&zwnj;تر این استاندارد با عنوان ۳-۲-۱-۱-۰ شناخته می&zwnj;شود. عدد صفر در این مدل به معنای &laquo;صفر خطا هنگام بازیابی اطلاعات&raquo; است؛ یعنی نسخه&zwnj;های پشتیبان باید به&zwnj;طور منظم آزمایش شوند تا اطمینان حاصل شود که در زمان نیاز، بدون نقص قابل بازیابی هستند.
&nbsp;
چگونه این قانون را اجرا کنیم؟

پیاده&zwnj;سازی قانون ۳-۲-۱ بسته به نیاز کاربران و سازمان&zwnj;ها می&zwnj;تواند با هزینه&zwnj;های متفاوتی انجام شود، اما اجرای آن برای اغلب افراد امکان&zwnj;پذیر است.

نسخه اصلی اطلاعات معمولاً همان داده&zwnj;هایی است که روی رایانه شخصی، تلفن همراه یا سرورهای سازمانی قرار دارد. برای ایجاد نسخه&zwnj;های پشتیبان نیز می&zwnj;توان از سرویس&zwnj;های ذخیره&zwnj;سازی ابری شرکت&zwnj;هایی مانند اپل، گوگل، مایکروسافت یا دراپ&zwnj;باکس استفاده کرد.

با این حال، کارشناسان توصیه می&zwnj;کنند تنها به فضای ابری اکتفا نشود. نگهداری یک نسخه فیزیکی روی هارددیسک اکسترنال یا سایر تجهیزات ذخیره&zwnj;سازی، لایه امنیتی دیگری ایجاد می&zwnj;کند و وابستگی کامل به ارائه&zwnj;دهندگان خدمات ابری را از بین می&zwnj;برد.

&nbsp;

&nbsp;

ابر شخصی؛ جایگزینی برای سرویس&zwnj;های تجاری

برخلاف تصور بسیاری از کاربران، ذخیره&zwnj;سازی ابری تنها به سرویس&zwnj;های تجاری محدود نمی&zwnj;شود. امروزه می&zwnj;توان با استفاده از تجهیزات ذخیره&zwnj;سازی تحت شبکه (NAS) یا سرورهای اختصاصی، یک فضای ابری شخصی در خانه، محل کار یا حتی مکانی دیگر ایجاد کرد.

در این روش، کاربران بدون پرداخت هزینه اشتراک ماهانه به شرکت&zwnj;های ارائه&zwnj;دهنده خدمات ابری، فضای ذخیره&zwnj;سازی اختصاصی خود را در اختیار دارند و هر زمان که نیاز باشد، تنها با افزودن هارددیسک&zwnj;های جدید می&zwnj;توان ظرفیت آن را افزایش داد. البته برای بهره&zwnj;برداری از چنین راهکاری، برخورداری از اتصال اینترنت پایدار، سریع و ایمن ضروری است.]]></description>
            <category>فناوری</category>
            <pubDate>Sat, 01 Aug 2026 06:42:59 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90628/قانون-۳-۲-۱-ترفند-ساده-ای-نابودی-اطلاعات-جلوگیری-می-کند</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090628-b.jpg" length="63255" type="image/jpeg"/>
        </item>
        <item>
            <title>مایکروسافت نخستین مدل هوش مصنوعی امنیت سایبری خود را معرفی کرد</title>
            <link>https://www.itna.ir/news/90588/مایکروسافت-نخستین-مدل-هوش-مصنوعی-امنیت-سایبری-خود-معرفی</link>
            <description><![CDATA[شرکت مایکروسافت با معرفی نخستین مدل اختصاصی هوش مصنوعی خود در حوزه امنیت سایبری، گام تازه&zwnj;ای در رقابت شرکت&zwnj;های بزرگ فناوری برای توسعه ابزارهای دفاعی مبتنی بر هوش مصنوعی برداشت.
این شرکت هم&zwnj;زمان از یک پلتفرم امنیت سایبری جدید با قابلیت&zwnj;های &laquo;عامل&zwnj;محور&raquo; (Agentic) رونمایی کرد که می&zwnj;تواند بخشی از فرایند شناسایی، تحلیل و مقابله با تهدیدهای سایبری را به&zwnj;صورت خودکار انجام دهد.

به گزارش ایتنا مدل هوش مصنوعی جدید مایکروسافت با نام MAI-Cyber-1-Flash نخستین مدل هوش مصنوعی این شرکت است که به&zwnj;طور اختصاصی برای وظایف امنیت سایبری توسعه یافته است. این مدل برای تحلیل آسیب&zwnj;پذیری&zwnj;ها، بررسی کدها، شناسایی تهدیدها و کمک به تولید راهکارهای مقابله با حملات طراحی شده و به دلیل اندازه کوچک&zwnj;تر، وظایف رایج را با سرعت بیشتر و هزینه پردازشی پایین&zwnj;تر انجام می&zwnj;دهد.
این مدل&nbsp;در موارد پیچیده&zwnj;تر نیز از مدل&zwnj;های قدرتمندتر مانند GPT-5.4 استفاده می&zwnj;کند.

مایکروسافت این مدل را بخشی از سامانه جدیدی با نام Project Perception معرفی کرده است؛ پلتفرمی که بر پایه عامل&zwnj;های هوش مصنوعی ساخته شده و قادر است زنجیره&zwnj;ای از فعالیت&zwnj;های امنیتی، از کشف آسیب&zwnj;پذیری و تحلیل تهدید گرفته تا پیشنهاد راهکارهای اصلاحی، را با حداقل دخالت انسان انجام دهد.
این رویکرد با عنوان امنیت سایبری عامل&zwnj;محور (Agentic Cybersecurity) شناخته می&zwnj;شود و بسیاری از کارشناسان آن را نسل بعدی مراکز عملیات امنیت (SOC) می&zwnj;دانند.

به گفته مایکروسافت، ترکیب مدل MAI-Cyber-1-Flash با GPT-5.4 در آزمون CyberGym&nbsp;به امتیاز 95.95 درصد دست یافته است.
این آزمون،&nbsp;توانایی مدل&zwnj;ها در تحلیل آسیب&zwnj;پذیری&zwnj;ها و تولید نمونه&zwnj;های اثبات مفهوم (Proof of Concept) برای بهره&zwnj;برداری از آسیب&zwnj;پذیری&zwnj;های شناخته&zwnj;شده را می&zwnj;سنجد.
بنا به ادعای مایکروسافت،&nbsp;این نتیجه، عملکردی بهتر از بسیاری از راهکارهای موجود در بازار ارائه می&zwnj;دهد.
&nbsp;

&nbsp;

پاسخ به تهدیدهای مبتنی بر هوش مصنوعی

مایکروسافت اعلام کرده است که هدف از توسعه این فناوری، مقابله با موج جدید حملات سایبری است که خود از هوش مصنوعی برای شناسایی آسیب&zwnj;پذیری&zwnj;ها، تولید بدافزار یا خودکارسازی حملات استفاده می&zwnj;کنند.
به باور این شرکت، ابزارهای دفاعی نیز باید با همان سرعت و مقیاس، از هوش مصنوعی بهره بگیرند تا بتوانند با مهاجمان رقابت کنند.

مطابق نوشته سایت تک&zwnj;کرانچ، این رونمایی تنها چند روز پس از افزایش نگرانی&zwnj;ها درباره حملات سایبری مبتنی بر هوش مصنوعی و سوءاستفاده از مدل&zwnj;های زبانی پیشرفته انجام شده است؛ موضوعی که شرکت&zwnj;های فناوری را به توسعه مدل&zwnj;های تخصصی برای دفاع سایبری سوق داده است.
&nbsp;
عرضه آزمایشی

شرکت مایکروسافت اعلام کرده است که نسخه آزمایشی عمومی مدل MAI-Cyber-1-Flash از هفته آینده در اختیار گروهی از مشتریان قرار خواهد گرفت و قابلیت&zwnj;های بیشتری نیز به پلتفرم Project Perception افزوده خواهد شد.
این شرکت امیدوار است با توسعه عامل&zwnj;های هوشمند، بخش قابل توجهی از وظایف تکراری مراکز عملیات امنیت را خودکار کرده و زمان واکنش به حملات سایبری را کاهش دهد.

این شرکت همچنین ادعا می&zwnj;کند که MAI-Cyber-1-Flash به&zwnj;طور قابل&zwnj;توجهی مقرون&zwnj;به&zwnj;صرفه&zwnj;تر از مدل&zwnj;های رقیب است.]]></description>
            <category>فناوری</category>
            <pubDate>Tue, 28 Jul 2026 10:58:18 GMT</pubDate>
            <guid isPermaLink="false">https://www.itna.ir/news/90588/مایکروسافت-نخستین-مدل-هوش-مصنوعی-امنیت-سایبری-خود-معرفی</guid>
            <enclosure url="https://www.itna.ir/images/docs/000090/n00090588-b.jpg" length="15120" type="image/jpeg"/>
        </item>
    </channel>
</rss>
