ప్రధాన కంటెంట్‌కి దాటండి
OpenAI

1 అక్టోబర్, 2024

భద్రత

SweetSpecter: చైనాతో సంబంధమున్న సైబర్ కార్యకలాపాలు

చైనా కేంద్రంగా పనిచేస్తున్నట్లు అనుమానిస్తున్న SweetSpecterకు చెందినవిగా భావిస్తున్న ఖాతాలను OpenAI నిషేధించింది. ఇవి కృత్రిమ మేధను భద్రతా లోపాల పరిశోధన, కోడ్ రచన, లక్షిత ఫిషింగ్ కోసం వాడాయి.

లోడ్ అవుతోంది…

ఈ ఘటన అధ్యయనం మొదట OpenAI అక్టోబర్ 2024⁠(కొత్త విండోలో తెరుచుకుంటుంది) నివేదికలో ప్రచురితమైంది.

దాడులకు పాల్పడినవారు

విశ్వసనీయ వర్గం అంచనా ప్రకారం, చైనా కేంద్రంగా పనిచేస్తున్నట్లు అనుమానిస్తున్న ఒక దాడి బృందానికి చెందినవిగా భావిస్తున్న ఖాతాలను మేము గుర్తించి నిషేధించాము. వారు తమ సైబర్ దాడులకు మా మోడళ్లను ఉపయోగించుకునేందుకు ప్రయత్నిస్తూనే, మా ఉద్యోగులు, ప్రపంచవ్యాప్తంగా ఉన్న ప్రభుత్వాలపై లక్షిత ఫిషింగ్ దాడులకు పాల్పడుతున్నారు. బహిరంగంగా SweetSpecter పేరుతో గుర్తించిన ఈ దాడి బృందం 2023లో వెలుగులోకి వచ్చింది. ఈ బృందం లక్ష్యాల్లో అమెరికాకు చెందిన కృత్రిమ మేధ సంస్థ కూడా ఉందని బహిరంగంగా గుర్తించడం ఇదే తొలిసారి అని మేము భావిస్తున్నాము. గతంలో వీరి కార్యకలాపాలు మధ్యప్రాచ్యం, ఆఫ్రికా, ఆసియాలోని రాజకీయ సంస్థలపై కేంద్రీకృతమైనట్లు నివేదికలు పేర్కొన్నాయి.

ప్రవర్తన

మే 2024లో ఒక విశ్వసనీయ వర్గం నుంచి మాకు సమాచారం అందింది. మా ఉద్యోగుల్లో కొందరి కార్యాలయ, వ్యక్తిగత ఈమెయిల్ ఖాతాలకు SweetSpecter హానికరమైన జోడింపు ఫైళ్లతో లక్షిత ఫిషింగ్ ఈమెయిళ్లను పంపుతున్నట్లు తమ భద్రతా బృందం గమనించిందని వారు తెలిపారు.

మా ఉద్యోగుల్లో కొద్దిమందికి SweetSpecter పంపిన ఈమెయిల్‌లో కొన్ని వివరాలను మరుగుపరిచిన రూపం. ఈ ఈమెయిళ్లను మా భద్రతా వ్యవస్థలు అడ్డుకున్నాయి. చిత్ర సౌజన్యం: ప్రూఫ్‌పాయింట్.

మా ఉద్యోగుల్లో కొద్దిమందికి SweetSpecter పంపిన ఈమెయిల్‌లో కొన్ని వివరాలను మరుగుపరిచిన రూపం. ఈ ఈమెయిళ్లను మా భద్రతా వ్యవస్థలు అడ్డుకున్నాయి. చిత్ర సౌజన్యం: ప్రూఫ్‌పాయింట్.

ఈ ఈమెయిళ్లలో SweetSpecter తాను ChatGPT వినియోగదారునిగా నటిస్తూ, లక్ష్యంగా చేసుకున్న ఉద్యోగులను సహాయం కోరింది. ఈ ఈమెయిళ్లకు “some problems.zip” అనే హానికరమైన ఫైల్ జోడించి ఉంది. అందులో ఒక LNK ఫైల్ ఉంది. ఈ ఫైల్‌ను తెరిస్తే, అందులోని కోడ్ వినియోగదారునికి ఒక DOCX ఫైల్‌ను చూపిస్తుంది. అందులో ChatGPT నుంచి వచ్చినట్లుగా కనిపించే వివిధ దోష, సేవా సందేశాలు జాబితాగా ఉంటాయి. అయితే, తెర వెనుక SugarGh0st RAT అనే విండోస్ హానికర సాఫ్ట్‌వేర్ సంకేతీకరణ తొలగించి, దాన్ని అమలు చేస్తుంది. ఈ హానికర సాఫ్ట్‌వేర్, చొరబాటుకు గురైన కంప్యూటర్‌పై SweetSpecterకు నియంత్రణ ఇచ్చేలా రూపొందించబడింది. దీంతో వారు తమకు నచ్చిన ఆదేశాలను అమలు చేయడం, తెర చిత్రాలను తీయడం, డేటాను దొంగిలించడం వంటి పనులు చేయగలరు.

ఈ లక్షిత ఫిషింగ్ దాడిలో లక్ష్యంగా చేసుకున్నట్లు భావించిన ఉద్యోగులను OpenAI భద్రతా బృందం సంప్రదించింది. ఇప్పటికే అమల్లో ఉన్న భద్రతా నియంత్రణలు ఆ ఈమెయిళ్లు వారి కార్యాలయ ఈమెయిల్ ఖాతాలకు చేరకుండా అడ్డుకున్నాయని నిర్ధారించింది.

విశ్లేషించిన హానికర LNK ఫైళ్లలో ఒకదాన్ని అమలు చేసినప్పుడు కనిపించే, వినియోగదారులను నమ్మించి మోసగించే విషయం.

విశ్లేషించిన హానికర LNK ఫైళ్లలో ఒకదాన్ని అమలు చేసినప్పుడు కనిపించే, వినియోగదారులను నమ్మించి మోసగించే విషయం.

ఈ ప్రక్రియ అంతటా, ఉద్యోగుల ఖాతాల్లోకి చొరబడేందుకు జరిగిన ఈ విఫల ప్రయత్నాలను గుర్తించడంలో పరిశ్రమ భాగస్వాములతో మా సహకారం కీలక పాత్ర పోషించింది. కృత్రిమ మేధ యుగంలో అధునాతన పద్ధతులు ఉపయోగించే దాడి బృందాల కంటే ముందుండాలంటే, ముప్పుల సమాచారాన్ని పంచుకోవడం, పరస్పరం సహకరించుకోవడం ఎంత ముఖ్యమో ఇది తెలియజేస్తుంది. పంచుకున్న అవగాహనను, సమష్టి నైపుణ్యాన్ని ఉపయోగించుకోవడం ద్వారా మా వనరులను మరింత మెరుగ్గా రక్షించుకోగలము. అలాగే, ఇలాంటి కార్యకలాపాలతో సంబంధమున్న మా వేదికలోని ఖాతాల పనితీరును అడ్డుకోగలము.

మోడల్ ప్రతిస్పందనలు

ఈ దాడికి తోడ్పడిన విస్తృత మౌలిక సదుపాయాలను విశ్లేషిస్తున్నప్పుడు, అదే మౌలిక సదుపాయాలను ఉపయోగిస్తున్న కొన్ని ChatGPT ఖాతాలను గుర్తించి వాటి కార్యకలాపాలను అడ్డుకున్నాము. ఆ ఖాతాలు ప్రశ్నలకు సమాధానాలు పొందడానికి, స్క్రిప్ట్‌ల రచన, భద్రతా లోపాల పరిశోధన పనులను పూర్తి చేయడానికి ప్రయత్నిస్తున్నాయి. ఈ ఏడాది ప్రారంభంలో MITRE ATT&CK® చట్రంలో చేర్చాలని మైక్రోసాఫ్ట్ ప్రతిపాదించిన LLM-సంబంధిత వ్యూహాలు, సాంకేతిక పద్ధతులు, విధానాలతో ఈ సంభాషణలను సరిపోల్చాము. సైబర్ దాడి బృందాలు వాస్తవ ప్రపంచంలో ఉపయోగించే వ్యూహాలు, పద్ధతులను MITRE చట్రం నమోదు చేస్తుంది. ఈ పోలికలను జాబితాగా ఇవ్వడం ద్వారా, మేము గమనించిన వ్యూహాలు, పద్ధతులు, విధానాలను విస్తృత సైబర్ భద్రతా సమాజానికి తెలియజేయాలని, సైబర్ రక్షణ ప్రభావాన్ని మెరుగుపరచడంలో తోడ్పడాలని లక్ష్యంగా పెట్టుకున్నాము.

ఈ వ్యూహాలు, పద్ధతులు, విధానాలకు సరిపోలే SweetSpecter కార్యకలాపాల ఉదాహరణలు కొన్ని కింద ఉన్నాయి:

కార్యకలాపం

LLM ATT&CK చట్రంలోని వర్గం

వివిధ అనువర్తనాల్లోని భద్రతా లోపాల గురించి అడగడం

LLM అందించిన సమాచారంతో నిఘా

దూరం నుంచి కోడ్ అమలు చేయగల తీవ్ర భద్రతా లోపమైన Log4Shell ప్రభావానికి లోనయ్యే నిర్దిష్ట Log4j సంస్కరణలను ఎలా వెతకాలని అడగడం

LLM అందించిన సమాచారంతో నిఘా

విదేశాల్లో విరివిగా వాడే విషయ నిర్వహణ వ్యవస్థల గురించి అడగడం

LLM అందించిన సమాచారంతో నిఘా

నిర్దిష్ట CVE సంఖ్యల గురించి సమాచారం అడగడం

LLM అందించిన సమాచారంతో నిఘా

అంతర్జాలం అంతటా తనిఖీ చేసే సాధనాలను ఎలా తయారు చేస్తారని అడగడం.

LLM అందించిన సమాచారంతో నిఘా

వెబ్ షెల్‌గా పనిచేయగల ఫైల్‌ను లక్షిత సర్వర్‌కు అప్‌లోడ్ చేయడానికి sqlmapను ఎలా ఉపయోగించాలని అడగడం.

LLM సహాయంతో భద్రతా లోపాల పరిశోధన

ఒక ప్రముఖ కార్ల తయారీ సంస్థ మౌలిక సదుపాయాల్లోని లోపాలను దుర్వినియోగం చేసే మార్గాలను కనుగొనడంలో సహాయం అడగడం.

LLM సహాయంతో భద్రతా లోపాల పరిశోధన

కోడ్‌ను అందించి, సమాచార ప్రసార సేవలను ఉపయోగించి ప్రోగ్రామ్ ద్వారా వచన సందేశాలు పంపడానికి మరింత సహాయం అడగడం.

LLMతో మెరుగుపరిచిన స్క్రిప్ట్ రచన పద్ధతులు

ఒక సైబర్ భద్రతా సాధనం కోసం పొడిగింపును అభివృద్ధి చేస్తున్నప్పుడు కోడ్‌లోని దోషాలను సరిదిద్దడంలో సహాయం అడగడం.

LLMతో మెరుగుపరిచిన స్క్రిప్ట్ రచన పద్ధతులు

దాడి చేసేవారు సూచించిన నంబర్లకు ప్రోగ్రామ్ ద్వారా వచన సందేశాలు పంపే పెద్ద చట్రంలో భాగమైన కోడ్‌లో దోషాలను సరిదిద్దడానికి సహాయం అడగడం.

LLM సహాయంతో అభివృద్ధి

ప్రభుత్వ శాఖల ఉద్యోగులకు ఆసక్తి కలిగించే అంశాలు ఏమిటని, జోడింపు ఫైళ్లు నిరోధానికి గురికాకుండా ఉండేందుకు వాటికి ఎలాంటి పేర్లు పెట్టాలని అడగడం.

LLM తోడ్పాటుతో వ్యక్తులను నమ్మించి మోసగించడం

దాడి చేసేవారు అందించిన ఉద్యోగ నియామక సందేశాన్ని వేర్వేరు రూపాల్లో రాయమని అడగడం.

LLM తోడ్పాటుతో వ్యక్తులను నమ్మించి మోసగించడం

ఈ దర్యాప్తు అంతటా, దాడి బృందం ఖాతాల్లోని సంభాషణలను విశ్లేషించడానికి, వర్గీకరించడానికి, అనువదించడానికి, సంగ్రహించడానికి మా భద్రతా బృందాలు ChatGPTను ఉపయోగించాయి. దీంతో ఈ పనికి అవసరమైన వనరులను తగ్గించుకుంటూనే, పెద్ద డేటా సముదాయాల నుంచి వేగంగా అవగాహన పొందగలిగాము. మా మోడళ్లు మరింత అభివృద్ధి చెందే కొద్దీ, ఉద్యోగులకు పంపిన హానికర జోడింపు ఫైళ్ల నిర్మాణాన్ని, పనితీరును వెలికితీసి విశ్లేషించడానికి కూడా ChatGPTను ఉపయోగించగలమని ఆశిస్తున్నాము.

ప్రభావం

మా మొదటి ముప్పుల నివేదికలో గమనించినట్లుగానే, మా మోడళ్ల వాడకం ద్వారా ఈ కార్యకలాపాలు నిర్వహించేవారికి కొత్త సామర్థ్యాలు లేదా మార్గదర్శకాలు లభించినట్లు కనిపించలేదు. వారికి లభించిన సమాచారాన్ని బహిరంగంగా అందుబాటులో ఉన్న అనేక ఇతర వనరుల నుంచి కూడా పొందగలిగేవారు. దాడి బృందం పంపిన హానికర ఈమెయిళ్లు ఉద్యోగుల ఇన్‌బాక్స్‌లకు చేరకముందే మా భద్రతా వ్యవస్థలు వాటిని అడ్డుకున్నాయి.