Кібероперація: інструменти для шкідливого ПЗ російськомовних зловмисників
OpenAI заблокувала облікові записи, імовірно пов’язані з російськомовними злочинними угрупованнями, які використовували ШІ для створення завантажувачів шкідливого ПЗ, засобів обходу виявлення, скриптів викрадення облікових даних та інфраструктури C2.
Це тематичне дослідження вперше опубліковано у звіті OpenAI за жовтень 2025 року(відкривається у новому вікні).
Зловмисник
Ми заблокували облікові записи ChatGPT, з яких намагалися використовувати модель для розробки й удосконалення шкідливого ПЗ, зокрема трояна віддаленого доступу, засобів викрадення облікових даних і функцій для уникнення виявлення. Схоже, ці облікові записи пов’язані з російськомовними злочинними угрупованнями, оскільки ми бачили, як докази їхньої діяльності публікували в Telegram-каналі, присвяченому таким зловмисникам. За результатами нашого розслідування ми вважаємо, що ця діяльність була пов’язана з російськомовним оператором, який керував кількома обліковими записами й використовував проксі-сервери та інфраструктуру тимчасового хостингу.
Поведінка
Цей зловмисник використовував кілька облікових записів ChatGPT переважно для створення прототипів і усунення несправностей у технічних компонентах, що дають змогу проводити дії після компрометації та викрадати облікові дані — типові завдання для зловмисників такого типу. Модель відмовлялася виконувати прямі запити на створення шкідливого вмісту, тому оператор зазвичай намагався отримати від неї код окремих компонентів: наприклад, для перетворення скомпільованих виконуваних файлів на шелкод, розробки завантажувачів у пам’яті або аналізу облікових даних із браузерів. Імовірно, потім зловмисник об’єднував ці компоненти в шкідливі робочі процеси.
Зловмисник також використовував наші моделі для створення коду обфускації та шаблонів «криптерів», зокрема для вставлення інструкцій-заповнювачів і сміттєвих послідовностей, моніторингу буфера обміну, а також простих допоміжних засобів ексфільтрації, як-от бот у Telegram для вивантаження даних і скрипти їх архівування та надсилання. Самі собою ці результати не є шкідливими, якщо зловмисник не використовує їх із такою метою поза нашою платформою.
Зловмисник використовував ChatGPT переважно для технічних завдань, як-от низькорівнева робота з PE / Win32 API, обробка файлів cookie за допомогою DPAPI / AES GCM та автоматизація Chrome DevTools / CDP. Запити зловмисника мали різний рівень складності: багато з них вимагали глибоких знань платформи Windows та ітеративного налагодження, тоді як інші автоматизували типові завдання, як-от масове створення паролів і подання заявок на вакансії за допомогою скриптів. Оператор використовував невелику кількість облікових записів ChatGPT і в різних розмовах послідовно вдосконалював той самий код. Така поведінка свідчить про систематичну розробку, а не епізодичне тестування.
Результати
Наші моделі не використовувалися для запуску інструментів або робочих процесів зловмисника, і ми не можемо незалежно перевірити жодну діяльність поза платформою. Цей зловмисник намагався використовувати наші моделі для розробки й удосконалення наступальних інструментів та операційних процесів, які, схоже, дають змогу викрадати облікові дані й криптоактиви, непомітно виконувати код і керувати прихованою інфраструктурою.
Зокрема, за допомогою ChatGPT зловмисник створював і послідовно вдосконалював робочий код та інструкції з розгортання для виконання в пам’яті й завантажувачів шелкоду; обходу UAC / SmartScreen / Mark-of-the-Web; вилучення облікових даних і файлів cookie із браузерів та каркасів для розшифрування даних, прив’язаних до застосунків; аналізу гаманців у LevelDB та інструментів перехоплення чи заміни вмісту буфера обміну з ексфільтрацією; а також компонентів віддаленого доступу (RAT), зокрема для відеотрансляції та емуляції введення. Відповідно до вбудованих запобіжних заходів наші моделі відмовлялися виконувати явно шкідливі запити, що не мали жодного законного застосування.
Типові приклади такої діяльності можна зіставити з категоріями системи LLM ATT&CK так:
Діяльність | Категорія системи LLM ATT&CK |
|---|---|
Перетворення EXE-файлів на позиційно незалежний шелкод; створення завантажувачів у пам’яті (VirtualAlloc / WriteProcessMemory / віддалений потік); перенесення коду між мовами для ланцюжків інструментів завантажувача. | Оптимізоване за допомогою LLM створення корисного навантаження |
Додавання шарів обфускації / пакування, криптерів і методів, імовірно призначених для зміни сигнатур PE або іншого приховування корисного навантаження від AV/EDR. | Уникнення виявлення аномалій за допомогою LLM |
Створення скриптів і програмного коду, імовірно призначених для вилучення / розшифрування облікових даних і файлів cookie із браузерів, аналізу баз LevelDB гаманців, відстеження або заміни вмісту буфера обміну та ексфільтрації через канали ботів, як-от Telegram. | Дії після компрометації за допомогою LLM |
Створення й удосконалення інфраструктури C2 і тунелювання, зокрема зворотних проксі-серверів, конфігурацій SOCKS5 / OpenVPN, тунелювання віддаленого робочого стола, а також інструкцій із налагодження та розгортання віддаленої трансляції й емуляції введення. | Профілювання інфраструктури за допомогою LLM |
Наслідки
Ми деактивували всі облікові записи, пов’язані з цією діяльністю, і передали відповідні індикатори партнерам у галузі. Ми не виявили доказів того, що доступ до наших моделей надав цим зловмисникам нові можливості або способи дій, про які вони не могли б дізнатися з численних загальнодоступних ресурсів. Наші моделі відмовлялися виконувати прямі запити щодо експлойтів і клавіатурних шпигунів.