Суть угрозы: AI управляет всем циклом
Компания по облачной безопасности Sysdig документировала инцидент с использованием вредоносного ПО JadePuffer. Это не просто инструмент, а автономный агент, использующий большую языковую модель (LLM) для самостоятельного выполнения всех этапов кибератаки. Группировка злоумышленников не вмешивалась в процесс после первоначальной настройки.
Техническая реализация и уязвимость
Атака началась с эксплуатации уязвимости CVE-2025-3248 в фреймворке Langflow (open-source платформа для создания агентов AI). Уязвимость позволяла выполнять удаленный код без аутентификации. LLM использовала этот брешь для:
- Разведки среды и сканирования системы.
- Кражи учетных данных: API-ключей LLM, облачных сервисов, криптокошельков и конфигурационных файлов баз данных.
- Установления персистентности в среде Langflow.
Адаптивность и скорость реакции
Ключевое отличие JadePuffer от традиционных ransomware — способность ИИ адаптироваться в реальном времени. В ходе атаки LLM самостоятельно комментировала свой код, объясняя каждое действие. При сбое в доступе к целевой системе ИИ вычислил исправление и развернул новый корректирующий payload всего за 31 секунду.
| Параметр | Традиционный Ransomware | JadePuffer (Agentic AI) |
|---|---|---|
| Управление | Человек-оператор / скрипты | Полностью автономный LLM-агент |
| Реакция на ошибки | Требует вмешательства или перезапуска | Автокоррекция за ~30 секунд |
| Цель атаки | Статичные файлы | Конфигурация Alibaba Nacos, криптокошельки, API-ключи |
| Сложность обнаружения | Высокая (подписи) | Критическая (поведенческая аномалия) |
Почему это меняет правила игры
Ноэль Мурата (Noelle Murata), COO компании Xcape Inc., отмечает, что JadePuffer знаменует фундаментальный сдвиг: переход от «жестких» скриптов к автономному выполнению атак на скорости машины. Это делает традиционные модели реагирования на инциденты, зависящие от человека, устаревшими. Время на обнаружение и сдерживание атаки критически сокращается.
Рекомендации по защите
Эксперты подчеркивают, что ручная триажа больше неэффективна. Для защиты от агентов AI необходимы:
- Поведенческие модели обнаружения: анализ действий, а не только сигнатур.
- AI-защита: развертывание собственных ИИ-решений для мониторинга сетей.
- Усиленная аутентификация: строгий контроль доступа к облачным сервисам и API.
- Защита конечных точек: проактивные меры безопасности на уровне устройств.
Источник: ZDNet AI ↗