У последње време, Сајбер криминалци користе вештачку интелигенцију да би створили нову генерацију злонамерног софтвера. што доводи кориснике и организације у опасност. Иако је вештачка интелигенција позитивно трансформисала безброј области, она је такође учинила дигиталне претње много тежим за откривање и борбу против њих. Данас је разумевање како се ови напади развијају кључно за минимизирање ризика и заштиту најосетљивијих информација.
Софистицираност ових злонамерних програма које је креирала вештачка интелигенција достигла је такав ниво да више нису у стању само да заобићи традиционалне одбрамбене системе, али се такође могу прилагодити у реалном времену свом окружењу и дистрибуирати коришћењем неочекиваних метода. Разматрамо најрелевантније случајеве, главне коришћене технике и како се ове претње могу ублажити..
Злонамерни софтвер покретан вештачком интелигенцијом: технике и како функционише
Напредак вештачке интелигенције отворио је врата ка невиђене технике напада У свету злонамерног софтвера, један аспект који се истиче је способност вештачке интелигенције (AI) модела да анализирају рањивости, генеришу злонамерни код на захтев и прилагођавају се на основу своје циљне жртве или окружења. Ово омогућава нападачима да креирају ефикасније експлоите које је тешко идентификовати, па чак и отпорне на конвенционалне системе против злонамерног софтвера..
Међу трендовима који се појављују, коришћење полиграфских фајлова Једна је од најупечатљивијих: састоји се од додавања извршног кода на крај наизглед безопасних датотека, као што су JPEG слике, што значи да само њихово отварање може покренути извршавање штетних скрипти у системској меморији.
Још један нови приступ укључује потпуна аутоматизација развоја експлоита Коришћењем великих језичких модела (LLM), као што су ChatGPT или Llama 2. Пажљиво планираном интеракцијом, истраживачи су успешно кооптирали више вештачких интелигенција како би анализирали рањив програм, идентификовали слабости, планирали напад и на крају генерисали злонамерни код. Ово омогућава креирање функционалних сајбер напада са високим степеном ефикасности и за веома кратко време.
Недавни случајеви: од LameHug-а и FunkSec-а до Koske-а
Претње од злонамерног софтвера покретаног вештачком интелигенцијом нису само хипотеза: последњих месеци су документовани конкретни примери који показују прави обим ове технологије у рукама сајбер криминалаца.
Истраживачи CERT-UA у Украјини су открили Злонамерни софтвер LameHug, који користи Hugging Face API за интеракцију у реалном времену са Alibaba језичким моделом и генерисање злонамерних инструкција прилагођених сваком зараженом Windows систему. Ова флексибилност чини традиционално откривање бескорисним, јер код није фиксиран, већ се динамички генерише на основу контекста нападнутог рачунара.
С друге стране, група ФункСец развио је вишенаменски, рансомвер покретан вештачком интелигенцијом, користећи аутоматски генерисан код и опремајући своје нападе напредним могућностима енкрипције, крађе података и избегавања одбране. Његова стратегија укључује јефтиније откупнине како би се постигао велики број жртава, са нападима усмереним на владин, технолошки и образовни сектор у различитим регионима широм света.
Исто тако, примећено је да Злонамерни софтвер Koske, циљајући Линукс системе, дистрибуира се скривено у невино изгледајућим ЈПЕГ сликама. Овај малвер користи технике као што је злоупотреба полиглот датотека да би извршио злонамерни код када се датотека отвори, инсталирао рудере криптовалута и изменио критична системска подешавања. Код, очигледно развијен уз помоћ вештачке интелигенције, истиче се по својој добро документованој и модуларној природи, откривајући скок у квалитету који вештачка интелигенција представља у рукама нападача.
Методе и алати који се користе за инфекцију
Дистрибуција злонамерног софтвера заснована на вештачкој интелигенцији вишеструки вектори напада, од прилога е-поште до слика отпремљених на легитимне платформе. На пример, у Коскеовом случају, само отварање заражене слике узрокује извршавање скривених скрипти у меморији, инсталирање руткитова и промену подешавања заштитног зида и ДНС-а. У другим сценаријима, нападачи искоришћавају процуреле акредитиве или рањивости софтвера да би добили почетни приступ систему, а затим делегирају аутоматизацију свих наредних корака вештачкој интелигенцији.
Генеративни алати и платформе као што су ChatGPT, Llama 2, FraudGPT, WormGPT и HackerGPT Наведени су као ресурси које користе и стручњаци за офанзивну анализу и криминалци, показујући да граница између истраживања и злонамерног напада може бити веома суптилна. Ови AI механизми могу анализирати конфигурације, открити експлоите и програмирати веома ефикасне скрипте за само неколико секунди.
Стручњаци истичу да нападачи више не морају да пишу сав злонамерни код од нуле: захваљујући језичким моделима, могуће је креирати прилагођени злонамерни софтвер у ходу, што изузетно отежава рад традиционалних безбедносних решења.
Савети и стратегије за заштиту себе
С обзиром на ову панораму, Заштита од злонамерног софтвера заснованог на вештачкој интелигенцији захтева проактиван приступ и разноврсни, комбинујући напредна технолошка решења и добре праксе.
- Увек ажурирајте свој оперативни систем и све апликације како бисте спречили нападаче да искористе познате рањивости.
- Имплементирајте решења за детекцију која користе вештачку интелигенцију за идентификацију аномалног понашања, а не само статичких потписа.
- Правите сегментиране и заштићене резервне копије како бисте осигурали опоравак у случају напада, као и пратите промене кључних системских датотека и услуга.
- Обучите особље о друштвеном инжењерингу и фишингу, јер је најчешћа улазна тачка и даље људска грешка.
- Обезбедите робусну конфигурацију заштитног зида (фајервола) и ограничите приступ осетљивим инстанцама, као што су JupyterLab сервери у научним и академским окружењима.
У корпоративним окружењима, специјализовани алати као што су EDR решења, анти-APT и платформе за обавештајне податке о претњама показали су се веома корисним у предвиђању и реаговању на претње засноване на вештачкој интелигенцији. Стручњаци препоручују анализу одлазног саобраћаја и праћење бочног кретања унутар мреже како би се откриле потенцијалне крађе података.
Коначно, важно је запамтити да, иако многе од ових претњи имају веома специфичне циљеве (као што су рударење криптовалута или шифровање података), њихова појава, вођена вештачком интелигенцијом, најављује долазак још напреднијих и тежих за циљање варијанти.
Развој злонамерног софтвера коришћењем вештачке интелигенције представља квалитативни скок у сајбер криминалу., олакшавајући стварање све теже откривајућих програма и омогућавајући чак и мање искусним актерима да покрећу софистициране кампање. Кључ за ублажавање ових ризика лежи у усвајању иновативних безбедносних решења, одржавању разумних дигиталних навика и промоцији свести на свим нивоима.
