Proceder wyłudzania zatrudnienia: działania pracowników IT

To studium przypadku pierwotnie ukazało się w raporcie OpenAI z czerwca 2025 r.⁠(otwiera nowe okno).

Zidentyfikowaliśmy i zablokowaliśmy konta ChatGPT, które wydawały się powiązane z kilkoma podejrzanymi kampaniami wyłudzania zatrudnienia. Sprawcy ci wykorzystywali modele OpenAI do tworzenia materiałów wspierających potencjalnie oszukańcze próby ubiegania się o pracę w IT, inżynierii oprogramowania i na innych stanowiskach zdalnych na całym świecie.

Choć nie możemy ustalić lokalizacji ani narodowości sprawców, ich zachowania odpowiadały działaniom publicznie przypisywanym procederom związanym z Koreą Północną (KRLD)⁠(otwiera nowe okno), w których uczestniczą pracownicy IT. Niektóre osoby powiązane z tymi niedawnymi kampaniami mogły być zatrudniane jako podwykonawcy przez główną grupę sprawców potencjalnie powiązanych z KRLD do wykonywania zadań rekrutacyjnych i obsługi sprzętu, również na terenie USA.

Podobnie jak sprawcy, których działania udaremniliśmy i opisaliśmy w lutym⁠(otwiera nowe okno), osoby stojące za najnowszymi kampaniami próbowały wykorzystywać AI na każdym etapie procesu zatrudnienia. Wcześniej obserwowaliśmy, jak sprawcy ci ręcznie generowali za pomocą AI wiarygodne fikcyjne tożsamości — często osób rzekomo mieszkających w USA — ze zmyśloną historią zatrudnienia w znanych firmach. Tym razem próbowali częściowo zautomatyzować generowanie CV. Pewne przesłanki wskazują też, że operatorzy w Afryce podszywali się pod kandydatów do pracy, a jednocześnie rekrutowano osoby w Ameryce Północnej do obsługi laptopów w ich imieniu.

Wykryliśmy dwa odrębne nurty działań, prawdopodobnie odpowiadające dwóm typom operatorów: operatorom głównym i podwykonawcom.

Główni operatorzy próbowali zautomatyzować tworzenie CV na podstawie konkretnych opisów stanowisk, szablonów umiejętności i profili fikcyjnych tożsamości. Szukali też informacji o tworzeniu narzędzi do zarządzania aplikacjami o pracę i śledzenia ich statusu. Wykorzystywali również nasze modele do generowania treści przypominających ogłoszenia o pracę, których celem było pozyskanie podwykonawców w różnych częściach świata.

Główni operatorzy używali ChatGPT do wyszukiwania informacji pomocnych w organizowaniu zaplecza do pracy zdalnej. Wykorzystywali też nasze modele do generowania tekstów dotyczących rekrutacji rzeczywistych osób w USA do odbioru firmowych laptopów, z którymi następnie zdalnie łączyliby się główni sprawcy lub ich podwykonawcy.

Sprawcy badali możliwości wykorzystania w swoich działaniach takich narzędzi i rozwiązań jak VPN peer-to-peer Tailscale, OBS Studio, wstrzykiwanie transmisji na żywo za pomocą vdo.ninja oraz pętle przechwytywania sygnału HDMI. Narzędzia te mogą służyć do obchodzenia firmowych zabezpieczeń. Ich skuteczne użycie pozwoliłoby utrzymywać stały, niewykryty dostęp zdalny, a także podejmować próby obejścia niektórych procedur weryfikacji tożsamości opartych na spotkaniach wideo na żywo.

Tymczasem operatorzy będący przypuszczalnie podwykonawcami korzystali z ChatGPT, aby wykonywać zadania związane z ubieganiem się o pracę. Używali go również do generowania treści przypominających wiadomości do głównych operatorów z pytaniami o płatności i fikcyjne tożsamości wykorzystywane przy ubieganiu się o pracę zdalną.

Ustaliliśmy, że sprawcy ci próbowali wykorzystać nasze modele do działań opartych na oszustwie. W szczególności używali szczegółowych promptów, instrukcji i pętli automatyzacji, aby na dużą skalę generować wiarygodne CV dopasowane do wymagań.

• Automatyczne tworzenie szczegółowych CV dopasowanych do różnych opisów stanowisk technicznych, fikcyjnych tożsamości i standardów branżowych: socjotechnika wspierana przez LLM.

• Odpowiadanie na pytania w formularzach rekrutacyjnych, rozwiązywanie zadań programistycznych i odpowiadanie w czasie rzeczywistym na pytania podczas rozmów kwalifikacyjnych na podstawie przesłanych CV: socjotechnika wspierana przez LLM.

• Szukanie wskazówek dotyczących zdalnej konfiguracji firmowych laptopów tak, by wyglądały na znajdujące się w kraju, w tym metod maskowania geolokalizacji i omijania zabezpieczeń urządzeń końcowych: unikanie wykrywania anomalii z pomocą LLM.

• Pomoc w programowaniu narzędzi do automatycznego poruszania kursorem myszy lub zdalnego zapobiegania uśpieniu komputera, być może w celu wsparcia konfiguracji infrastruktury do pracy zdalnej: tworzenie oprogramowania wspomagane przez LLM.

Nie możemy niezależnie ocenić skuteczności tych operacji, ponieważ ocena ich skutków wymagałaby informacji od wielu zaangażowanych stron.

Choć sprawcy prawdopodobnie włączyli AI w każdy etap swojego procesu, aby zwiększyć wydajność, narazili się tym samym na większe ryzyko wykrycia. Dając nam wgląd w cały przebieg swoich działań, umożliwili nam dzielenie się informacjami o tych kampaniach z odpowiednimi partnerami branżowymi i organami na każdym etapie procederu. Wzmocniło to naszą wspólną zdolność do wykrywania takich zagrożeń, zapobiegania im i reagowania na nie, a zarazem zwiększyło nasze wspólne bezpieczeństwo.