Фантомное захватывание доменов: новая угроза в цепочке поставок

Исследователи подразделения Unit 42 компании Palo Alto Networks выявили принципиально новую киберугрозу — phantom squatting. Её суть проста и пугающа: злоумышленники эксплуатируют склонность больших языковых моделей (LLM) генерировать правдоподобные, но полностью вымышленные веб-домены — так называемые hallucinated domains. Эти «чистые», не существовавшие ранее домены становятся фундаментом для атак на цепочки поставок программного обеспечения, позволяя беспрепятственно обходить классические системы репутационной фильтрации и перехватывать трафик жертв.

Как LLM превращаются в орудие для phantom squatting

В отличие от традиционного тайпсквоттинга или фишинга, где домен-ловушка накапливает негативную репутацию по мере использования в атаках, домены, рожденные из галлюцинаций LLM, изначально «стерильны». Они появляются непосредственно из внутреннего словаря модели, когда та по запросу пользователя или AI-агента придумывает название веб-портала, endpoint API или почтового сервера. Поскольку эти имена никогда не фигурировали в реальных датасетах, их репутационный профиль пуст — что делает их идеальными кандидатами для регистрации и мгновенного развертывания вредоносной инфраструктуры.

Концепция phantom squatting развивает прежние исследования blind squatting, но смещает фокус с несуществующих программных пакетов на фиктивные доменные имена для самого широкого спектра приложений. Ключевая особенность метода — опора на доверенные рекомендации искусственного интеллекта: жертва получает ссылку на hallucinated domain не из спам-письма, а из выдачи AI assistant, который использовался для написания кода или поиска информации. Это кардинально усложняет механизмы защиты, привыкшие опираться на исторически сложившиеся индикаторы компрометации.

Масштаб проблемы: 2,1 миллиона URL и четверть миллиона свободных доменов

Чтобы количественно оценить угрозу, специалисты Unit 42 просканировали цифровое пространство 913 мировых брендов. Через несколько конфигураций популярных LLM было сгенерировано 2,1 миллиона URL, из которых 13 229 были подтверждены как реальные вредоносные ресурсы. При этом примерно 250 000 hallucinated domains остаются незарегистрированными — по сути, это готовый арсенал для злоумышленников, который может быть захвачен в любой момент.

• Более 67% выявленных вредоносных URL были связаны с malware.
• Значительная часть зафиксированных ресурсов представляла собой инфраструктуру управления (C2).
• Один из примечательных случаев — атака с использованием набора Montana Empire, когда злоумышленник через AI assistant создал фишинговый kit и развернул его на домене, который всего за несколько недель до этого был идентифицирован как высокорискованный hallucinated domain.

Почему традиционные средства защиты проигрывают

Сдвиг в ландшафте цепочки поставок ПО сделал LLM неотъемлемой частью процессов разработки и бизнес-операций. AI-агенты выполняют автономные веб-поиски, принимают решения на основе сгенерированных моделью рекомендаций — и могут непреднамеренно исполнять вредоносные команды или похищать конфиденциальные данные без какого-либо участия человека. Пока защитные решения полагаются на телеметрию уже проявившейся зловредной активности, инфраструктура phantom squatting выглядит абсолютно безобидной ровно до того момента, как проявляет свои истинные намерения.

Такой разрыв в защите означает, что зарегистрированный злоумышленником домен способен стать активным почти немедленно, с готовым к развертыванию вредоносным инструментарием. Это превращает LLM в невольных векторов атаки, способных легитимизировать мошеннические ресурсы в глазах жертвы.

Атаки в действии: от национальных почтовых служб до Android-вредоносов

Исследование подтверждает: phantom squatting — это не теоретическая модель, а активно развивающаяся методика противника. Среди задокументированных инцидентов:

• Фишинговые кампании, мимикрирующие под национальные почтовые службы и использующие сложные фишинг-инструменты, развернутые на hallucinated domains.
• Распространение зараженных Android-приложений через доверенные, на первый взгляд, рекомендательные цепочки.
• Создание плацдармов для C2-инфраструктуры, регистрируемой сразу после того, как LLM «предлагает» подходящие доменные имена.

Эти примеры демонстрируют критическую уязвимость в цепочке поставок ПО, порожденную самой архитектурой больших языковых моделей и их предрасположенностью выдавать правдоподобно звучащие, но фиктивные доменные имена.

Срочная необходимость перестройки защиты

По мере того как всё больше организаций интегрируют LLM в свои ключевые рабочие процессы, растет и подверженность phantom squatting. Под угрозой находятся не только отдельные пользователи, но прежде всего автономные системы, которые могут быть скомпрометированы полностью автоматически, без малейших признаков вмешательства извне. Исследование Unit 42 подчеркивает: защита от этой угрозы требует не просто обновления репутационных моделей, а переосмысления подходов к проверке ресурсов, рекомендованных искусственным интеллектом.

Отчет получен из сервиса CTT Report Hub. Права на отчет принадлежат его владельцу.

Ознакомиться подробнее с отчетом можно по ссылке.