استفاده از هوش مصنوعی در جرایم مرتبط با ارزهای دیجیتال طی یک سال گذشته ۴۰ درصد افزایش یافته است. گزارش جدید TRM Labs نشان میدهد کلاهبرداران و هکرها از ابزارهای هوش مصنوعی برای جعل هویت، مهندسی اجتماعی، کشف آسیبپذیری و نفوذ به اهداف کریپتویی استفاده میکنند.
در یوتوتایمز بررسی میکنیم که چگونه هوش مصنوعی از یک ابزار کمکی به بخشی از زیرساخت جرایم کریپتویی تبدیل شده و این روند چه ریسکهایی برای کاربران، صرافیها و داراییهای دیجیتال ایجاد میکند. بر اساس دادههای معتبر جهانی بررسیشده توسط یوتوتایمز، شدت این روند در سال ۲۰۲۶ افزایش قابل توجهی داشته است.
کلاهبرداری؛ بزرگترین میدان استفاده از هوش مصنوعی
شاخص ۲۰۲۶ «پذیرش هوش مصنوعی در جرایم» TRM Labs، سطح استفاده از AI در مجموع جرایم کریپتویی را ۵۴ از ۱۰۰ ارزیابی کرده است؛ رقمی که در سال ۲۰۲۴ حدود ۲۸ بود.
در این رتبهبندی، کلاهبرداری به سطح «بالغ» رسیده، در حالی که هک و باجافزار همچنان در مرحله «در حال ظهور» قرار دارند. استفاده از هوش مصنوعی در قاچاق مواد مخدر و بازارهای دارکنت نیز در پایینترین سطح ارزیابی شده است.
جعل هویت به یک تهدید جدی تبدیل شده است
طبق گزارش TRM، سهم گزارشهای کلاهبرداری کریپتویی که در آنها از ابزارهایی مانند دیپفیک و چتباتهای هوش مصنوعی استفاده شده، از سال ۲۰۲۲ تا ۱۳ برابر افزایش یافته است.
زیان ناشی از کلاهبرداریهای دیپفیک نیز در سال ۲۰۲۶ تاکنون از کل زیان ثبتشده در سال ۲۰۲۵، ۲۶۳ درصد بیشتر بوده است.
این تغییر به کلاهبرداران اجازه میدهد محتوای جعلی، شخصیتهای ساختگی و ارتباطات متقاعدکننده را با هزینه و زمان بسیار کمتری تولید کنند.
هکرها از AI برای کشف اکسپلویت استفاده میکنند
هوش مصنوعی تنها به کلاهبرداری محدود نمانده و در حملات سایبری علیه شرکتها و پروتکلهای کریپتویی نیز مورد استفاده قرار گرفته است. TRM Labs میگوید برخی مهاجمان از AI برای کشف آسیبپذیری، مهندسی اجتماعی و نفوذ به زیرساختها استفاده میکنند.
طبق این گزارش، گروههای سایبری مرتبط با کره شمالی از روشهایی مانند دیپفیک برای نفوذ به موقعیتهای شغلی فناوری اطلاعات، مهندسی اجتماعی مبتنی بر AI و کشف آسیبپذیری با کمک هوش مصنوعی استفاده کردهاند.
این روند میتواند سطح ورود به جرایم سایبری را کاهش دهد؛ زیرا مهاجمان برای انجام برخی فعالیتها دیگر به تیمهای بزرگ و متخصصان متعدد نیاز ندارند.
یک آسیبپذیری مهم با کمک هوش مصنوعی کشف شد
در ماه ژوئن، تیلور هورنبی، مهندس امنیت، یک آسیبپذیری مهم در استخر تراکنش Orchard شبکه Zcash را با کمک هوش مصنوعی شناسایی کرد.
این نقص میتوانست امکان ایجاد مقدار نامحدودی توکن جعلی در این استخر را فراهم کند. این نمونه نشان میدهد هوش مصنوعی میتواند هم برای دفاع از شبکههای بلاکچینی و هم برای شناسایی مسیرهای احتمالی حمله مورد استفاده قرار گیرد.
تعداد هکهای کریپتویی به رکورد جدید رسید
گزارش TRM Labs نشان میدهد تعداد حملات هکری علیه داراییهای دیجیتال در نیمه نخست سال ۲۰۲۶ به ۲۰۱ مورد رسیده است؛ رقمی که بیش از دو برابر تعداد حملات ثبتشده در نیمه نخست سال ۲۰۲۵ محسوب میشود.
با این حال، بخش عمده زیانها از تعداد محدودی حمله ناشی شده است. حدود ۷۵ درصد خسارتهای ثبتشده از تنها ۴ درصد حملات به وجود آمدهاند.
بخش زیادی از این حملات نیز به زیرساختهای اصلی مربوط بوده و سرقت کلیدهای خصوصی یا اطلاعات احراز هویت در آنها نقش داشته است.
| شاخص | وضعیت |
| رشد استفاده از AI در جرایم کریپتو | ۴۰٪ |
| شاخص پذیرش AI در سال ۲۰۲۶ | ۵۴ از ۱۰۰ |
| شاخص در سال ۲۰۲۴ | حدود ۲۸ از ۱۰۰ |
| هکهای ثبتشده در نیمه اول ۲۰۲۶ | ۲۰۱ مورد |
| افزایش گزارشهای کلاهبرداری AI از ۲۰۲۲ | تا ۱۳ برابر |
| افزایش زیان دیپفیک در ۲۰۲۶ نسبت به کل ۲۰۲۵ | ۲۶۳٪ |
کره شمالی و افزایش خطر سرقت دارایی دیجیتال
فعالیتهای مرتبط با کره شمالی نیز سهم قابل توجهی از خسارتهای نیمه نخست سال داشتهاند. بر اساس گزارش TRM، عملیات مرتبط با این کشور حدود ۶۰۰ میلیون دلار، معادل ۶۱ درصد از کل زیانهای هک در این دوره، را به خود اختصاص داده است.
استفاده از دیپفیک برای نفوذ به شرکتها، مهندسی اجتماعی و شناسایی آسیبپذیریهای امنیتی میتواند حملات را سریعتر و هدفمندتر کند.
برای کاربران، این مسئله اهمیت محافظت از کلیدهای خصوصی، اطلاعات ورود و هویت دیجیتال را افزایش میدهد؛ زیرا مهاجمان میتوانند از هوش مصنوعی برای شخصیسازی حملات استفاده کنند.
باجافزارهای هوش مصنوعی وارد مرحله جدید شدند
TRM Labs اعلام کرده است که بخش زیادی از عملیات باجافزاری از هوش مصنوعی در مرحله فیشینگ و دسترسی اولیه استفاده میکنند. همزمان، ابزارهای باجافزاری بدون نیاز به کدنویسی با قیمت حدود ۴۰۰ تا ۱۲۰۰ دلار نیز در دسترس قرار گرفتهاند.
یکی از نمونههای جدید، باجافزار JadePuffer است که محققان آن را نخستین حمله باجافزاری کاملاً مبتنی بر عامل هوش مصنوعی برای اخاذی معرفی کردهاند.
در این عملیات، عامل هوش مصنوعی میتوانست مراحلی مانند شناسایی هدف، سرقت اطلاعات ورود، حرکت در شبکه، افزایش سطح دسترسی و رمزگذاری را بهصورت زنجیرهای انجام دهد.
آری ردبورد، مدیر جهانی سیاستگذاری و امور دولتی TRM Labs، معتقد است این مدل حملات نشان میدهد باجافزارها میتوانند در مقیاسی بسیار بزرگتر و با وابستگی کمتر به نیروی انسانی اجرا شوند.
AI؛ تهدیدی برای امنیت کیفپولها
تحلیلگران یوتوتایمز معتقدند رشد استفاده از هوش مصنوعی در کلاهبرداری و هک، ریسک کیفپول و سرقت دارایی دیجیتال را برای کاربران افزایش میدهد. دیپفیک، فیشینگ شخصیسازیشده و کشف سریع اکسپلویت میتوانند حتی کاربران محتاط را هدف بگیرند. استفاده از کیفپولهای معتبر، فعالسازی احراز هویت چندمرحلهای و بررسی دقیق لینکها و تراکنشها برای کاهش این ریسک اهمیت بیشتری پیدا کرده است.
