Атака ARTEX з використанням штучного інтелекту націлена на сім південнокорейських фінансових компаній

Резюме

Невідомий загрозовий актор, ймовірно, фінансово мотивований, використав автономну систему тестування на проникнення ARTEX на основі штучного інтелекту для компрометації декількох південнокорейських фінансових установ. Зловмисник використовував великі мовні моделі (LLM), включаючи DeepSeek і Claude Code, для прискорення виявлення та експлуатації вразливостей. Кампанія призвела до крадіжки приблизно 67,000 записів, що містять інформацію про доходи клієнтів, кредити та інші конфіденційні фінансові дані.

Розслідування

Дослідники CrowdStrike відстежили активність після виявлення незахищеного відкритого каталогу, розміщеного на сервері нападника. Каталог містив журнали сесій, конфігураційні файли та артефакти пам’яті, які виявляли методологію та ідентифікаційні характеристики нападника. Дослідники пов’язали операцію з фреймворком ARTEX і визначили мережу проксі IP-адрес, які використовувалися для доступу до зовнішніх LLM API.

Захист

Організації повинні розширити інвентаризацію активів для включення крайових систем, інтеграцій сторонніх виробників і платформ підтримки мобільних пристроїв. Постійні автоматизовані червоні команди з локальними, необмеженими моделями ШІ можуть допомогти частіше виявляти слабкі місця, ніж традиційні щорічні оцінки. Захист усіх інтернет-доступних кінцевих точок від небезпечних прямих посилань на об’єкти (IDOR) та подібних недоліків управління доступом також є важливим.

Відповідь

Коли виявляються підозрілі запити або несанкціонований доступ до кінцевих точок даних клієнтів, організації повинні негайно перевірити журнали API та активні маркери сесій. Впроваджуйте суворі обмеження швидкості на послуги пошуку клієнтських ID, щоб зменшити автоматизоване перерахування. Команди безпеки також повинні виявляти несанкціоновані агентські інструменти та незвичайні шаблони трафіку, пов’язані з відомим проксі-інфраструктурою LLM.

Виконання симуляції

Передумова: перевірка попереднього польоту телеметрії та базових параметрів має бути пройдена.

Обґрунтування: цей розділ деталізує точне виконання техніки противника (TTP), призначеної для запуску правила виявлення. Команди та наратив ПОВИННІ безпосередньо відображати ідентифіковані TTP та мають на меті згенерувати точну телеметрію, очікувану логікою виявлення. Або абстрактні, або не пов’язані приклади призведуть до неправильного діагнозу.

• Опис атаки та команди: Противник отримав початковий доступ до робочої станції розробника. Щоб забезпечити узгодженість в їх автоматизованій системі експлуатації, вони намагаються зберігти CLAUDE.md файл у тимчасовому каталозі користувача. Цей файл містить конкретні інструкції китайською мовою, щоб направити агента на базі ШІ до подальшої розвідки та переміщення вглиб. Метою є перевірити, чи SOC виявить наявність цього специфічного конфігураційного файлу.

• Скрипт регресивного тестування:

  # Скрипт симуляції для запуску правила виявлення
  $targetPath = "$env:TEMPCLAUDE.md"
  $content = "Інструкції для агента ШІ: Провести розвідку на локальній мережі."
  
  Write-Host "[+] Створення чутливого файлу: $targetPath"
  Set-Content -Path $targetPath -Value $content
  
  Write-Host "[+] Файл створено. Перевірити SIEM на наявність виявлення."

• Команди очищення:

  # Очищення артефактів симуляції
  Remove-Item -Path "$env:TEMPCLAUDE.md" -Force -ErrorAction SilentlyContinue
  Write-Host "[+] Очищення завершено."