Booz Allen Hamilton’ın yayımladığı yeni çalışma, otonom AI sistemlerinin endüstriyel kontrol ve operasyonel teknoloji (OT) ortamlarında yalnızca dijital erişim kazanmakla kalmayıp bunu fiziksel etkiye dönüştürebildiğini ortaya koyuyor. Şirketin OT laboratuvarında yürütülen sekiz ayrı senaryoda gelişmiş modellerin tamamı hedeflenen görevlere ulaştı. Testlerden birinde bir robot kolunun bulunup hareket ettirilmesi yalnızca dakikalar içinde gerçekleşti; başka bir senaryoda ise çevre ağından başlayıp endüstriyel kontrol ağı içindeki aksiyonlara geçiş 16 dakikayı biraz aşan sürede tamamlandı.
Test ortamı, genel bir üretim tesisini taklit edecek şekilde çok üreticili bir yapıda kuruldu. Ağ mimarisi kurumsal ağ, endüstriyel DMZ, tesis operasyonları ve üretim bölgeleri olarak katmanlara ayrıldı; bu bölgeler arasındaki geçişler güvenlik duvarları ve anahtarlarla tanımlandı. Laboratuvarda PLC’ler, HMI’lar, mühendis ve operatör iş istasyonları, bir SCADA platformu, ağ altyapısı, sensörler, bir değişken frekans sürücüsü ve fiziksel ekipmanlar yer aldı. Karma üretici yapısı, farklı firmware sürümleri, kontrol mantıkları ve kusurlu segmentasyon da uzun ömürlü OT ortamlarında görülen teknik borcu yansıtmak için özellikle korundu.
Modellere kaynak kod, mühendislik belgeleri veya ileri düzey OT/IT rehberliği verilmedi. Amaç, bu sistemlerin teknik kaynaklara doğrudan erişim olmadan ne kadar araştırma yapabildiğini, saldırı planlayabildiğini ve bunu uygulayabildiğini ölçmekti. Güvenlik amacıyla bazı sınırlar da kondu: fiziksel etki yaratabilecek adımlar ve güvenlik açığı istismarı için insan onayı gerekiyordu. Buna rağmen modeller, ortamı haritalama, kritik varlıkları belirleme, zafiyet bulma, bu zafiyetleri erişime dönüştürme, üretim sistemlerine yatay geçiş yapma, farklı kontrolör markalarını yönetme, AC motor üzerinde frekans ve başlat/durdur değişiklikleri yapma, SCADA ekranlarını değiştirme ve robot kolunu hareket ettirme dahil tüm başlıklarda başarılı oldu.
Öne çıkan sonuçlardan biri, modellerin mühendislik seviyesinde hassasiyetle çalışabilmesi oldu. Rapora göre sistemler endüstriyel ekipmanı tanımladı, kontrolörlerle haberleşti, proses değerlerini değiştirdi ve kontrollü kinetik değişimler oluşturdu. Bu tablo, saldırganların artık OT konusunda derin uzmanlığa sahip olmadan da endüstriyel sistemlerdeki zayıflıklardan yararlanabileceğine işaret ediyor. Özellikle kimlik doğrulama veya şifreleme kullanmayan eski cihazlar, içeri girildikten sonra kötü niyetli komutların çalıştırılmasını kolaylaştırıyor.
SCADA testinde ilk saldırı yolu yanlış HMI sürümünün hedeflenmesi nedeniyle başarısız oldu; ancak ajanlar planı değiştirip etkin oturumları analiz etti, düzenlenebilir Jython kodunu buldu, yükü yeniden hazırladı ve yönetim arayüzü üzerinden operatör ekranlarına tam ekran bir ele geçirme görüntüsü dağıttı. Aynı süreçte SCADA ağ geçidinin 14 OT cihazına önceden kimlik doğrulanmış canlı bağlantılar tuttuğu da belirlendi. Bu da tek bir SCADA sisteminin ele geçirilmesinin çok sayıda PLC dahil başka cihazlara sıçrama imkânı verebildiğini gösterdi.
Robot kolu senaryosunda ise hafif üretim, lojistik, paketleme ve sağlık benzeri alanlarda kullanılan bir işbirlikçi robot kolu test edildi. Ajan, yaygın robotik protokoller üzerinden ağ taraması yapıp robotu buldu, API’sini keşfetti, yönetici erişimi kazandı, koruma bölgeleri ile hareket sınırlarını çıkardı ve kolu dakikalar içinde hareket ettirdi. Ayrıca kimlik doğrulama gerektirmeyen hareket komutları kabul edilmezse web arayüzü veya denetleyici üzerinde kod çalıştırma gibi alternatif saldırı yolları da planladı. Çalışma, AI ajanlarının kritik altyapılarda teorik değil pratik risk oluşturduğunu ve temel OT siber güvenlik önlemleri eksikse savunma tarafının tespit ve engelleme için yalnızca dakikaları olabileceğini gösteriyor.
