社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

朝鲜黑客组织Kimsuky利用本地LLM与GitHub C2部署AsyncRAT

FreeBuf • 3 月前 • 160 次点击  
FreeBuf


文章配图

安全研究人员发现,朝鲜APT组织Kimsuky将精雕细琢的AI生成文档与惯用的钓鱼手段相结合,传播远程访问木马AsyncRAT。


该攻击活动表明,当诱饵内容看起来专业且格式精心时,传统的投递方式也能获得新的可信度。


该攻击活动被追踪为Operation GitPower(GitPower行动),初始攻击始于携带Windows快捷方式文件的ZIP压缩包,这些快捷方式文件看起来与普通文档无异。用户打开此类文件时,屏幕上会弹出一份看似无害的PDF文档,同时触发隐藏在背后的PowerShell代码执行,从而降低目标用户察觉系统被入侵的可能性。


Genians的分析人员在追踪与GitHub和GitLab相关的基础设施后发现了这一攻击活动。Genians在与Cyber Security News(CSN)分享的报告中表示,攻击目标包括外交使团以及军事、安全、虚拟资产、政策和学术机构。


AI赋能的攻击流程(来源:Genians)

此次攻击的影响范围远超单个恶意文件。攻击者可以在公共代码仓库中更新脚本和载荷,利用受信任的网络流量掩盖行踪,收集系统详细信息,并通过计划任务维持持久化访问。正如近期朝鲜相关GitHub C2攻击活动所展示的那样,早期行为检测因此显得尤为重要。


Part01

Kimsuky使用本地大语言模型

攻击者使用Ollama、GPT4All和Msty搭建了本地语言模型环境。证据中还包括一个GPT4All LocalDocs数据库,这表明该组织持有的文档可能被检索并用作AI知识库。


研究人员没有发现该组织自行训练模型的证据。


鱼叉式钓鱼邮件示例(来源:Genians)

相反,这些痕迹表明该组织正处于研究与集成阶段:测试本地运行的AI、文档检索、自动化框架和语音转文字工具,这些工具可能用于处理窃取的材料或支持未来的恶意软件开发。


在入侵的前端环节,AI生成的诱饵文档涵盖了投资、虚拟资产和游戏开发等主题。这些诱饵语言流畅、设计统一,使得常规的警示信号不再那么可靠。关注AI辅助钓鱼攻击的读者已经看到同样的普遍问题:仅凭内容是否令人信服,已不再是有效的安全判断标准。


快捷方式加载器中隐藏了一段约3800个字符的PowerShell命令,其中包含一长串空格,目的是在Windows属性中掩盖关键部分。该加载器通过GitHub Raw Content获取诱饵PDF,然后在临时目录和AppData目录中创建脚本,并注册了一个隐藏的周期性计划任务。


PDF诱饵文档示例(来源:Genians)

GitHub的作用不仅仅是下载点。相关脚本还会获取后续文件,并收集操作系统、硬件、启动历史、进程和网络信息。攻击者可以利用收集到的数据决定如何继续入侵,而正常的GitHub访问行为则使相关流量不那么显眼。


Part02

AsyncRAT投递与防御建议

公共代码仓库中存放着名为apple.png、fox.png、lion.png、rabbit.png和wolf.png的文件,但这些文件实际上是经过加密的.NET AsyncRAT载荷,而非图像文件。这种伪装手法与其他AsyncRAT投递技术如出一辙,即通过看似合法的文件隐藏工具,使攻击者能够远程控制已被入侵的Windows系统。


报告将apple.png和rabbit.png与rTom.exe_r关联,而其他以图像命名的载荷则使用了硬编码的命令与控制(C2)地址。


LNK文件命令行参数(来源:Genians)

该攻击活动还使用了字符串拆分、自定义Base64解码和修改文件头等手段,这些小型规避技巧叠加在一起,使简单的签名检测变得更加困难。


各组织机构应将ZIP压缩包投递的、可启动cmd.exe或PowerShell的LNK文件视为高优先级告警信号,尤其是当其中包含异常长的参数时。检测团队应将此类事件与以下行为进行关联分析:隐藏的PowerShell、Temp或AppData目录中出现的新脚本、计划任务的创建、GitHub Raw Content或Contents API流量、非业务个人访问令牌,以及行为表现如同加密可执行文件的图像文件。


实际的教训是:要关注攻击链的整体序列,而不仅仅看诱饵本身。应在可疑快捷方式文件执行前予以阻止或调查,限制不必要的脚本执行,并在终端和网络日志中搜寻组合行为特征。这种方法也有助于应对最新的AsyncRAT云服务滥用攻击,在这种攻击中,受信任的服务可以掩盖多阶段感染链。


AI虽然可以让钓鱼材料的制作速度更快、更难被识破,但无法消除运行恶意软件、维持访问权限和联系操作者所需的具体行为。防御人员只要将这些事件串联起来,即使每个单独行为最初看起来都很平常,也能够识别出这一攻击活动。


Part03

安全威胁指标(IoCs)


注意:IP地址和域名已刻意进行“去毒化”处理(例如使用[.]),以防止被意外解析或超链接化。请仅在受控制的威胁情报平台(如MISP、VirusTotal或你的SIEM)中重新还原。


参考来源:

Kimsuky Uses Local LLMs, AI-Generated Lures and GitHub C2 to Deploy AsyncRAT

https://cybersecuritynews.com/kimsuky-uses-local-llms/


推荐阅读


电报讨论


扫码加入AI安全交流群

下载FreeBuf知识大陆APP

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/199671