ניתוח

ניתוח התנהגותי של נוזקות באמצעות AI: פרויקט Ire של מיקרוסופט

סוכן בינה מלאכותית עצמאי של מיקרוסופט חשף גרסה חמקנית של נוזקת LOTUSLITE שעקפה את מערכות ה-EDR

4 דקות קריאה
ניתוח התנהגותי של נוזקות באמצעות AI: פרויקט Ire של מיקרוסופט
מבוסס על כתבה שלMicrosoft Research ↗תרגום וסיכום באמצעות מערכת חדשות בליווי AIאיך אנחנו עובדים

תקציר מנהלים

מה חשוב לדעת

  1. פרויקט Ire זיהה בהצלחה גרסה חדשה של נוזקת LOTUSLITE, חרף העובדה שרק 1 מתוך 72 מנועי אבטחה ב-VirusTotal סימן אותה בתחילה.

  2. מערכות ה-EDR המובילות בתעשייה, לרבות CrowdStrike ו-SentinelOne, כשלו בזיהוי הנוזקה החמקנית נכון ליוני 2026.

  3. סוכן ה-AI הפיק דוח התנהגותי מפורט ללא מטא-דטה או התערבות אנושית, תוך פענוח פונקציות וזיהוי שרת השליטה (C2 magic 0xB2EBCFDF).

  4. הנוזקה הוסוותה כקובץ DLL עם פונקציות הקשורות לעולמות הבנקאות וקודי QR כדי להטעות את מנגנוני הסריקה המסורתיים.

ניתוח התנהגותי של נוזקות באמצעות AI: המהפכה האוטונומית של מיקרוסופט

כיצד סוכני AI עצמאיים משנים את כללי המשחק בהנדסה לאחור של קוד עוין? פרויקט Ire (Project Ire) של מיקרוסופט הדגים לאחרונה כיצד סוכן בינה מלאכותית מסוגל לנתח באופן אוטונומי לחלוטין גרסה חדשה וחמקמקה של הנוזקה LOTUSLITE. הסוכן הצליח לזהות את אופי הפעילות הזדונית של הקובץ ולספק דוח התנהגותי מפורט, בשעה שמרבית מערכות ה-EDR המובילות בשוק נכשלו בזיהויו.

מה זה ניתוח התנהגותי של נוזקות באמצעות AI?

ניתוח התנהגותי של נוזקות באמצעות AI הוא תהליך שבו מודלי שפה גדולים וסוכנים אוטונומיים בוחנים את אופן הפעולה של קובץ חשוד ברמת הפונקציה והמערכת, במקום להסתמך על חתימות דיגיטליות קבועות. בהקשר עסקי, שיטה זו מאפשרת זיהוי מיידי של איומי יום-אפס (Zero-Day) וחמקנים שטרם הוכנסו למאגרי החתימות של מערכות ההגנה. לדוגמה, סוכן ה-AI מפעיל מהדרים וכלי הנדסה לאחור, עוקב אחר פניות לרישום המערכת (Registry) ומפענח את מבנה חבילות המידע הנשלחות לשרת השליטה. לפי נתוני חברת האבטחה Acronis, נוזקות מתקדמות רבות משתמשות כיום בטכניקות של שינוי מבנה הקבצים כדי לעקוף חתימות, מה שהופך את הניתוח ההתנהגותי האוטונומי להכרחי.

פרויקט Ire של מיקרוסופט: חשיפת הנוזקה LOTUSLITE ללא התערבות אנושית

בניסוי שערכו חוקרי מיקרוסופט, הועבר לבחינתו של סוכן ה-AI (המכונה Project Ire) קובץ נוזקה מסוג DLL המהווה גרסה חדשה של הנוזקה LOTUSLITE. על פי הדיווח של מיקרוסופט, הקובץ הוגש לסוכן באופן 'עיוור' – ללא כל מידע מקדים, מטא-דטה או הנחיות אנושיות. בעוד שחברת האבטחה Acronis תיעדה בעבר גרסה קודמת של נוזקה זו, הגרסה החדשה שנבחנה לא נכללה ברשימות ה-IOC (אינדיקטורים לפגיעה) הציבוריות שלהם. חמור מכך, נכון למועד הבדיקה ב-4 ביוני 2026, מרבית מערכות ה-EDR המובילות בתעשייה, ובכללן CrowdStrike Falcon, SentinelOne ו-Sophos, לא זיהו את הקובץ כמסוכן. בבדיקה שנערכה בפלטפורמת VirusTotal ב-28 במאי, רק ספק אבטחה אחד מתוך 72 סימן את הקובץ כחשוד, וגם שבוע לאחר מכן עלה הנתון ל-7 מתוך 70 בלבד.

כאן נכנס לתמונה פרויקט Ire. באמצעות קריאת כלי יחידה והפעלת כלי הנדסה לאחור (Reverse Engineering) באופן עצמאי, הפיק הסוכן דוח התנהגותי מקיף ומדויק. הסוכן מיפה פונקציה אחר פונקציה, פענח את שגרת ההתקנה, זיהה את מבנה חבילות המידע שנשלחו לשרת השליטה והבקרה (C2), וחשף את מנגנון העקשנות (Persistence) ברישום המערכת. במקום להסתמך על השוואת חתימות פשוטה, הסוכן בנה שרשרת ראיות ניתנת לביקורת וקבע פסק דין חד-משמעי: הקובץ הוא זדוני. החוקרים הדגישו כי הסוכן לא הושפע מפרטים מטעים; למשל, כאשר נתקל בשמות פונקציות תמימים לכאורה או במחרוזות טקסט המייחסות את הקוד לקבוצת התקיפה הסינית Mustang Panda, הוא נמנע מלקבוע שיוך פזיז והתמקד אך ורק בניתוח הנדסי של הלוגיקה וההתנהגות. מגמה זו מדגישה את הצורך ההולך וגובר של ארגונים במעבר לשימוש ב-פתרונות סוכני AI מתקדמים לא רק לניהול משימות שגרתיות, אלא גם לקבלת החלטות מורכבות בזמן אמת.

ההקשר הרחב: מגמות עולמיות בניתוח קוד אוטונומי

ההתפתחות של פרויקט Ire משתלבת במגמה רחבה יותר של שילוב בינה מלאכותית יוצרת (GenAI) בעולמות ה-Cybersecurity. לפי דוח של חברת המחקר Gartner, עד שנת 2026, למעלה מ-50% מארגוני האנטרפרייז הגלובליים ישתמשו בסוכני AI אוטונומיים לצורך זיהוי ונטרול של איומים ברשתות הארגוניות שלהם. היכולת של סוכנים אלו להחליף שעות ארוכות של עבודה ידנית מצד אנליסטים מנוסים, ולפענח קוד אסמבלי או דה-קומפילציה במהירות של שניות, מהווה קפיצת מדרגה דרמטית ביכולת ההתגוננות הארגונית.

ההשלכות לעסקים בישראל

עבור מגזרים רגישים בישראל – כגון משרדי עורכי דין, חברות ביטוח, מוסדות פיננסיים, וקליניקות רפואיות פרטיות – ממצאים אלו מהווים תמרור אזהרה ברור. עסקים אלו מחזיקים בכמויות עצומות של מידע אישי ורגיש, וכפופים לרגולציה קשיחה של הרשות להגנת הפרטיות בישראל תחת תקנות הגנת הפרטיות (אבטחת מידע). ההסתמכות הבלעדית על אנטי-וירוס מסורתי או על מערכות EDR סטנדרטיות כבר אינה מספקת הגנה הרמטית, במיוחד כאשר נוזקות חדישות כמו LOTUSLITE מצליחות לחמוק מהן בקלות. דליפת מידע הנובעת מנוזקה חמקנית עלולה לחשוף את העסק הישראלי לתביעות ייצוגיות, קנסות מנהליים כבדים מצד הרגולטור, ופגיעה אנושה במוניטין. הטמעת פתרונות אבטחה המשלבים ייעוץ AI מקיף ובחינה התנהגותית עצמאית הופכת לצורך עסקי והישרדותי מן המעלה הראשונה.

מה לעשות עכשיו

  1. מיפוי מחדש של פרוטוקולי האבטחה: אל תסתמכו אך ורק על חתימות איומים ידועות. ודאו שמערכת ה-EDR שלכם מוגדרת למצב זיהוי התנהגותי (Behavioral Detection) פעיל, ומסוגלת לזהות אנומליות ברישום המערכת (Registry) ובתעבורת הרשת באופן דינמי.
  2. הגנת נקודות קצה מתקדמת: שדרגו את מערכות האבטחה בעסק לפתרונות המשלבים יכולות ניתוח מבוססות מודלי שפה ובינה מלאכותית, אשר מסוגלים לבצע סריקה עמוקה של קבצי DLL חשודים המורצים במערכת.
  3. ייעוץ טכנולוגי תקופתי: בצעו הערכת סיכונים מקיפה בעזרת ייעוץ טכנולוגי חיצוני כדי לבחון את עמידות מערכות המידע בארגון, לשלב פתרונות הגנה אוטומטיים ולמנוע פרצות אבטחה בשרשרת האספקה העסקית שלכם.
  4. הדרכות מודעות לעובדים: הואיל ונוזקות כמו LOTUSLITE מופצות לרוב באמצעות קבצי ZIP מצורפים המדמים קבצים לגיטימיים, יש לרענן באופן קבוע את הנחיות פתיחת קבצים ממקורות חיצוניים בקרב כלל עובדי החברה.

מבט קדימה

ההצלחה של פרויקט Ire מוכיחה כי העתיד שייך לסוכנים אוטונומיים המסוגלים לחשוב ולפעול באופן עצמאי לחלוטין. בעוד שהאיומים הופכים למתוחכמים וחמקנים יותר, ההגנה עליהם חייבת להתבסס על כלים דומים. חברת Automaziot AI מובילה את הטמעתם של סוכני AI מתקדמים ומערכות אוטומציה חכמות בעסקים ישראליים, תוך הקפדה על אבטחת מידע קפדנית, במטרה לאפשר לכם לצמוח בבטחה בעידן הדיגיטלי החדש.

האם זה היה שימושי לעסק שלכם?

שאלות ותשובות

שאלות נפוצות

הכתבה הוכנה באמצעות מערכת בליווי בינה מלאכותית לתרגום, סיכום ובקרות איכות אוטומטיות מתוך פרסום מקורי של Microsoft Research. קראו על תהליך העריכה שלנו. קישור למקור המקורי.

קבלו עדכוני AI שימושיים למייל

תקציר ממוקד ממערכת החדשות שלנו.

עוד מ־Microsoft Research

כל הכתבות מ־Microsoft Research
שנה למעבדת המחקר של מיקרוסופט בסינגפור: קידום מחקר וטאלנטים ב-AI
חדשות
4 דקות
מ־Microsoft Research

שנה למעבדת המחקר של מיקרוסופט בסינגפור: קידום מחקר וטאלנטים ב-AI

לפי פרסום של Microsoft Research, מעבדת המחקר Microsoft Research Asia – Singapore השלימה שנה להקמתה כמעבדת המחקר הראשונה של מיקרוסופט בדרום-מזרח אסיה. במהלך השנה התמקדה המעבדה בארבעה תחומים מרכזיים: מודלי AI מתקדמים ומערכות סוכנים, בינה מלאכותית לתחומים ספציפיים, שיטות מחקר מבוססות AI ופיתוח טאלנטים. המעבדה יזמה תשעה פרויקטי מחקר חדשים עם האוניברסיטאות NUS ו-NTU, הכשירה מעל 300 סטודנטים בבית ספר לקיץ, והרחיבה שיתופי פעולה עם סוכנויות ממשלתיות בסינגפור כגון EDB ו-IMDA. בשנתה השנייה מתכננת המעבדה להרחיב את שיתופי הפעולה ולתרגם מחקר בסיסי ליישומים מעשיים.

קרא עוד
תשתית Orchard: פלטפורמת קוד פתוח לאימון סוכני AI
חדשות
4 דקות
מ־Microsoft Research

תשתית Orchard: פלטפורמת קוד פתוח לאימון סוכני AI

חוקרים מ-Microsoft Research הציגו את Orchard, תשתית קוד פתוח חדשנית לאימון והערכה של סוכני בינה מלאכותית (Agentic AI) בקנה מידה רחב ובעלות נמוכה. המערכת מבוססת על Orchard Env, שירות סביבה קל-משקל המבוסס על Kubernetes, המאפשר לאמן סוכנים ישירות בתוך מעטפות פריסה אמיתיות כמו Codex ו-OpenClaw. הפרויקט כולל שלושה מודלים ייעודיים: Orchard-SWE המיועד להנדסת תוכנה ומגיע ל-73% ב-SWE-bench Verified עם מודל של כ-3 מיליארד פרמטרים פעילים בלבד; Orchard-GUI, סוכן דפדפן קל-משקל המשיג ממוצע של 68.4% במשימות ניווט ברשת; ו-Orchard-Claw, עוזר אישי למשימות פרודוקטיביות. הפלטפורמה מציעה גישה חדשה של למידה מצטברת המאפשרת לדורות הבאים של הסוכנים לרשת את ניסיון קודמיהם.

קרא עוד
אימון מיומנויות של סוכני AI: הכירו את SkillOpt של מיקרוסופט
מחקר
4 דקות
מ־Microsoft Research

אימון מיומנויות של סוכני AI: הכירו את SkillOpt של מיקרוסופט

מחקר חדש של Microsoft Research (זרוע המחקר של מיקרוסופט) מציג את SkillOpt (מערכת אופטימיזציה למיומנויות סוכני AI), גישה חדשנית ההופכת את תהליך כתיבת הפרומפטים לאימון פרמטרי מבוקר. המערכת שומרת על משקלי מודל השפה קפואים, ומאמנת שכבת מיומנויות טקסטואלית חיצונית באמצעות לולאת משוב המנתחת הצלחות וכישלונות. במבחני ביצועים מול מודלים מובילים כמו GPT-5.5, המערכת הציגה שיפור ממוצע של 23.5 נקודות במשימות מורכבות, ואיפשרה למודלים קטנים וזולים כמו Qwen3.5-4B לעקוף את ביצועי הבסיס של מודלים גדולים בהרבה ללא מיומנויות מותאמות.

קרא עוד
מערכת Data Formulator 0.7: מיקרוסופט חושפת AI לניתוח נתונים עסקיים
מוצר חדש
4 דקות
מ־Microsoft Research

מערכת Data Formulator 0.7: מיקרוסופט חושפת AI לניתוח נתונים עסקיים

מיקרוסופט הכריזה על שחרור גרסת 0.7 של פלטפורמת הקוד הפתוח Data Formulator. המערכת החדשה רותמת סוכני בינה מלאכותית מודעי-הקשר (Context-aware AI agents) במטרה לפשט תהליכי ניתוח נתונים מורכבים בארגונים. הפלטפורמה כוללת רכיב מתקדם של מחברי נתונים המאפשר הזרמת מידע באופן רציף ממסדי נתונים, קבצים מקומיים ומערכות בינה עסקית, תוך מניעת הצורך בעבודות אינטגרציה סיזיפיות מצד מחלקות ה-IT. בנוסף, סביבת העבודה הייחודית (Data Thread) מאפשרת למשתמשי הקצה לנהל שיח שוטף בשפה טבעית מול סוכני ה-AI, לתחקר נתונים, ליצור ויזואליזציות מתקדמות ולייעל את הליך קבלת ההחלטות העסקיות מבלי להזדקק לידע מוקדם בכתיבת קוד או שאילתות מורכבות.

קרא עוד

עוד כתבות שיעניינו אותך

לכל הכתבות
ההבדל בין ארכיטקטורה כבולה לדפדפן לארכיטקטורת Headless
ניתוח
4 דקות
מ־Salesforce Blog

ההבדל בין ארכיטקטורה כבולה לדפדפן לארכיטקטורת Headless

במאמר שפרסמה Salesforce מוצג ההבדל בין ארכיטקטורה כבולה לדפדפן (browser-bound) לבין ארכיטקטורת headless בעידן שבו ארגונים מסתמכים על עובדים אנושיים וסוכני בינה מלאכותית. בעוד שבמודל המסורתי המשתמש נדרש לנווט בין מסכים, להתחבר למערכות נפרדות ולעבור בין לשוניות כדי לבצע משימות, ארכיטקטורת headless מפרידה בין הלוגיקה העסקית ושכבת הנתונים לבין ממשק המשתמש. באמצעות ה-Headless Toolkit ומערכת AIforce, יכולות הפלטפורמה נחשפות ישירות דרך ממשקי API, פרוטוקול MCP וממשק CLI, מה שמאפשר לסוכנים אוטונומיים לגשת לנתונים, להריץ תהליכים ולבצע משימות ישירות בערוצים שבהם העובדים פועלים, כמו Slack, Microsoft Teams ו-WhatsApp.

קרא עוד
תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier
ניתוח
5 דקות
מ־Zapier

תוכנות ואפליקציות לניהול עובדים לשנת 2026: שבע המובילות לפי Zapier

בסקירה מאת קריסטינה לורן בבלוג של Zapier הוצגו שבע אפליקציות מובילות לניהול עובדים לשנת 2026, שנבחרו בעקבות מחקר ושיחות עם מנהלי משאבי אנוש. הסקירה מדגישה פתרונות בתחומי ניהול משימות, תזמור בינה מלאכותית, תקשורת ניידת ושכר, בהם monday.com, Zapier, Connecteam, BambooHR, Gusto, Leapsome ו-Eddy, לצד שורה של מערכות מומחיות נוספות.

קרא עוד
קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית
ניתוח
4 דקות
מ־Zapier

קלוד מול ChatGPT בשנת 2026: השוואת יכולות וסוכני בינה מלאכותית

סקירה השוואתית מקיפה של Zapier משנת 2026 מנתחת את ההבדלים בין Claude של Anthropic לבין ChatGPT של OpenAI. בעוד שמודלי הדגל של שתי החברות מציגים כיום יכולות דומות וחלון הקשר של עד מיליון טוקנים, היישומים נבדלים במיקוד שלהם: Claude בולט במיוחד בתחום פיתוח הקוד האוטונומי באמצעות Claude Code (המחזיק ב-54% משוק הפיתוח הארגוני לפי Menlo Ventures) ובעבודה יצירתית טבעית, בעוד ש-ChatGPT מציע ארגז כלים רחב יותר הכולל יצירת תמונות, עריכת מסמכים ב-Canvas, סוכן דפדפן מובנה וכלי ChatGPT Work לאוטומציה של משימות מורכבות.

קרא עוד
סוכני בינה מלאכותית אינם חיים עם מוגבלות: הדרך לסגירת פער הנגישות
ניתוח
4 דקות
מ־Salesforce Blog

סוכני בינה מלאכותית אינם חיים עם מוגבלות: הדרך לסגירת פער הנגישות

צוותים רבים ממהרים לפרוס סוכני בינה מלאכותית מתוך הנחה שגויה שהסוכנים חכמים מספיק כדי לספק נגישות באופן עצמאי. אולם סוכני בינה מלאכותית אינם חיים עם מוגבלות ומאומנים על רשת שאינה נגישה, כפי שמעיד דוח WebAIM משנת 2026 לפיו ב-95% ממיליון האתרים המובילים ישנם כשלי נגישות. כדי לסגור את פער הנגישות שנוצר, אין להסתמך רק על מודלים מתקדמים או כלי בדיקה אוטומטיים שמזהים פחות ממחצית מהכשלים. במקום זאת, נדרש תהליך עיצוב מכוון: הרחבת פרסונות על פני ממדי מוגבלות חזותיים, מוטוריים וקוגניטיביים, הגדרת משימות נגישות וכתיבת קריטריוני קבלה מפורשים שמוזנים לפרומפטים יחד עם הנחיות עיצוב. בנוסף, נדרשת בדיקה בשלוש שכבות הכוללת סריקה אוטומטית, בדיקה ידנית ותיקוף מול משתמשים אמיתיים בטכנולוגיה מסייעת.

קרא עוד