Операція «ScopeCreep»: розробка шкідливого ПЗ російськомовним зловмисником

Цей аналіз випадку вперше опубліковано у звіті OpenAI за червень 2025 року⁠(відкривається у новому вікні).

Ми заблокували групу облікових записів ChatGPT, якими, ймовірно, керував російськомовний зловмисник. Цей зловмисник використовував наші моделі для розробки й удосконалення шкідливого ПЗ для Windows, налагодження коду кількома мовами та налаштування інфраструктури командування й керування.

Зловмисник продемонстрував знання внутрішньої будови Windows і дотримувався певних правил операційної безпеки. З огляду на використання троянізованого ігрового інструмента для відображення «прицілу» та приховану тактику ми назвали цю операцію «ScopeCreep».

Цей зловмисник застосовував нетиповий підхід до операційної безпеки. Для реєстрації облікових записів ChatGPT він використовував тимчасові адреси електронної пошти, а в кожному обліковому записі ChatGPT проводив лише одну розмову про одне поступове вдосконалення свого коду. Після цього він припиняв використовувати початковий обліковий запис і створював новий.

Зловмисник поширював шкідливе ПЗ ScopeCreep через загальнодоступний репозиторій коду, що видавав себе за легітимний і популярний інструмент Crosshair-X для накладання прицілу у відеоіграх. Коли користувачі, не підозрюючи загрози, завантажували й запускали шкідливу версію, у їхній системі активувався завантажувач шкідливого ПЗ. Він завантажував з інфраструктури зловмисника додаткові шкідливі файли та запускав їх.

Потім шкідливе ПЗ мало запустити багатоетапний процес підвищення привілеїв, прихованого закріплення в системі, сповіщення зловмисника та викрадення конфіденційних даних з одночасним уникненням виявлення.

Зловмисник використовував нашу модель для поетапної розробки шкідливого ПЗ, постійно просячи ChatGPT реалізувати нові конкретні функції. ScopeCreep застосовувало низку методів доставки, виконання, уникнення виявлення та викрадення даних, зокрема:

• Корисні навантаження C2, розроблені для обходу сигнатурного виявлення.

• Приховане виконання через бокове завантаження DLL.

• Обфускація за допомогою спеціального пакування в Themida.

• Підвищення привілеїв та уникнення виявлення.

• HTTPS через порт 80.

• Викрадення облікових даних і сеансів.

• Сповіщення зловмисника через Telegram.

• Обфускація трафіку за допомогою проксі-серверів.

Попри заходи операційної безпеки зловмисника та вбудовані в шкідливе ПЗ механізми уникнення виявлення, ми змогли виявити цю активність завдяки масштабованому процесу виявлення кіберзловживань. Ми скоординували з постачальником послуг хостингу коду видалення шкідливого репозиторію та заблокували всі облікові записи ChatGPT, пов’язані з цією діяльністю.

Взаємодії з моделлю в межах цієї групи охоплювали широкий спектр завдань із розробки. В одному випадку зловмисник надав фрагмент коду мовою Go, у якому виникла проблема із запитом HTTPS, і попросив модель допомогти з налагодженням. В іншому випадку зловмисник попросив допомогти виконати через Go команди PowerShell для зміни налаштувань Windows Defender, шукаючи спосіб програмно додавати винятки антивіруса.

Типові приклади цієї діяльності можна зіставити зі структурою ATT&CK для LLM так:

• Використання LLM для компіляції файлу python310.dll, щоб код зловмисника виконувався під час кожного запуску python.exe: розробка за допомогою LLM.

• Усунення помилок із сертифікатами SSL/TLS, призначеними для обслуговування трафіку HTTPS через порт 80: розробка за допомогою LLM.

• Перенесення за допомогою моделі C2-сервера на базі Flask до готового до промислового використання сервера WSGI: розробка за допомогою LLM.

• Розробка команд PowerShell у Go для зміни налаштувань Windows Defender і додавання винятків антивіруса: уникнення виявлення аномалій за допомогою LLM.

• Налагодження помилок у коді, який сповіщає контрольований зловмисником канал Telegram про компрометацію нової жертви: дії після компрометації за допомогою LLM.

На цьому етапі наслідки ScopeCreep, імовірно, вдалося пом’якшити завдяки оперативному повідомленню та тісній співпраці з галузевими партнерами, які змогли видалити шкідливий репозиторій. Ми заблокували облікові записи OpenAI, які використовував цей зловмисник.

За нашою оцінкою, цей зловмисник використовував наші моделі, намагаючись пришвидшити розробку шкідливого ПЗ. Парадоксально, але це також дало нам змогу швидко виявити й зупинити загрозу, яка, схоже, перебувала на ранній стадії.

Хоча можливості цього шкідливого ПЗ охоплюють підвищення привілеїв, закріплення в системі, збирання облікових даних і віддалений доступ, вони не є особливо новими. Хоча це шкідливе ПЗ, імовірно, використовували в реальних атаках, а деякі його зразки з’явилися на VirusTotal, ми не виявили ознак значного інтересу до нього чи широкого розповсюдження.