گروهی از هکرهای مظنون به ارتباط با چین با استفاده از عامل های هوش مصنوعی خودمختار موفق شدند یک آسیب پذیری ناشناخته در نرم افزار تصویربرداری پزشکی MONAI Label را شناسایی کنند و از طریق آن به دسترسی سطح ریشه (Root) در سرور یک دانشگاه دست یابند. شرکت Amazon Threat Intelligence این حمله سایبری را بررسی و جزئیات آن را در گزارشی منتشر کرده است.
این آسیب پذیری به مهاجمان اجازه می دهد بدون داشتن حساب کاربری، فایل هایی را خارج از پوشه ذخیره سازی سرور بنویسند. این مشکل نسخه های 0.8.5 و قدیمی تر MONAI Label را در تنظیمات پیش فرض تحت تاثیر قرار می دهد؛ زیرا در این تنظیمات، احراز هویت به صورت پیش فرض غیرفعال است.
توسعه دهندگان پروژه اصلاحیه این آسیب پذیری را در کد منبع ادغام کرده اند، اما هنوز نسخه اصلاح شده ای برای نصب عمومی منتشر نشده است.
آسیب پذیری MONAI Label چگونه عمل می کند؟
MONAI Label یک نرم افزار سرور متن باز است که تیم های تحقیقاتی از آن برای برچسب گذاری تصاویر پزشکی و آموزش مدل های تصویربرداری استفاده می کنند. این برنامه محصولی مستقل از چارچوب گسترده تر MONAI محسوب می شود.
ضعف امنیتی شناسایی شده از نوع آسیب پذیری Path Traversal است و بخش هایی از سرور را تحت تاثیر قرار می دهد که وظیفه ذخیره تصاویر و برچسب های بارگذاری شده را بر عهده دارند. مشکل از آنجا ناشی می شود که شناسه فایل ارسالی از سوی درخواست کننده، بدون بررسی کافی به مسیر پوشه ذخیره سازی اضافه شده و فایل در همان مسیر نوشته می شود. در نتیجه مهاجم می تواند با دستکاری مسیر، فایل را خارج از پوشه مجاز ذخیره کند.
سرور فایل ها را با سطح دسترسی حساب کاربری اجراکننده خود می نویسد؛ بنابراین مهاجم لزوما به تمام بخش های سیستم دسترسی پیدا نمی کند. با این حال، اگر بتواند در پوشه ای قابل نوشتن که حاوی کدهای اجرایی یا تنظیمات برنامه است فایل ایجاد کند، ممکن است راهی برای اجرای کد روی سرور پیدا کند.
از آنجا که احراز هویت در تنظیمات پیش فرض فعال نیست، هر کاربری که از طریق شبکه به سرور دسترسی داشته باشد می تواند این آسیب پذیری را فعال کند. تمام نسخه های MONAI Label تا نسخه 0.8.5 تحت تاثیر این مشکل قرار دارند.
عامل های هوش مصنوعی چگونه به سرور دانشگاه نفوذ کردند؟
آمازون پس از کشف پنل مدیریتی اختصاصی مهاجمان به نام Cairn که بدون رمز عبور در اینترنت قرار گرفته بود، توانست جزئیات این عملیات را بازسازی کند. Cairn یک چارچوب متن باز برای اجرای عامل های هوش مصنوعی به عنوان ابزارهای خودکار تست نفوذ است. پنل افشاشده اطلاعاتی مانند تنظیمات وظایف، دستورالعمل ها و سوابق اجرای عامل ها را در اختیار محققان قرار داد.
طبق گزارش آمازون، عامل های هوش مصنوعی طی حدود ۴۸ ساعت در ماه سپتامبر، رابط نرم افزار را بررسی کردند و تنها در حدود ۱۱ دقیقه توانستند به مرحله نوشتن فایل روی سرور برسند.
این عامل ها برای انجام مراحل حمله به راهنمایی گام به گام نیاز نداشتند. اپراتور انسانی هدف کلی، یعنی دستیابی به دسترسی خط فرمان یا Shell، را تعیین کرده و اهداف مورد نظر را انتخاب کرده بود؛ اما انتخاب روش های نفوذ و اجرای مراحل مختلف بر عهده عامل های هوش مصنوعی بود.
محققان با اطمینان متوسط این عملیات را به یک عامل تهدید مرتبط با چین نسبت داده اند. استفاده از دستورالعمل های چینی ساده شده، تنظیم منطقه زمانی چین و انتخاب اهدافی که احتمالا برای این کشور اهمیت دارند، از جمله شواهد مطرح شده هستند. با این حال، آمازون این فعالیت ها را به گروه هکری مشخصی نسبت نداده و دخالت مستقیم دولت چین را نیز اثبات نکرده است.
چگونه مهاجمان به دسترسی Root رسیدند؟
دستیابی به دسترسی Root در همان ۱۱ دقیقه ابتدایی اتفاق نیفتاد. عامل های هوش مصنوعی در یک نشست جداگانه از همان آسیب پذیری استفاده کردند تا فایلی را در مسیر راه اندازی خودکار پایتون قرار دهند. این فایل به گونه ای طراحی شده بود که هنگام شروع یک فرایند جدید پایتون به صورت خودکار اجرا شود.
مهاجمان سپس قابلیت آموزش نرم افزار را فعال کردند تا یک فرایند جدید پایتون آغاز شود. این فرایند فایل مخرب قرارگرفته در مسیر راه اندازی را اجرا کرد و در نهایت ارتباطی با سیستم مهاجم برقرار شد. این ارتباط با سطح دسترسی Root روی سرور دانشگاه انجام گرفت.
این دسترسی سطح بالا تنها روی یک سرور دانشگاهی تایید شده است. اینکه همین آسیب پذیری در سایر سیستم های مجهز به MONAI Label نیز به دسترسی Root منجر شود، به نحوه اجرای نرم افزار و سطح دسترسی حساب کاربری سرویس بستگی دارد.
در یک نشست بعدی، اپراتور انسانی یک تونل ارتباطی به شبکه دانشگاهی دیگری در اختیار عامل ها قرار داد که از همین نرم افزار استفاده می کرد. آمازون معتقد است این شبکه نیز به روشی مشابه مورد نفوذ قرار گرفته است، اما هنوز وقوع نفوذ دوم را به طور قطعی تایید نکرده است.
توسعه دهندگان MONAI Label آسیب پذیری را اصلاح کردند
توسعه دهندگان پروژه وجود این ضعف امنیتی را تایید کرده و در تاریخ ۱۹ اکتبر اصلاحیه آن را در کد منبع ادغام کردند. این اصلاحیه باعث می شود مسیر نهایی فایل های بارگذاری شده حتما در محدوده پوشه های مجاز باقی بماند. همچنین نام های خالی یا نام هایی که با نقطه شروع می شوند، رد خواهند شد.
با وجود این اصلاح، اطلاعیه امنیتی پروژه که در اوایل هفته منتشر شده، هنوز نسخه اصلاح شده مشخصی را معرفی نمی کند و اعلام کرده است که این تغییرات در نسخه ای در آینده منتشر خواهند شد.
بر اساس فهرست انتشار بسته در مخزن PyPI، جدیدترین نسخه عمومی MONAI Label همچنان نسخه 0.8.5 است که در سال ۲۰۲۴ منتشر شده بود. بنابراین باید توجه داشت که ادغام اصلاحیه در کد منبع به معنای انتشار یک بسته قابل نصب و اصلاح شده نیست.
آسیب پذیری CVE-2026-133968 چه میزان خطرناک است؟
این آسیب پذیری با شناسه CVE-2026-133968 در پایگاه اطلاعاتی آسیب پذیری های امنیتی ثبت شده و امتیاز ۹.۸ از ۱۰ را دریافت کرده است. این امتیاز نشان دهنده سطح بحرانی خطر امنیتی آن است.
در اطلاعیه امنیتی پروژه MONAI Label هنوز شناسه CVE درج نشده است. این اختلاف به دلیل تاخیر در به روزرسانی صفحه اطلاعیه است و به معنای وجود یک آسیب پذیری جداگانه نیست.
سازمان ها برای مقابله با این آسیب پذیری چه اقداماتی انجام دهند؟
از آنجا که هنوز نسخه اصلاح شده عمومی در دسترس نیست، سازمان هایی که از MONAI Label استفاده می کنند باید دسترسی به سرورهای خود را محدود کرده و احتمال سوءاستفاده از این آسیب پذیری را کاهش دهند. اقدامات پیشنهادی عبارت اند از:
- دسترسی شبکه های غیرقابل اعتماد به سرورهای MONAI Label را با استفاده از قوانین فایروال و مسیریابی مسدود کنید و صرفا به تغییر یا مخفی کردن آدرس های دسترسی اکتفا نکنید.
- قابلیت احراز هویت را فعال کنید؛ زیرا این قابلیت در تنظیمات پیش فرض نرم افزار غیرفعال است.
- سرور را با یک حساب کاربری دارای سطح دسترسی محدود اجرا کنید و دسترسی نوشتن آن به پوشه های غیرضروری را ببندید.
- تصور نکنید که ساخت نسخه از روی کد منبع به تنهایی مشکل را برطرف می کند. پیش از اطمینان از اصلاح آسیب پذیری، بررسی کنید که کد مورد استفاده شامل اصلاحیه منتشرشده در ۱۹ اکتبر باشد.
- اگر سرور از طریق شبکه در دسترس بوده است، فایل های غیرمنتظره در مسیر راه اندازی پایتون و وظایف آموزشی غیرعادی را بررسی کنید؛ زیرا حمله گزارش شده از همین مسیر برای دستیابی به دسترسی Root استفاده کرده است.
آیا اطلاعات بیماران در این حمله سرقت شده است؟
گزارش آمازون بر اساس بازسازی این شرکت از عملیات مهاجمان تهیه شده و هنوز به طور مستقل تایید نشده است. در این گزارش شواهدی مبنی بر سرقت تصاویر پزشکی یا پرونده های بیماران ارائه نشده است. همچنین مشخص نیست که سیستم های بالینی مورد حمله قرار گرفته باشند یا مهاجمان توانسته باشند از محدوده اهداف دانشگاهی توصیف شده فراتر بروند.
آمازون همچنین اعلام کرده است که بخشی از عملیات این کارزار با شکست مواجه شده است. بنابراین دستیابی به دسترسی Root در یک سرور را نباید نتیجه قطعی تمام حملات علیه سیستم های مجهز به MONAI Label دانست.




نظرات در مورد : هکرهای وابسته به چین با کمک عامل های هوش مصنوعی یک آسیب پذیری روز صفر در نرم افزار تصویربرداری پزشکی کشف کردند