Группировка Kimsubk, связанная с разведывательными структурами КНДР, начала активно строить инфраструктуру на основе технологий искусственного интеллекта. Исследователи компании Genians зафиксировали использование локальных языковых моделей, экспериментирование с поиском по документам и разработку инструментов, необходимых для создания вредоноса, обработки похищенной информации и совершенствования методов атак.
В ходе анализа выявлено развертывание локальных окружений на платформах Ollama, GPT4All и Msty для запуска крупных языковых моделей. Киберпреступники также тестировали редактор Cursor и технику RAG (Retrieval-Augmented Generation), которая позволяет ИИ-модели извлекать информацию из локально хранящихся документов и давать на них ответы.
Использование собственной вычислительной базы для работы с моделями позволяет избежать отправки конфиденциальной информации в облачные сервисы. Это снижает вероятность утечки и обеспечивает обработку данных в защищенной среде под полным контролем.
Группировка Kimsuky давно известна своей деятельностью в области кибершпионажа. Она регулярно атакует государственные учреждения, исследовательские центры, университеты и специалистов в сфере кибербезопасности, используя фишинг и зараженные документы в качестве основного инструмента.
В недавних операциях злоумышленники распространяли архивы ZIP с вредоносными ярлыками LNK, замаскированными под документы международных конференций, научные работы или деловые приглашения. При активации ярлык запускал встроенный загрузчик на базе PowerShell.
Для маскировки вредоноса применялись различные методы кодирования, включая Base64, расщепление команд и собственные алгоритмы декодирования. PowerShell-скрипты собирали информацию о системе: версию ОС, аппаратную архитектуру, конфигурацию оборудования, данные о загрузке системы и активных процессах. Собранные сведения использовались для оценки зараженной машины и планирования следующих этапов компрометации.
Часть поддельных документов, связанных с финансовыми темами и криптоактивами, создавались с помощью генеративных ИИ-систем. Языковые модели обеспечивали создание грамотно написанных и аккуратно оформленных бумаг, неотличимых от подлинных деловых материалов. Более убедительные приманки существенно повышают вероятность того, что жертва откроет вредоносный файл.
Для управления скомпрометированными системами группировка использует Git-репозитории. Исследователи обнаружили несколько публичных хранилищ GitHub, связанных с этой группой, в которых содержались конфигурационные файлы, скрипты PowerShell и модули для следующих фаз операций.
Git-инфраструктура применялась не только для командования атаками. Она использовалась также при разработке и отладке вредоносных инструментов, работе с похищенными данными и исследованиях в области ИИ.
Были обнаружены многочисленные библиотеки и компоненты для разработки ИИ-приложений, такие как LLaMaSharp и Microsoft.Extensions.AI. В инфраструктуре также присутствовали пакеты для подключения к коммерческим сервисам: OpenAI и Azure.AI.OpenAI.
Обнаруженный набор технологий охватывает практически все этапы создания специализированного ИИ-решения: локальный запуск моделей, поиск по документам через RAG, создание автоматизированных агентов и интеграция с облачными ИИ-сервисами. По мнению аналитиков, такой комплексный инструментарий указывает на целенаправленную подготовку, а не на случайные экспериментирования.
Исследователи также выявили логи использования инструментов для преобразования речи в текст, включая модель Whisper от OpenAI. Дополнительные следы подтвердили применение Cursor для кодирования и тестирование RAG для поиска информации в документах.
Технология RAG может значительно ускорить анализ украденных данных. Когда система скомпрометирована, хакеры получают доступ к тысячам документов, среди которых нужно найти наиболее ценную информацию. ИИ-модель с доступом к этому архиву способна быстро выявлять релевантные сведения и обрабатывать большие объемы данных.
Признаков обучения собственной языковой модели не выявлено. На данный момент группировка сосредоточена на использовании существующих моделей и готовых ИИ-инструментов для разработки вредоноса, анализа украденной информации и совершенствования своих методов атак.
Распространение генеративного ИИ усложняет борьбу с фишингом. Прежние признаки поддельных документов — неправильные переводы, странные формулировки, ошибки и неаккуратное оформление — становятся менее информативны, так как современные модели способны создавать весьма убедительные приманки.
Специалисты Genians рекомендуют специалистам по информационной безопасности не полагаться только на внешний вид документов, а внимательнее следить за поведением компьютера после открытия файла. Следует отслеживать как стандартные индикаторы компрометации, так и события, происходящие после активации LNK-файла: запуск PowerShell, попытки получить постоянный доступ к системе и необычные сетевые соединения.
