Egy „brutecat” néven ismert biztonsági kutató bemutatta, hogyan volt képes egy mesterséges intelligencia által vezérelt „fuzzing” folyamattal kevesebb mint 90 nap alatt több mint 500 000 dollárnyi hibadíjat összegyűjteni a Google infrastruktúrájában talált sebezhetőségekért. A kutatás nem csupán egyedi hibákat, hanem rendszerszintű hozzáférés-kezelési hiányosságokat tárt fel közel 1500 belső Google API-ban. Az eset rávilágít arra, hogy a legfejlettebb technológiai óriások védelmi rendszerei sem sebezhetetlenek a modern, AI-alapú támadási módszerekkel szemben.
A támadás anatómiája: Kulcsszerzéstől a rejtett végpontokig
A sikeres támadássorozat alapja egy rendkívül alapos előkészítő fázis volt. A kutató, Michael Daltonnal együttműködve, nagyléptékű hitelesítőadat-gyűjtésbe kezdett, mivel számos belső Google API érvényes API kulcsot igényel a hozzáféréshez. Ennek érdekében több mint 60 000 Android APK fájlt elemeztek, iOS binárisokat dekódoltak, és egy egyedi Chrome-bővítményt fejlesztettek, amely több mint 2800 Google domainen figyelte és fogta el a hálózati forgalmat. Ezzel a módszerrel végül körülbelül 3600 API kulcsot gyűjtöttek össze.
AI Biztonság kérdésed van? Itt elérsz minket:
A következő lépés a kulcsok szűrése volt. Egy Google Cloud Marketplace végpont segítségével azonosították, hogy egy adott projektszám melyik domainhez tartozik, így kiszűrték a nem Google-höz tartozó kulcsokat. A kutatók itt nem álltak meg: olyan technikákat alkalmaztak, mint a `GOOGLE_INTERNAL` láthatósági címkékkel való visszaélés, amellyel rejtett API végpontokat fedeztek fel. Sikerült visszafejteniük a Google saját, belső használatú First Party Authentication (FPA v2) rendszerét is, miután annak forrástérképei (sourcemaps) egy rövid időre kiszivárogtak.
A támadási felület feltérképezéséhez egy egyedi API Explorert építettek, amely képes volt bármilyen API leíró dokumentumot kliensoldalon feldolgozni és hitelesített kéréseket végrehajtani. Ez a szisztematikus és mélyreható előkészület teremtette meg az alapot a támadás automatizált, AI-vezérelt fázisához.
Claude AI, az automatizált pentester
A kutatás leginnovatívabb eleme a Claude AI integrálása volt egy automatizált pentester motor szerepébe. A mesterséges intelligencia nem önmagában, hanem egyedi eszközökkel felvértezve működött. A kutató három fő funkciót adott a modellnek:
- probe_api: API végpontok vizsgálata.
- report_vulnerability: Sebezhetőségek jelentése.
- confirm_testing_complete: A tesztelés befejezésének megerősítése.
A rendszert egy hónapon keresztül, iteratív prompt engineering segítségével finomították, amíg el nem érték a kívánt hatékonyságot. Az eredmény megdöbbentő volt: az AI által jelentett sebezhetőségek pontossága meghaladta az 50%-ot. Ez a hatékonyság tette lehetővé a hibák gyors, nagyléptékű azonosítását.
A legsúlyosabb felfedezések egyike a `gfibervoice-pa.googleapis.com` API-t érintette, amely a Google Voice és a Google Fiber szolgáltatások kezeléséért felelős. Itt a hozzáférés-szabályozás teljes hiányát fedezték fel. Egyetlen, hitelesítés nélküli `curl` paranccsal, csupán az áldozat Gaia ID-jának ismeretében, egy támadó hozzáférhetett a teljes személyes adatkörhöz (PII), beleértve az áldozat Google Voice telefonszámát és a fiók-helyreállításhoz használt telefonszámát is.
Az API emellett lehetővé tette, hogy a támadó bármilyen telefonszámot hozzárendeljen az áldozat Google-fiókjához jogosultság nélkül. Ez a szám megjelent az áldozat hitelesített telefonszámai között a `myaccount.google.com/phone` oldalon, ami potenciális fiókátvételi (ATO) és SIM-swap stílusú támadások előtt nyitotta meg az utat. A Google ezt a hibát a lehető legmagasabb, P0/S0 súlyossági szintre értékelte, órákon belül javította, és egyedül ezért a felfedezésért 20 000 dollár jutalmat fizetett. Az összes sebezhetőséget felelősségteljesen, a Google VRP programján keresztül jelentették.
Az AIQ nézőpontja: Mit jelent ez a vállalati szektor számára?
Az AIQ szerint ez az eset több kritikus tanulsággal szolgál a magyar és európai uniós vállalatok számára, különösen a GDPR és az EU AI Act kontextusában.
OWASP LLM Top 10 és a klasszikus sebezhetőségek
Bár a támadás egy LLM-et használt, a feltárt sebezhetőségek többsége klasszikus API biztonsági hiba volt, mint például a hibás hozzáférés-kezelés (Broken Access Control). Ez rávilágít, hogy az AI-modellek nemcsak új típusú sebezhetőségeket hoznak létre (lásd OWASP LLM Top 10), hanem fegyverként is használhatók a meglévő, hagyományos hibák felderítésére, eddig soha nem látott skálán és sebességgel. Vállalati kontextusban ez azt jelenti, hogy az API-k biztonsági auditja sürgetőbb, mint valaha. Egy rosszul konfigurált belső API, amelyhez egy AI-alapú rendszer hozzáfér, exponenciálisan növeli a kockázati felületet.
GDPR és EU AI Act megfelelőség
A Google Voice API-ban talált hiba egy tankönyvbe illő adatvédelmi incidens lehetőségét hordozta magában. Személyes adatok (PII) tömeges, hitelesítés nélküli elérése súlyos GDPR-sértésnek minősülne, amely jelentős bírságokat vonhat maga után. Az AIQ álláspontja szerint az EU AI Act nem csupán a mesterséges intelligencia modellek átláthatóságáról és méltányosságáról szól, hanem a teljes ökoszisztéma biztonságáról is. Egy olyan AI-rendszer, amely kritikus infrastruktúrát vagy személyes adatokat kezelő API-kat használ, magas kockázatúnak minősülhet. A megfelelőség biztosítása megköveteli a mögöttes rendszerek, így az API-k szigorú és folyamatos biztonsági ellenőrzését is.
Konklúzió: Az automatizált védekezés kora
A „brutecat” által végzett kutatás egyértelműen demonstrálja a biztonsági paradigmaváltást. A mesterséges intelligencia már nem csupán egy védekező eszköz, hanem a megfelelő kezekben egy rendkívül hatékony, skálázható sebezhetőség-felderítő motorrá válik. Képes olyan kritikus hibákat feltárni, amelyeket még a világ legfelkészültebb szervezetei is elrejtenek a komplex rendszereik mélyén.
Vállalati döntéshozóként és fejlesztőként a tanulság egyértelmű: a reaktív, manuális biztonsági tesztelés kora lejárt. A komplex API-ökoszisztémák védelme proaktív, folyamatos és egyre inkább automatizált biztonsági auditot igényel. Az AI-alapú támadásokkal szemben csak hasonlóan fejlett, AI-t is alkalmazó védelmi stratégiákkal lehet felvenni a versenyt.