मुख्य मजकूराकडे जा
OpenAI

१ ऑक्टोबर, २०२४

सुरक्षितता

SweetSpecter: चीनशी संबंधित सायबर कारवाया

सुरक्षेतील त्रुटी शोधणे, कोड लिहिणे व लक्ष्यित फिशिंगसाठी कृत्रिम बुद्धिमत्ता वापरणाऱ्या, चीनस्थित संशयित हल्लेखोर SweetSpecter ची असावीत अशी खाती OpenAI ने बंद केली.

लोड होत आहे...

हा अभ्यास मूळतः OpenAI च्या ऑक्टोबर २०२४⁠(नवीन विंडोमध्ये उघडेल) च्या अहवालात प्रकाशित झाला होता.

हल्लेखोर

आम्ही अशी खाती ओळखून बंद केली, जी विश्वासार्ह स्रोताच्या मूल्यांकनानुसार चीनस्थित एका संशयित हल्लेखोराची असण्याची शक्यता होती. ही खाती आमच्या मॉडेलचा वापर त्यांच्या आक्रमक सायबर कारवायांसाठी करण्याचा प्रयत्न करत होती. त्याच वेळी हा हल्लेखोर आमचे कर्मचारी आणि जगभरातील सरकारांवर लक्ष्यित फिशिंग हल्लेही करत होता. सार्वजनिकरीत्या SweetSpecter या नावाने मागोवा घेतला जाणारा हा हल्लेखोर २०२३ मध्ये समोर आला. आमच्या माहितीनुसार, त्याच्या लक्ष्यांमध्ये अमेरिकास्थित कृत्रिम बुद्धिमत्ता कंपनीचाही समावेश असल्याचे सार्वजनिकरीत्या उघड होण्याची ही पहिलीच वेळ आहे. यापूर्वीच्या कारवाया मध्य पूर्व, आफ्रिका आणि आशियातील राजकीय संस्थांवर केंद्रित असल्याचे नोंदवले गेले होते.

वर्तन

मे २०२४ मध्ये एका विश्वासार्ह स्रोताने आम्हाला माहिती दिली की, त्यांच्या सुरक्षा पथकाला SweetSpecter आमच्या काही कर्मचाऱ्यांच्या कार्यालयीन तसेच वैयक्तिक ईमेल खात्यांवर घातक संलग्नके असलेले लक्ष्यित फिशिंग ईमेल पाठवत असल्याचे आढळले होते.

SweetSpecter ने आमच्या मोजक्या कर्मचाऱ्यांना पाठवलेल्या ईमेलची संवेदनशील माहिती लपवलेली आवृत्ती. आमच्या सुरक्षा यंत्रणांनी हे ईमेल रोखले होते. प्रतिमा सौजन्य: प्रूफपॉइंट.

SweetSpecter ने आमच्या मोजक्या कर्मचाऱ्यांना पाठवलेल्या ईमेलची संवेदनशील माहिती लपवलेली आवृत्ती. आमच्या सुरक्षा यंत्रणांनी हे ईमेल रोखले होते. प्रतिमा सौजन्य: प्रूफपॉइंट.

या ईमेलमध्ये SweetSpecter ने ChatGPT वापरकर्ता असल्याचे भासवून लक्ष्य केलेल्या कर्मचाऱ्यांकडे मदत मागितली होती. या ईमेलमध्ये “some problems.zip” नावाचे घातक संलग्नक होते, ज्यात एक LNK फाइल होती. या फाइलमध्ये असा कोड होता की, फाइल उघडल्यास वापरकर्त्याला एक DOCX फाइल दिसली असती. त्यात ChatGPT कडून आलेले भासणारे विविध त्रुटी व सेवा संदेश दिले होते. मात्र, पार्श्वभूमीवर SugarGh0st RAT नावाचे विंडोजसाठीचे घातक सॉफ्टवेअर कूटमुक्त होऊन चालू झाले असते. हे घातक सॉफ्टवेअर बाधित संगणकावर SweetSpecter ला नियंत्रण मिळवून देण्यासाठी बनवले आहे. त्याद्वारे मनमानी आदेश चालवणे, पडद्यावरील दृश्यांची छायाचित्रे घेणे आणि माहिती चोरून बाहेर पाठवणे यांसारख्या गोष्टी करता येतात.

OpenAI च्या सुरक्षा पथकाने या लक्ष्यित फिशिंग मोहिमेत लक्ष्य केले गेले असावेत अशा कर्मचाऱ्यांशी संपर्क साधला. विद्यमान सुरक्षा उपायांमुळे हे ईमेल त्यांच्या कार्यालयीन ईमेल खात्यांपर्यंत पोहोचलेच नव्हते, असे पथकाला आढळले.

विश्लेषण केलेल्या घातक LNK फाइलपैकी एक चालवल्यावर दिसणारा, आमिष दाखवणारा मजकूर.

विश्लेषण केलेल्या घातक LNK फाइलपैकी एक चालवल्यावर दिसणारा, आमिष दाखवणारा मजकूर.

या संपूर्ण प्रक्रियेत, कर्मचाऱ्यांच्या खात्यांवर ताबा मिळवण्याचे हे अयशस्वी प्रयत्न ओळखण्यात उद्योगक्षेत्रातील भागीदारांसोबतच्या आमच्या सहकार्याने महत्त्वाची भूमिका बजावली. कृत्रिम बुद्धिमत्तेच्या युगात प्रगत तंत्रे वापरणाऱ्या हल्लेखोरांच्या एक पाऊल पुढे राहण्यासाठी धोक्यांविषयीच्या माहितीची देवाणघेवाण आणि सहकार्य किती महत्त्वाचे आहे, हे यातून अधोरेखित होते. सामायिक माहिती आणि एकत्रित तज्ज्ञ ज्ञानाचा उपयोग करून आम्ही आमच्या साधनसंपत्तीचे अधिक चांगले रक्षण करू शकतो आणि अशा कारवायांशी संबंधित आमच्या मंचावरील खात्यांचे काम थांबवू शकतो.

प्रतिसाद

या मोहिमेला आधार देणाऱ्या व्यापक तांत्रिक पायाभूत सुविधांचे विश्लेषण करताना आम्हाला ChatGPT खात्यांचा एक गट आढळला आणि आम्ही त्याचे काम थांबवले. ही खाती त्याच पायाभूत सुविधांचा वापर करून प्रश्नांची उत्तरे मिळवण्याचा तसेच स्क्रिप्ट लिहिण्याची आणि सुरक्षेतील त्रुटींवर संशोधन करण्याची कामे पूर्ण करण्याचा प्रयत्न करत होती. आम्ही या संवादांचे वर्गीकरण LLM-संबंधित डावपेच, तंत्रे आणि कार्यपद्धतींनुसार केले. मायक्रोसॉफ्टने या वर्षाच्या सुरुवातीला त्यांचा MITRE ATT&CK® चौकटीत समावेश करण्याचा प्रस्ताव मांडला होता. MITRE चौकटीत सायबर हल्लेखोर प्रत्यक्षात वापरत असलेल्या डावपेचांची आणि तंत्रांची नोंद केली जाते. हे वर्गीकरण मांडून, आढळलेले डावपेच, तंत्रे आणि कार्यपद्धती यांविषयी व्यापक सायबरसुरक्षा समुदायाला माहिती देणे आणि सायबर संरक्षण अधिक प्रभावी करण्यास मदत करणे, हा आमचा उद्देश आहे.

या डावपेच, तंत्रे आणि कार्यपद्धतींशी जुळणाऱ्या SweetSpecter च्या कारवायांची काही उदाहरणे खाली दिली आहेत:

कृती

LLM ATT&CK चौकटीतील श्रेणी

विविध अनुप्रयोगांमधील सुरक्षेच्या त्रुटींविषयी विचारणे

LLM कडील माहितीच्या आधारे टेहळणी

दूरस्थपणे कोड चालवता येणाऱ्या Log4Shell या गंभीर त्रुटीला बळी पडू शकणाऱ्या Log4j च्या विशिष्ट आवृत्त्या कशा शोधाव्यात, हे विचारणे

LLM कडील माहितीच्या आधारे टेहळणी

परदेशात वापरल्या जाणाऱ्या लोकप्रिय आशय व्यवस्थापन प्रणालींविषयी विचारणे

LLM कडील माहितीच्या आधारे टेहळणी

विशिष्ट CVE क्रमांकांविषयी माहिती मागणे

LLM कडील माहितीच्या आधारे टेहळणी

संपूर्ण इंटरनेटवर तपासणी करणारी साधने कशी तयार केली जातात, हे विचारणे.

LLM कडील माहितीच्या आधारे टेहळणी

लक्ष्य केलेल्या सर्व्हरवर संभाव्य वेब शेल अपलोड करण्यासाठी sqlmap कसे वापरता येईल, हे विचारणे.

LLM च्या मदतीने सुरक्षेतील त्रुटींवर संशोधन

एका प्रमुख मोटार उत्पादकाच्या तांत्रिक पायाभूत सुविधांमधील त्रुटींचा गैरफायदा घेण्याचे मार्ग शोधण्यासाठी मदत मागणे.

LLM च्या मदतीने सुरक्षेतील त्रुटींवर संशोधन

कोड देऊन, संदेशवहन सेवांद्वारे संगणकीय प्रोग्राम वापरून मजकूर संदेश पाठवण्यासाठी आणखी मदत मागणे.

LLM मुळे सुधारलेली स्क्रिप्टलेखन तंत्रे

सायबरसुरक्षा साधनासाठी पूरक घटक विकसित करताना त्यातील त्रुटी दूर करण्यासाठी मदत मागणे.

LLM मुळे सुधारलेली स्क्रिप्टलेखन तंत्रे

हल्लेखोराने दिलेल्या क्रमांकांवर संगणकीय प्रोग्रामद्वारे मजकूर संदेश पाठवणाऱ्या मोठ्या प्रणालीतील कोडच्या त्रुटी दूर करण्यासाठी मदत मागणे.

LLM च्या मदतीने विकास

सरकारी विभागांतील कर्मचाऱ्यांना स्वारस्य वाटेल असे विषय विचारणे आणि संलग्नके रोखली जाऊ नयेत म्हणून त्यांना कोणती नावे द्यावीत, हे विचारणे.

LLM च्या मदतीने मानवी मानसशास्त्राचा गैरफायदा घेऊन फसवणूक

हल्लेखोराने दिलेल्या नोकरभरतीविषयक संदेशाच्या वेगवेगळ्या आवृत्त्या मागणे.

LLM च्या मदतीने मानवी मानसशास्त्राचा गैरफायदा घेऊन फसवणूक

या संपूर्ण तपासादरम्यान आमच्या सुरक्षा पथकांनी हल्लेखोरांच्या खात्यांवरील संवादांचे विश्लेषण, वर्गीकरण, भाषांतर आणि सारांश तयार करण्यासाठी ChatGPT चा वापर केला. यामुळे या कामासाठी लागणारी संसाधने कमीत कमी वापरूनही आम्हाला मोठ्या माहिती-संचांमधून महत्त्वाचे निष्कर्ष वेगाने काढता आले. आमची मॉडेल अधिक प्रगत होत जातील तसतसे, कर्मचाऱ्यांना पाठवलेल्या घातक संलग्नकांची अंतर्गत रचना उलगडून त्यांचे विश्लेषण करण्यासाठीही आम्हाला ChatGPT वापरता येईल, अशी आमची अपेक्षा आहे.

परिणाम

आमच्या पहिल्या धोका अहवालातील निरीक्षणांशी सुसंगत असेच येथेही दिसले. या कारवाया करणाऱ्यांना आमच्या मॉडेलच्या वापरातून अशा कोणत्याही नव्या क्षमता किंवा दिशा मिळाल्याचे दिसले नाही, ज्या त्यांना सार्वजनिकरीत्या उपलब्ध असलेल्या अनेक स्रोतांतून मिळू शकल्या नसत्या. हल्लेखोरांचे घातक ईमेल कर्मचाऱ्यांच्या ईमेल पेट्यांमध्ये पोहोचण्यापूर्वीच आमच्या सुरक्षा यंत्रणांनी ते रोखले.