ਸਾਈਬਰ ਕਾਰਵਾਈ: ਫਿਸ਼ਿੰਗ ਅਤੇ ਸਕ੍ਰਿਪਟਿੰਗ ਸਹਾਇਤਾ

ਇਹ ਕੇਸ ਅਧਿਐਨ ਮੂਲ ਰੂਪ ਵਿੱਚ OpenAI ਦੀ ਅਕਤੂਬਰ 2025⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਦੀ ਰਿਪੋਰਟ ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਹੋਇਆ ਸੀ.

ਅਸੀਂ ChatGPT ਖਾਤਿਆਂ ਦੇ ਇੱਕ ਸਮੂਹ ਦੀ ਪਛਾਣ ਕਰਕੇ ਉਨ੍ਹਾਂ 'ਤੇ ਪਾਬੰਦੀ ਲਗਾਈ. ਇਹ ਖਾਤੇ ਅਜਿਹੀ ਸਰਗਰਮੀ ਵਿੱਚ ਸ਼ਾਮਲ ਸਨ, ਜੋ ਉਦਯੋਗ ਵਿੱਚ UNK_DROPPITCH (Proofpoint) ਅਤੇ UTA0388 (Volexity) ਵਜੋਂ ਨਿਗਰਾਨੀ ਕੀਤੇ ਜਾਂਦੇ ਧਮਕੀ ਸਮੂਹਾਂ ਬਾਰੇ ਜਨਤਕ ਰਿਪੋਰਟਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਸੀ. ਘੱਟੋ-ਘੱਟ ਇੱਕ ਮਾਮਲੇ ਵਿੱਚ, ChatGPT ਖਾਤਾ ਰਜਿਸਟਰ ਕਰਨ ਲਈ ਵਰਤਿਆ ਗਿਆ ਈਮੇਲ ਪਤਾ ਕਥਿਤ ਤੌਰ 'ਤੇ ਫਿਸ਼ਿੰਗ ਸੁਨੇਹੇ ਭੇਜਣ ਲਈ ਵੀ ਵਰਤਿਆ ਗਿਆ ਸੀ.

ਇਨ੍ਹਾਂ ਖਾਤਿਆਂ ਨੂੰ ਚਲਾਉਣ ਵਾਲੇ ਹਮਲਾਵਰਾਂ ਵਿੱਚ ਚੀਨੀ ਲੋਕ ਗਣਰਾਜ ਦੀਆਂ ਖੁਫੀਆ ਲੋੜਾਂ ਪੂਰੀਆਂ ਕਰਨ ਲਈ ਕੀਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਸਾਈਬਰ ਕਾਰਵਾਈਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਸੰਕੇਤ ਸਨ: ਚੀਨੀ ਭਾਸ਼ਾ ਦੀ ਵਰਤੋਂ; ਤਾਇਵਾਨ ਦੇ ਸੈਮੀਕੰਡਕਟਰ ਖੇਤਰ, ਅਮਰੀਕੀ ਅਕਾਦਮਿਕ ਜਗਤ ਅਤੇ ਵਿਚਾਰ ਮੰਚਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ; ਅਤੇ ਚੀਨੀ ਕਮਿਊਨਿਸਟ ਪਾਰਟੀ ਦੇ ਆਲੋਚਕ ਨਸਲੀ ਤੇ ਸਿਆਸੀ ਸਮੂਹਾਂ ਨਾਲ ਜੁੜੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ, ਜਿਨ੍ਹਾਂ ਨੂੰ ਕਈ ਵਾਰ “ਪੰਜ ਜ਼ਹਿਰ” ਕਿਹਾ ਜਾਂਦਾ ਹੈ.

ਸਾਡੇ ਮਾਡਲ ਨੇ ਹਮਲੇ ਦੀ ਕੋਈ ਨਵੀਂ ਸਮਰੱਥਾ ਪੈਦਾ ਨਹੀਂ ਕੀਤੀ. ਲੱਗਦਾ ਹੈ ਕਿ ਸੰਚਾਲਕਾਂ ਨੇ ਮੁੱਖ ਤੌਰ 'ਤੇ ਮੌਜੂਦਾ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਥੋੜ੍ਹਾ ਹੋਰ ਕੁਸ਼ਲ ਬਣਾਉਣ ਲਈ ਸਾਡੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕੀਤੀ, ਖ਼ਾਸ ਕਰਕੇ ਫਿਸ਼ਿੰਗ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨ ਅਤੇ ਆਪਣੇ ਸਾਧਨਾਂ ਦੀਆਂ ਤਰੁੱਟੀਆਂ ਦੂਰ ਕਰਨ ਜਾਂ ਉਨ੍ਹਾਂ ਨੂੰ ਸੋਧਣ ਲਈ.

ਹਮਲਾਵਰਾਂ ਨੇ ChatGPT ਦੀ ਵਰਤੋਂ ਮੁੱਖ ਤੌਰ 'ਤੇ ਦੋ ਕੰਮਾਂ ਲਈ ਕੀਤੀ: ਸਰਲ ਅਤੇ ਰਵਾਇਤੀ ਚੀਨੀ, ਅੰਗਰੇਜ਼ੀ ਅਤੇ ਜਾਪਾਨੀ ਸਮੇਤ ਕਈ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਫਿਸ਼ਿੰਗ ਮੁਹਿੰਮਾਂ ਲਈ ਸਮੱਗਰੀ ਬਣਾਉਣਾ, ਅਤੇ ਸਾਧਨ ਤੇ ਨੁਕਸਾਨਦੇਹ ਸਾਫਟਵੇਅਰ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਲੈਣਾ. ਉਨ੍ਹਾਂ ਦਾ ਵਿਕਾਸ ਕਾਰਜ ਤਕਨੀਕੀ ਤੌਰ 'ਤੇ ਸਮਰੱਥ ਪਰ ਬਹੁਤਾ ਉੱਨਤ ਨਾ ਹੋਣ ਵਾਲੇ ਹਮਲਾਵਰ ਵਰਗਾ ਸੀ. ਮਿਸਾਲ ਵਜੋਂ, ਉਨ੍ਹਾਂ ਨੇ C2 ਆਵਾਜਾਈ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਨ ਲਈ AES ਦੀ ਵਰਤੋਂ ਦੇ ਕਈ ਪਹਿਲੂਆਂ ਅਤੇ ਬਾਰੀਕੀਆਂ ਬਾਰੇ ਚਰਚਾ ਕੀਤੀ, ਪਰ ਫਿਰ ਵੀ ਇੱਕ ਸਧਾਰਨ ਸਥਿਰ ਕੁੰਜੀ ਵਰਤੀ.

ਫਿਸ਼ਿੰਗ ਸਮੱਗਰੀ ਬਣਾਉਣ ਲਈ ਹਮਲਾਵਰਾਂ ਦੀ ਕਾਰਜ-ਵਿਧੀ ਵਿਸਤ੍ਰਿਤ ਅਤੇ ਸੂਤਰਬੱਧ ਸੀ, ਜੋ ਇੱਕ ਬਹੁਤ ਸਪਸ਼ਟ ਜਨਸੰਖਿਆ ਸਮੂਹ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣ ਨਾਲ ਮੇਲ ਖਾਂਦੀ ਸੀ. ਆਮ ਤੌਰ 'ਤੇ ਉਹ ਕਿਸੇ ਅਕਾਦਮਿਕ, ਉਦਯੋਗਿਕ ਜਾਂ ਕਾਨਫਰੰਸ ਨਾਲ ਜੁੜੇ ਵਿਅਕਤੀ ਦਾ ਰੂਪ ਧਾਰ ਕੇ ਸੰਖੇਪ ਅਤੇ ਰਸਮੀ ਤੌਰ 'ਤੇ ਨਿਮਰ ਈਮੇਲ ਤਿਆਰ ਕਰਦੇ ਸਨ. ਹਮਲਾਵਰ ਅਕਸਰ ਲਹਿਜ਼ਾ ਬਦਲਣ, ਖੇਤਰੀ ਵਰਤੋਂ ਮੁਤਾਬਕ ਸ਼ਬਦ ਬਦਲਣ ਜਾਂ ਖ਼ਾਸ ਸੰਸਥਾਵਾਂ ਦੇ ਹਵਾਲੇ ਜੋੜਨ ਲਈ ਕਹਿੰਦੇ ਸਨ. ਭਾਵੇਂ ਇਹ ਬਹੁਤ ਛੋਟੀਆਂ ਅਤੇ ਨਿਸ਼ਾਨਾਬੱਧ ਸੋਧਾਂ ਆਪਣੀ ਸ਼ੁਰੂਆਤੀ ਸਮੱਗਰੀ ਦੀ ਗੁਣਵੱਤਾ ਵਧਾਉਣ ਦੀ ਸੁਚੱਜੀ ਕੋਸ਼ਿਸ਼ ਦਰਸਾਉਂਦੀਆਂ ਹਨ, ਪਰ ਹਮਲਾਵਰ ਕੁਝ ਅਜਿਹੇ ਵੇਰਵੇ ਠੀਕ ਕਰਨ ਵਿੱਚ ਅਸਫਲ ਰਹੇ ਜੋ ਭੇਤ ਖੋਲ੍ਹ ਦਿੰਦੇ ਸਨ, ਜਿਵੇਂ ਉਨ੍ਹਾਂ ਦੇ ਦਸਤਖ਼ਤ ਖੰਡਾਂ ਵਿੱਚ ਦਿੱਤੇ ਗਏ ਗੈਰ-ਭਰੋਸੇਯੋਗ ਨਮੂਨਾ ਸੰਪਰਕ ਵੇਰਵੇ.

ਉਨ੍ਹਾਂ ਨੇ ਰੋਜ਼ਮਰ੍ਹਾ ਦੇ ਕੰਮ ਤੇਜ਼ ਕਰਨ ਵਾਲੇ ਕੋਡ ਦੇ ਨਮੂਨੇ ਅਤੇ ਜਾਂਚ-ਸੂਚੀਆਂ ਮੰਗੀਆਂ. ਉਨ੍ਹਾਂ ਨੇ ਸਧਾਰਨ ਬੀਕਨ-ਸ਼ੈਲੀ ਪੁੱਛਗਿੱਛ ਲਈ ਇਨਕ੍ਰਿਪਟ ਕੀਤੀ ਆਵਾਜਾਈ (HTTPS, TLS) ਦੀ ਜਾਂਚ ਕਰਨ ਵਾਲਾ ਕੋਡ ਮੰਗਿਆ; ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣ, ਚੱਲਣਯੋਗ ਫਾਈਲ ਦੇ ਨਾਮ ਮੁਤਾਬਕ ਉਨ੍ਹਾਂ ਨੂੰ ਬੰਦ ਕਰਨ ਜਾਂ ਵਾਤਾਵਰਣ ਦੇ ਵੇਰਵੇ ਇਕੱਠੇ ਕਰਨ ਲਈ Go ਅਤੇ PowerShell ਕੋਡ ਦੇ ਨਮੂਨੇ ਤਿਆਰ ਕੀਤੇ; ਅਤੇ ਆਮ ਸਕੈਨਰਾਂ ਨੂੰ bash / PowerShell ਆਵਰਕਾਂ ਨਾਲ ਜੋੜਿਆ.

ਉਨ੍ਹਾਂ ਨੇ ਮਾਡਲ ਨੂੰ ਸਧਾਰਨ ਲੁਕਾਅ ਅਤੇ ਕਾਰਜਸ਼ੀਲ ਸੁਰੱਖਿਆ (OPSEC) ਸੁਧਾਰ ਸੁਝਾਉਣ ਲਈ ਵੀ ਕਿਹਾ: ਫੰਕਸ਼ਨਾਂ ਦੇ ਨਾਮ ਬਦਲਣਾ, ਸਿਰਲੇਖਾਂ ਵਿੱਚ ਮਾਮੂਲੀ ਤਬਦੀਲੀਆਂ ਕਰਨਾ ਜਾਂ ਲਿਖਤ ਲੜੀਆਂ ਲੁਕਾਉਣਾ. ਕਈ ਸੈਸ਼ਨਾਂ ਦੌਰਾਨ ਉਨ੍ਹਾਂ ਨੇ ਘੱਟ ਤੋਂ ਦਰਮਿਆਨੇ ਪੱਧਰ ਦੇ ਨੁਕਸਾਨਦੇਹ ਸਾਫਟਵੇਅਰ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਮੁੱਢਲੇ ਹੁਕਮ-ਅਤੇ-ਨਿਯੰਤਰਣ ਨਮੂਨੇ ਬਣਾਉਣ ਵੱਲ ਕੰਮ ਕੀਤਾ. ਇਨ੍ਹਾਂ ਵਿੱਚ ਸੰਪਰਕ ਕਾਇਮ ਰੱਖਣ ਵਾਲੇ ਚੱਕਰ, HTTP(S) ਰਾਹੀਂ ਘੱਟੋ-ਘੱਟ ਕੰਮ ਸੌਂਪਣਾ ਅਤੇ JSON-ਅਧਾਰਿਤ ਕੰਮ / ਨਤੀਜਾ ਲਿਫ਼ਾਫ਼ੇ ਸ਼ਾਮਲ ਸਨ.

ਹਮਲਾਵਰ ਦੀਆਂ ਕੁਝ Go-ਅਧਾਰਿਤ ਵਿਕਾਸ ਸਰਗਰਮੀਆਂ ਦੇ ਲਾਗੂਕਰਨ ਵੇਰਵੇ GOVERSHELL (Volexity) ਜਾਂ HealthKick (Proofpoint) ਵਜੋਂ ਨਿਗਰਾਨੀ ਕੀਤੇ ਜਾਂਦੇ ਨੁਕਸਾਨਦੇਹ ਸਾਫਟਵੇਅਰ ਬਾਰੇ ਉਦਯੋਗ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਨਾਲ ਮੇਲ ਖਾਂਦੇ ਹਨ. ਇਸ ਤੋਂ ਸੰਕੇਤ ਮਿਲਦਾ ਹੈ ਕਿ ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਮੁੱਖ ਨੁਕਸਾਨਦੇਹ ਸਾਫਟਵੇਅਰ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਸਹਾਇਤਾ ਲਈ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ.

ਇਸ ਫ਼ਰਜ਼ੀ ਪਛਾਣ ਅਤੇ ਸਾਧਨ ਵਿਕਾਸ ਦੇ ਨਾਲ-ਨਾਲ, ਸੰਚਾਲਕਾਂ ਨੇ DeepSeek ਰਾਹੀਂ ਸੰਭਵ ਹੋਰ ਸਵੈਚਾਲਨ ਬਾਰੇ ਖੋਜ ਕੀਤੀ. ਇਹ ਸਰਗਰਮੀ ਵੱਡੇ ਪੱਧਰ 'ਤੇ ਫਿਸ਼ਿੰਗ ਨੂੰ ਸਵੈਚਾਲਿਤ ਕਰਨ ਲਈ ਖੋਜੀ ਕੰਮ ਵਰਗੀ ਸੀ. ਮਿਸਾਲ ਵਜੋਂ, ਵੈੱਬ ਸਮੱਗਰੀ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਕੇ ਆਪਣੇ-ਆਪ ਈਮੇਲ ਨਿਸ਼ਾਨਿਆਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣਾ ਅਤੇ ਹਰੇਕ ਪਛਾਣੇ ਸੰਭਾਵੀ ਨਿਸ਼ਾਨੇ ਦੀ ਦਿਲਚਸਪੀ ਮੁਤਾਬਕ ਸਮੱਗਰੀ ਤਿਆਰ ਕਰਨਾ. ਅਸੀਂ ਸੁਤੰਤਰ ਤੌਰ 'ਤੇ ਇਸ ਗੱਲ ਦੀ ਪੁਸ਼ਟੀ ਨਹੀਂ ਕਰ ਸਕਦੇ ਕਿ ਹਮਲਾਵਰਾਂ ਨੇ ਅਜਿਹਾ ਕੋਈ ਸਵੈਚਾਲਨ ਅਪਣਾਇਆ ਸੀ ਜਾਂ, ਜੇ ਅਪਣਾਇਆ ਸੀ, ਤਾਂ ਅਖ਼ੀਰ ਵਿੱਚ ਕਿਹੜਾ ਮਾਡਲ ਵਰਤਿਆ ਸੀ.

ਹਮਲਾਵਰਾਂ ਨੇ ਸਾਡੇ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਇਨਕ੍ਰਿਪਟ ਕੀਤੇ C2 ਭਾਗਾਂ, ਦੂਰੋਂ ਹੁਕਮ ਚਲਾਉਣ ਵਾਲੇ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਅਤੇ ਸੱਭਿਆਚਾਰ ਮੁਤਾਬਕ ਢਾਲੀ ਪਹੁੰਚ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚ ਲਗਾਤਾਰ ਸੁਧਾਰ ਕਰਨ ਲਈ ਕੀਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਨਵੀਂ ਹਮਲਾਵਰ ਸਮਰੱਥਾ ਦੀ ਬਜਾਏ ਗਤੀ ਅਤੇ ਸਥਾਨਕ ਅਨੁਕੂਲਤਾ ਨੂੰ ਤਰਜੀਹ ਦਿੱਤੀ. ਉਨ੍ਹਾਂ ਨੇ ਮਾਡਲ ਤੋਂ ਅਜਿਹੇ ਨਤੀਜੇ ਤਿਆਰ ਕਰਵਾਏ, ਜੋ ਕਈ ਕਾਰਜਸ਼ੀਲ ਖੇਤਰਾਂ ਵਿੱਚ ਸਾਡੇ ਮੰਚ ਤੋਂ ਬਾਹਰ ਦੀ ਸਰਗਰਮੀ ਦਾ ਸਮਰਥਨ ਕਰਨ ਲਈ ਬਣਾਏ ਜਾਪਦੇ ਸਨ:

• ਇਨਕ੍ਰਿਪਟ ਕੀਤਾ C2 ਅਤੇ ਦੂਰੋਂ ਕਾਰਵਾਈ: AES-GCM ਵਰਗੇ ਸੁਨੇਹਾ ਇਨਕ੍ਰਿਪਸ਼ਨ, ਸੈਸ਼ਨ ਲਈ ਨਵੀਂ ਕੁੰਜੀ ਬਣਾਉਣ, ਸਿਸਟਮ-ਜਾਣਕਾਰੀ ਬੀਕਨਾਂ ਅਤੇ ਮਿਆਰੀ ਵੈੱਬ ਪ੍ਰੋਟੋਕੋਲਾਂ ਜਾਂ WebSocket-ਅਧਾਰਿਤ ਚੈਨਲ ਰਾਹੀਂ PowerShell ਹੁਕਮ ਜਾਰੀ ਕਰਨ ਵਾਲੇ ਸਰਵਰ ਕੰਸੋਲ ਸਮੇਤ Go ਕਲਾਇੰਟ-ਸਰਵਰ ਕੋਡ ਲਿਖਣ ਜਾਂ ਠੀਕ ਕਰਨ ਦੀਆਂ ਬੇਨਤੀਆਂ.

• ਆਵਾਜਾਈ ਸੁਰੱਖਿਆ ਅਤੇ OPSEC ਸੁਧਾਰ: ਬੇਨਤੀਆਂ ਵਿੱਚ ਸਧਾਰਨ WebSockets ਤੋਂ ਸੁਰੱਖਿਅਤ WebSockets (wss://) ਅਤੇ HTTP ਤੋਂ HTTPS ਵੱਲ ਜਾਣ ਲਈ ਕੋਡ; ਕੁਝ ਜਾਂਚਾਂ ਵਿੱਚ ਸਰਟੀਫਿਕੇਟ ਜਾਂਚਾਂ ਬੰਦ ਕਰਨਾ; CDN / TLS ਅਗਲੇ ਸਿਰੇ ਰਾਹੀਂ ਆਵਾਜਾਈ ਨੂੰ ਆਮ ਆਵਾਜਾਈ ਵਿੱਚ ਰਲਾਉਣਾ; ਅਤੇ ਕਲਾਇੰਟ ਨੂੰ ਠੱਪ ਕੀਤੇ ਬਿਨਾਂ ਵੱਡੇ ਸੁਨੇਹੇ ਸੰਭਾਲਣਾ ਸ਼ਾਮਲ ਸੀ.

• ਟੋਹ ਅਤੇ ਪ੍ਰਕਿਰਿਆ ਨਿਯੰਤਰਣ: PowerShell ਰਾਹੀਂ ਵਾਇਰਸ-ਰੋਕੂ ਸਾਫਟਵੇਅਰ ਖੋਜਣ, ਪ੍ਰਕਿਰਿਆਵਾਂ ਦੀ ਸੂਚੀ ਬਣਾਉਣ ਅਤੇ ਖ਼ਾਸ Edge / WebView2 ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਬੰਦ ਕਰਨ ਨਾਲ ਸਬੰਧਤ ਜਾਣਕਾਰੀ ਲਈ ਬੇਨਤੀਆਂ.

• ਆਮ ਸਕੈਨਿੰਗ ਦੀ ਸਥਾਪਨਾ: ਵਪਾਰਕ Linux ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ nuclei ਅਤੇ fscan ਵਰਗੇ ਖੁੱਲ੍ਹੇ ਸਰੋਤ ਸਾਧਨ ਸਥਾਪਤ ਕਰਨ ਤੇ ਵਰਤਣ ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਸਮੀਖਿਆ ਲਈ ਸੰਭਾਲਣ ਬਾਰੇ ਵਿਧੀਗਤ ਸਹਾਇਤਾ.

• ਫਿਸ਼ਿੰਗ ਅਤੇ ਸੰਪਰਕ ਸਮੱਗਰੀ: ਅਕਾਦਮਿਕ ਜਾਂ ਉਦਯੋਗਿਕ ਸੰਪਰਕਾਂ ਲਈ ਕਈ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਈਮੇਲ ਲਿਖਣਾ, ਜਿਨ੍ਹਾਂ ਦੇ ਵਿਸ਼ਾ ਸਿਰਲੇਖ ਅਤੇ ਸ਼ੈਲੀ ਸਥਾਨਕ ਰਵਾਇਤਾਂ ਮੁਤਾਬਕ ਢਾਲੇ ਗਏ ਸਨ.

ਇਹ ਸਰਗਰਮੀਆਂ LLM ATT&CK ਦੀਆਂ ਇਨ੍ਹਾਂ ਸ਼੍ਰੇਣੀਆਂ ਨਾਲ ਮੇਲ ਖਾਂਦੀਆਂ ਹਨ: LLM-Optimized Payload Crafting, LLM-Enhanced Anomaly-Detection Evasion, LLM-Assisted Post-Compromise Activity, LLM-Assisted Reconnaissance and Discovery ਅਤੇ LLM-Assisted Social Engineering.

ਅਸੀਂ ਇਸ ਸਰਗਰਮੀ ਨਾਲ ਜੁੜੇ ਸਾਰੇ ਖਾਤੇ ਬੰਦ ਕਰ ਦਿੱਤੇ ਅਤੇ ਸੰਬੰਧਿਤ ਸੰਕੇਤ ਉਦਯੋਗਿਕ ਭਾਈਵਾਲਾਂ ਨਾਲ ਸਾਂਝੇ ਕੀਤੇ. ਹਮਲਾਵਰ ਮੁੱਖ ਤੌਰ 'ਤੇ ਮੌਜੂਦਾ ਕਾਰਜ-ਪ੍ਰਵਾਹਾਂ ਨੂੰ ਥੋੜ੍ਹਾ ਹੋਰ ਕੁਸ਼ਲ ਬਣਾਉਣਾ ਚਾਹੁੰਦੇ ਸਨ. ਇਸ ਵਿੱਚ ਭੇਜਣ ਲਈ ਤਿਆਰ ਫਿਸ਼ਿੰਗ ਈਮੇਲ ਬਣਾਉਣਾ ਅਤੇ ਆਮ ਕੋਡ ਤੇ ਸਵੈਚਾਲਨ ਵਿੱਚ ਸੋਧ ਦੇ ਚੱਕਰ ਛੋਟੇ ਕਰਨਾ ਸ਼ਾਮਲ ਸੀ. ਸਾਨੂੰ ਕੋਈ ਸਬੂਤ ਨਹੀਂ ਮਿਲਿਆ ਕਿ ਮਾਡਲ ਦੇ ਨਤੀਜਿਆਂ ਨੇ ਚੰਗੀ ਤਰ੍ਹਾਂ ਦਸਤਾਵੇਜ਼ਬੱਧ ਜਨਤਕ ਤਕਨੀਕਾਂ ਤੋਂ ਅੱਗੇ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਦਿੱਤੀਆਂ. ਸਾਡੇ ਮਾਡਲ ਨੇ ਹਮਲੇ ਦੀ ਕੋਈ ਨਵੀਂ ਸਮਰੱਥਾ ਪੈਦਾ ਨਹੀਂ ਕੀਤੀ. ਮਾਡਲ ਦੀ ਸਹਾਇਤਾ ਨਾਲ ਉਹ ਕਾਰਜ-ਵਿਧੀ ਵਿੱਚ ਜੋ ਲਾਭ ਲੈਣਾ ਚਾਹੁੰਦੇ ਸਨ, ਉਹ ਭਾਸ਼ਾਈ ਰਵਾਨਗੀ, ਸਥਾਨਕ ਅਨੁਕੂਲਤਾ ਅਤੇ ਲਗਾਤਾਰ ਕੋਸ਼ਿਸ਼ ਤੋਂ ਮਿਲਿਆ: ਸੰਭਾਵਤ ਤੌਰ 'ਤੇ ਘੱਟ ਭਾਸ਼ਾਈ ਗ਼ਲਤੀਆਂ, ਜੋੜਨ ਵਾਲਾ ਕੋਡ ਤੇਜ਼ੀ ਨਾਲ ਤਿਆਰ ਕਰਨਾ ਅਤੇ ਕੁਝ ਅਸਫਲ ਹੋਣ 'ਤੇ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਤਬਦੀਲੀਆਂ ਕਰਨਾ.