Kimsuky ehitab kohaliku tehisaru abil ründaja privaatset RAG-i

01Lühidalt

• Genians leidis Põhja-Koreaga seostatud Kimsuky taristust Ollama, GPT4Alli ja Msty jälgi ning tõendeid dokumendipõhise RAG-i kasutamisest.
• Kohalik mudelikeskkond võimaldab töödelda kogutud või varastatud dokumente ilma neid välise AI-teenuse pakkujale saatmata.
• Leitud komponendid seovad RAG-i, AI-agentide raamistikud, kõnetöötluse, C#/.NET-i arenduse ja GitHubi kaudu töötava juhtimiskanali.
• Raport ei tõenda, et Kimsuky treenis oma alusmudeli või käivitas täielikult autonoomse AI-ründesüsteemi, ning Reuters ei saanud leide iseseisvalt kontrollida.

Lõuna-Korea küberturbefirma Genians avaldas 10. augustil analüüsi, mille järgi Põhja-Koreaga seostatud Kimsuky rühmitus on ehitanud kohaliku tehisaru tööriistaketti. Taristust leiti Ollama, GPT4Alli ja Msty paigaldus- ning kasutusjälgi, dokumendipõhist infootsingut ehk RAG-i ja AI-toega arenduse komponente.

Keskne uudis pole uus Põhja-Korea alusmudel. Geniansi tõendid kirjeldavad avalike mudelite ja tavapäraste arendustööriistade ühendamist rühmituse senise C#/.NET-i pahavara, dokumendianalüüsi ning GitHubi ja GitLabi kaudu töötava juhtimistaristuga. Reuters märkis oma 10. augusti kajastuses, et ei saanud ettevõtte leide iseseisvalt kontrollida.

Oluline vahe on ka automatiseerimisel ja autonoomial. Raportis on märke AI-agentide arendusraamistikest ning tööriistade katsetamisest, kuid mitte tõendit süsteemist, mis valiks iseseisvalt ohvri, murraks sisse, analüüsiks saagi ja käivitaks järgmise ründe inimese sekkumiseta.

02Kohalik RAG jätab varastatud materjali ründaja kätte

Retrieval-augmented generation ehk RAG ühendab keelemudeli dokumendiotsinguga. Enne vastuse loomist otsib süsteem ette antud kogust asjakohased katkendid ning lisab need mudeli konteksti. Nii saab mudel vastata konkreetsete kirjade, raportite või sisemiste juhendite põhjal ka siis, kui neid polnud mudeli algses treeningmaterjalis.

Genians leidis GPT4Alli kaustast faili localdocs_v3.db, mis tekib LocalDocsi funktsiooni seadistamisel. Ettevõtte hinnangul toetab see järeldust, et ründaja ei piirdunud programmi allalaadimisega, vaid katsetas päriselt dokumendipõhist RAG-i. Raport ei avalda aga indekseeritud dokumentide sisu ega võimalda hinnata, kui suure või väärtusliku andmekoguga töötati.

Kohapeal käitatava süsteemi eelis ründajale on kontroll. Kui dokument saadetakse pilves töötavale ChatGPT-le, Claude'ile või Geminile, läbib päring teenusepakkuja taristu ning konto võib sattuda kuritarvitamise kontrolli alla. Kohalik mudel töötab ründaja arvutis või serveris, mistõttu mudelipakkuja ei näe päringuid ega saa kontot sulgeda.

Privaatsus ei tähenda tingimata võrguühenduseta ründeahelat. Mudelikaalud, tarkvarauuendused, GitHubi hoidlad ja muud välised teenused jätavad endiselt võrguliikluse jälgi. Kaitsjale muutub seetõttu tähtsaks tervikpilt: milline protsess käivitas mudeliserveri, milliste failidega see suhtles ja kas samas seadmes toimus ebatavaline PowerShelli või GitHub API kasutus.

03Dokumendikogu võib muutuda järgmise petukirja lähteandmeteks

Pärast andmevargust tekib ründajal analüütiline pudelikael. Tuhanded kirjad ja failid võivad sisaldada väärtuslikku infot, kuid nende käsitsi läbitöötamine võtab aega. RAG saab aidata otsida projektinimesid, võtmeisikuid, sisemisi väljendeid, arveid ja tehnilisi detaile ning koondada need järgmise sihitud ründe ettevalmistuseks.

Selline süsteem ei pea olema autonoomne, et ründaja töömahtu kasvatada. Inimene võib küsida, kes kinnitab makseid, millist dokumendimalli organisatsioon kasutab või milline teema konkreetset adressaati tõenäoliselt huvitab. Keelemudel aitab vastuse kokku võtta ja koostada sama sõnavara kasutava peibutise.

Genians leidis taristust ka AI abil loodud finants- ja krüptoteemalisi peibutusmaterjale. Ettevõtte järgi olid need kujundatud meenutama investeerimisraporteid ning tööalaseid dokumente. Leiud näitavad, kuidas sisu loomine ja varastatud materjali otsing võivad kuuluda samasse töövoogu, kuid ei tõesta iga avastatud peibutise edukat kasutamist päris ohvri vastu.

Kõnetuvastuse, tõlke ja agentide arendusraamistike kogumine laiendab võimalikke kasutusviise. Ründaja võiks töödelda helisalvestisi, tõlkida võõrkeelseid materjale või anda mudelile mitu järjestikust ülesannet. Praeguse raporti põhjal on need eelkõige võimekuse ehitamise märgid, mitte mõõdetud tulemuslikkusega teenus.

04GitPower ühendab legitiimse arendusplatvormi pahavaraga

Genians nimetab jälgitud tegevust operatsiooniks GitPower. Analüüsi järgi jätkab see varasema FlowerPoweri ründeloogikat, kuid kasutab GitHubi ja GitLabi hoidlaid käskude, seadistuste ning pahavara edastamiseks. Legitiimse platvormi liiklus võib tavapärases võrgus vähem silma paista kui ühendus tundmatu käsuserveriga.

Fortinet kirjeldas aprillis eraldi Põhja-Koreaga seostatud kampaaniat, kus LNK-otsetee ja PowerShell viisid GitHubi-põhise juhtimiskanalini. Genians seostas selle taristu logidest leitud Cursoriga tehtud arendustöö, GitHub API vastuste ning peibutusdokumendi loomisega. Avaliku tööriista või GitHubi kasutamine üksi ei tõesta omistust, mistõttu toetub Kimsuky seos mitme tehnilise ja varasema käitumismustri kombinatsioonile.

Kaitse seisukohalt on oluline mitte blokeerida pimesi kõiki arendustööriistu. Ollama, Cursor, GitHub ja PowerShell on tavapärases IT-keskkonnas õiguspärased. Tuvastuse väärtus tekib kombinatsioonist: ebatavaliselt pikk LNK-käsurida, peidetud PowerShell, ajastatud ülesanne, GitHub Raw Content või Contents API kasutus, tundmatu isiklik pääsutõend ja pildilaiendiga varjatud krüpteeritud .NET-i fail.

05Eesti organisatsioon peab tundma oma lubatud kohalikke mudeleid

Eesti ettevõttele ja avalikule asutusele on esimene samm inventuur. Turvatiim peab teadma, millistes seadmetes on Ollama, GPT4All, Msty või muud kohalikud mudelirakendused lubatud, kes neid kasutab ja milliste dokumentidega. Tundmatu mudeliserver administraatori kontol ei ole automaatselt rünne, kuid vajab selgitust.

Järgmisena tuleb siduda lõppseadme sündmused võrgu- ja identiteedilogidega. Kohaliku mudeli protsess, mis loeb korraga suurt hulka e-posti ekspordifaile ning mille järel käivitub PowerShell ja tekib ühendus uue GitHubi kontoga, on tugevam signaal kui üksik programmifail. EDR-i reegel peab jälgima käitumisahelat, mitte kaubamärki.

GitHubi isiklikud pääsutõendid ehk PAT-id vajavad eraldi kontrolli. Organisatsioon saab piirata lubatud GitHubi organisatsioone, tuvastada uute hoidlate kasutust ja otsida saladusi käsurealt või skriptidest. Arendajate päristöö tõttu peab poliitika eristama tavapärast lähtekoodiliiklust pahavara laadimisest ning ajastatud käsupäringutest.

Dokumendivarguse järel ei piisa enam ainult ligipääsu sulgemisest. Tuleb hinnata, millist konteksti varastatud materjal ründajale annab: kontaktid, dokumendimallid, projektide nimed ja kinnitusringid võivad muuta järgmise petukirja veenvamaks. Intsidendijärgne teavitus peab seetõttu jõudma inimesteni, kelle nime või töövoogu saab varastatud failide põhjal matkida.

06Tõendid näitavad tööriistaketti, mitte iseseisvat ründajat

Geniansi raporti kõige tugevam osa on kohtuekspertiisi jälgede sidumine: Ollama võtmefailid, GPT4Alli LocalDocsi andmebaas, Msty käivitusfailid, Cursoriga seotud logid ja GitHubi juhtimistaristu. Nende koos esinemine toetab hinnangut, et AI-võimekust arendati sihipäraselt.

Lahtiseks jääb süsteemi tegelik jõudlus. Avaldatud materjal ei näita kasutatud mudelite kvaliteeti, RAG-i täpsust, töödeldud dokumentide mahtu ega seda, mitu ründeetappi AI päriselt kiirendas. Samuti ei näita see oma mudeli treenimist või täielikku autonoomiat.

Kaitsjale pole siiski vaja oodata autonoomset ründesüsteemi. Kohalik RAG võib juba praegu lühendada aega andmevargusest järgmise sihitud petukirjani. Jälgida tasub uusi seoseid mudeliprotsesside, suuremahulise dokumendilugemise, arendustööriistade ja legitiimsete koodiplatvormide kaudu käiva juhtimisliikluse vahel.

07Korduma kippuvad küsimused

Mida Genians Kimsuky taristust leidis?

Genians leidis Ollama, GPT4Alli ja Msty paigaldus- ning kasutusjälgi, GPT4Alli LocalDocsi andmebaasi, AI-agentide arendusraamistikke ja Cursoriga seotud logisid. Leiud seostati GitHubi ning GitLabi kaudu töötava ründetaristuga.

Mis on ründaja privaatne RAG?

Ründaja privaatne RAG on kohalik süsteem, mis otsib kogutud või varastatud dokumentidest asjakohase info ja annab selle keelemudelile vastuse koostamiseks. Dokumente ei pea selleks saatma välise AI-teenuse pakkuja pilve.

Kas Kimsuky treenis oma tehisarumudeli?

Praegused tõendid ei näita, et Kimsuky oleks treeninud oma alusmudeli. Geniansi analüüs kirjeldab olemasolevate mudelite, kohalike käituskeskkondade ja arendusraamistike ühendamist.

Kas raport tõendab autonoomseid küberründeid?

Raport ei tõenda täielikult autonoomset AI-ründesüsteemi. Leitud agentide raamistikud ja muud komponendid näitavad võimekuse arendamist, kuid mitte iseseisvalt läbi viidud terviklikku rünnet.

Miks on kohalik mudel ründajale kasulik?

Kohalik mudel hoiab tundliku materjali ründaja enda arvutis või serveris ning väldib välise teenuse konto- ja sisukontrolli. Samuti saab ründaja töödelda suurt dokumendikogu ilma päringupõhise pilveteenuse kuluta.

Milliseid märke peaks turvatiim otsima?

Turvatiim peaks siduma kohalike mudeliprotsesside kasutuse ebatavaliste LNK-käsuridade, peidetud PowerShelli, ajastatud ülesannete ja GitHub API liiklusega. Üksik Ollama või Cursor protsess ei tõesta rünnet.

Mida tähendab juhtum Eesti organisatsioonidele?

Eesti organisatsioonid peaksid inventeerima lubatud kohalikud mudelid ja jälgima, milliste dokumentide ning võrguteenustega need suhtlevad. Andmevarguse järel tuleb arvestada, et varastatud konteksti võidakse kasutada järgmise sihitud pettuse koostamiseks.