دو آسیبپذیری در سامانه هوش مصنوعی شرکت هندی CreditNirvana میتوانست اطلاعات ۶.۶ میلیون حساب و حدود ۳۱۵ هزار فایل صوتی تماس را در دسترس افراد غیرمجاز قرار دهد. این پلتفرم برای شرکتهای خدمات مالی، فرایند پیگیری و وصول بدهی را خودکار میکند و بخشی از شرکت فینتک Perfios است.
به گزارش Wired، این نقصها را پژوهشگر امنیتی مستقل، ایتون زویر، شناسایی کرد. او میگوید آسیبپذیریها در ماه ژوئن برطرف شدند و جزئیات آنها در اکتبر منتشر شد. زویر برای رفع مشکل با تیم واکنش اضطراری رایانهای هند، CERT-In، همکاری کرد. این نهاد یکی از آسیبپذیریها را «شدید» و دیگری را «بحرانی» ارزیابی کرد.
چه اطلاعاتی در معرض خطر بود؟
آسیبپذیری شدیدتر در بخش مرکز تماس قرار داشت. اطلاعات تماسها و پیشنهادهای سامانه برای اقدام بعدی پس از پایان هر تماس، در معرض دسترسی بود. به گفته زویر، مهاجم همچنین میتوانست از این نقص برای مدیریت عاملهای هوش مصنوعی در سامانه و هدایت کارزارهای خودکار استفاده کند.
نقص بحرانی به سامانه اصلی CreditNirvana مربوط میشد و اطلاعات سه مشتری سازمانی این شرکت را تحت تأثیر قرار میداد؛ هر سه از مؤسسات مالی شناختهشده هند هستند. دادههای افشاشده شامل گزارشهای اعتباری، کارتهای شناسایی، پروندههای مدیریت مطالبات و اسناد حقوقی بود. میلیونها ایمیل، پیامک و رونوشت تماس مرتبط با خدمات مالی و پیگیری بدهی نیز در میان این دادهها قرار داشت.
این آسیبپذیری فقط به مشاهده اطلاعات محدود نمیشد. بر اساس توضیح CERT-In، مهاجم میتوانست کاربران سامانه را شناسایی کند و با هویت کاربران دیگر، از جمله مدیران، وارد شود. چنین دسترسیای امکان مشاهده یا تغییر اطلاعات را فراهم میکرد. زویر همچنین گفته است که نقص میتوانست برای ردیابی موقعیت مأموران میدانی وصول بدهی و دسترسی به برخی امکانات مدیریتی به کار برود.
چرا این دادهها حساساند؟
پروندههای وصول بدهی معمولاً تصویری دقیق از وضعیت مالی و شخصی افراد ارائه میکنند. گزارش اعتباری، مکاتبات، اسناد هویتی و سوابق حقوقی میتوانند اطلاعاتی فراتر از یک شماره حساب آشکار کنند. اگر چنین دادههایی به دست افراد سودجو برسد، ممکن است برای کلاهبرداری، جعل هویت یا فشار بر افراد استفاده شود.
CreditNirvana و Perfios به درخواست رسانهها برای اظهارنظر پاسخ ندادند. زویر از اینکه مشکل سریع برطرف شده ابراز خرسندی کرده، اما میگوید ممکن است این نقصها سالها در سامانه وجود داشته باشند. او این رخداد را نمونهای از خطرهای خدمات هوش مصنوعی میداند؛ بهویژه وقتی سامانهها دادههای حساس را از منابع مختلف جمع میکنند و بر اساس آنها تصمیم میگیرند.
درس امنیتی برای سامانههای خودکار
خودکار شدن یک فرایند، نیاز به محافظت از دادهها را کمتر نمیکند. برعکس، هرچه یک سامانه به اطلاعات بیشتر و اختیار بالاتری دسترسی داشته باشد، بررسی سطح دسترسی کاربران، ثبت فعالیتها و آزمودن امنیت آن اهمیت بیشتری پیدا میکند. این پرونده نشان میدهد که نقص در یک ابزار هوش مصنوعی میتواند هم اطلاعات افراد را در معرض خطر بگذارد و هم امکان کنترل خود سامانه را فراهم کند.
Originally published by Wired



