هَكترون تكتشف ثغرة HEIF في منتدى OpenAI وتستغلها للسيطرة على حسابات ChatGPT

أعلنت شركة Hacktron للأمن السيبراني أنها أجرت تحقيقًا في ثغرة لبرنامج مكافآت الأخطاء في OpenAI خلال أقل من 72 ساعة. يبرز هذا الجدول الزمني السريع كلًا من إلحاح المشكلة وكفاءة عملية الكشف المنسق.

نقطة الدخول عبر منتدى المجتمع

نشأ متجه الاختراق الأولي من منتدى مجتمع OpenAI، الذي يعتمد على منصة Discourse. استخدم هذا المنتدى نسخةً ضعيفة من مكتبة libheif لمعالجة صيغ الصور HEIC وHEIF، مما خلق سطحًا للاستغلال.

تم التعرف على العيب المحدد على أنه CVE-2026-32882، وهو ثغرة تجاوز للذاكرة في libheif. حصلت الثغرة على درجة CVSS قدرها 8.8، مما يشير إلى مستوى خطورة عالٍ والقدرة على تنفيذ شيفرة عن بُعد عندما يتم تحميل صورة مُصمَّمة خصيصًا إلى المنتدى.

استخدام نماذج الذكاء الاصطناعي لتطوير الاستغلال

لتكييف الاستغلال مع بنية الخادم، استخدم الباحثون أولاً نموذج Claude Opus 4.8. ساعد هذا النموذج في إنشاء الحمولة الأولية لبيئة ARM64. ثم مكن الاستخدام اللاحق لـ Claude Opus 5 من تحسين الاستغلال لهيكلية x86‑64، مما يُظهر كيف يمكن للذكاء الاصطناعي التوليدي تسريع مرحلة التكييف في الهجوم.

لم يلغي سير العمل المدعوم بالذكاء الاصطناعي الحاجة إلى التحليل البشري. لا يزال على الباحثين تفسير مخرجات النموذج، والتحقق من صحة الحمولة، ودمجها مع خطوات الاختبار اليدوي، مما يبرز استمرار أهمية الإشراف الخبير.

التصعيد عبر ضعف تسجيل الدخول الواحد

بعد اختراق خادم المنتدى، اكتشف الفريق ضعفًا في آلية تسجيل الدخول الواحد (SSO) التي ربطت المنتدى بخدمات OpenAI الأخرى. من خلال استغلال هذا العيب في SSO، تمكنوا من التحكم في عدة حسابات ChatGPT تخص موظفي OpenAI.

كان أحد الحسابات المخترقة مرتبطًا بـ Codex وكان لديه أذونات مرتبطة بمنظمة GitHub الخاصة بـ OpenAI. سمح هذا الاتصال للمهاجمين بفتح طلب سحب غير ضار دون الحاجة إلى قراءة الشيفرة المصدرية الداخلية، مما يوضح مسار حركة أفقية يعتمد على ربط الاعتمادات بدلاً من الوصول المباشر إلى الشيفرة.

• استخدام المنتدى نسخة ضعيفة من libheif
• CVE‑2026‑32882 بدرجة CVSS قدرها 8.8
• توليد الحمولة بمساعدة الذكاء الاصطناعي لـ ARM64 وx86‑64
• ضعف SSO يمكّن من التحكم في حسابات موظفي ChatGPT
• الوصول إلى GitHub المرتبط بـ Codex لاستخدامه في تقديم طلب سحب غير ضار

تسلسل الإجراءات—من تحميل الصورة الأولي إلى استغلال SSO والتفاعل مع GitHub—يظهر سلسلة هجوم متعددة المراحل حيث يبني كل خطوة على سابقتها، مما يزيد من أثر تجاوز الذاكرة الأصلي.

أبلغت Hacktron عن الثغرة إلى OpenAI في 25 يوليو. أقرت OpenAI بالتقرير ونشرت إصلاحًا بعد حوالي أربع عشرة ساعة، مما يدل على جهود تصحيح سريعة.

أُغلق الحادث رسميًا في 1 سبتمبر، بعد التحقق من التصحيح ودفع مكافأة برنامج المكافآت البالغة 6,500 دولار، كما أشار Bright. تعكس هذه الدفعة هيكل الحوافز المالية النموذجي لبرامج مكافآت الأخطاء.

في حين أن المكافأة المالية والتصحيح السريع يبرزان استجابة أمنية فعّالة، فإن الحادث يثير أيضًا تساؤلات حول المشهد المخاطر الأوسع. على سبيل المثال، قد يؤدي الاعتماد على مكتبات الطرف الثالث مثل libheif إلى إدخال ثغرات نظامية عبر العديد من الخدمات التي تشارك نفس المكوّن.

سؤال مفتوح آخر يتعلق بمدى قدرة نماذج الذكاء الاصطناعي على اكتشاف وتسليح عيوب مماثلة بشكل مستقل. تُظهر الحالة الحالية أن الذكاء الاصطناعي يمكنه تسريع تطوير الاستغلال، لكن الخبرة البشرية لا تزال أساسية لتفسير وتنفيذ الخطوات النهائية.

يمكن للتحقيقات المستقبلية دراسة ما إذا كان دمج التحليل الساكن الآلي للاعتمادات الطرفية في خطوط تكامل مستمر سيقلل من نافذة التعرض للثغرات مثل CVE‑2026‑32882.

بشكل عام، يسلط الحادث الضوء على أن أدوات الذكاء الاصطناعي قد تسرّع بعض مراحل الهجوم، لكنها لا تُلغي الحاجة إلى ممارسات أمان صارمة، وإدارة دقيقة للاعتمادات، وآليات توثيق قوية.

تم توضيح أن الثغرة التي استُغلّت كانت نتيجة لوجود مكوّن خارجي غير محدث في نظام إدارة المحتوى، ما أدى إلى إمكانية تجاوز حدود الذاكرة عند معالجة ملفات الصور. هذا النوع من الأخطاء يُظهر أن الاعتماد على مكتبات خارجية قد يخلق فجوة أمنية إذا لم تُجرَ مراقبة دورية لتحديثها. ومع ذلك، لا يمكن الجزم بأن جميع الأنظمة المشابهة معرضة لنفس الخطر دون فحص شامل للبيئات المستعملة، لأن وجود عوامل متعددة قد يحدّ من إمكانية استغلال الثغرة في سياقات مختلفة. كذلك، يظل دور الفحص اليدوي والتحقق البشري حاسماً في تفسير النتائج التي تولدها الأدوات الذكية، حيث إن الاعتماد الكامل على الخوارزميات قد يترك ثغرات غير مكتشفة أو يخلق تحليلات خاطئة. وبالتالي، فإن أي تحسين في عمليات المراجعة يجب أن يبقى مدمجاً مع إشراف متخصص لضمان أن تكون الاستنتاجات دقيقة ومُطبقة على نطاق واسع.

من ناحية أخرى، يُظهر الاستخدام المتسلسل لتقنيات الذكاء الاصطناعي في إعداد الحمولة البرمجية أن هذه الأدوات يمكن أن تسرّع من مرحلة التكييف للبيئات المختلفة، لكن ذلك لا يعني أن عملية الاختراق تصبح تلقائية بالكامل. يبقى من الضروري أن تُؤخذ في الاعتبار أن كل خطوة في سلسلة الهجوم تتطلب تأكيداً من قبل خبراء الأمن قبل الانتقال إلى المرحلة التالية، وهذا قد يحد من الفعالية إذا لم تتوفر الخبرة المطلوبة. إذا ما تم تعزيز سياسات إدارة الاعتمادات وتطبيق تدابير تحقق متعددة العوامل، فقد يتقلص احتمال استغلال نقاط الضعف المرتبطة بآليات الدخول الموحد. كذلك، إذا ما تم دمج فحص ثابت للرموز في عمليات التكامل المستمر، قد يُقلل ذلك من الفجوة الزمنية بين اكتشاف الثغرة وتطبيق التصحيح، مما قد يحد من فرص الاستفادة منها في المستقبل.