Оператор BOSSAI применял ИИ-агентов для атак в 11 странах
BOSSAI использовала 12 агентов искусственного интеллекта, девять из которых были активны, для разведки, оценки уязвимостей, эксплуатации, сбора данных и управления инфраструктурой в отношении организаций в 11 странах. Оператор, предположительно находившийся в городе Хуалинь на Тайване, вручную передавал результаты между сессиями агентов, а не настраивал их на прямое взаимодействие.
Агенты и атакующая инфраструктура
Основным наступательным агентом служил Hermes. HalberdStrike, Acunetix Web Vulnerability Scanner, CyberStrike, Cursor и Trae поддерживали процессы сканирования, анализа уязвимостей, разработки эксплойтов и сбора данных. Атакующий стек включал MCP-серверы с доступом к инструментам Kali Linux и другим возможностям: nmap, sqlmap, Metasploit, Hydra, Nikto, ffuf, Gobuster, Dirsearch, Ghidra, автоматизации браузера, поиску CVE, OSINT и аудиту облачных сред.
Трафик проходил через SOCKS5 и коммерческие прокси-сети. Инфраструктура включала узлы с графическими процессорами и локально размещёнными версиями моделей DeepSeek, GLM и Qwen с обозначением «abliterated», арендованные ресурсы с графическими процессорами, несколько узлов VPS, интеграции мессенджеров через WeChat и LINE, обратные прокси, VPN-сервисы и компоненты управления.
Цели и подтверждённые компрометации
Оператор нацеливался на службы экстренного реагирования, финансовые учреждения, университеты, системы, связанные с военным сектором, телефонные справочники, сайты электронной коммерции и платформы азартных игр. Среди подтверждённых компрометаций были тайваньские системы экстренной помощи и здравоохранения, кредитная компания с 16 уязвимостями SQL-инъекции в базе данных MSSQL, поставщик услуг пожарной диспетчерской службы и три университета в Таиланде. В панели администрирования базы данных поставщика пожарной диспетчерской службы использовались учётные данные root по умолчанию. Тайские университеты пострадали от SQL-инъекций и извлечения данных из баз данных.
Среди данных, полученных из тайваньских служб экстренной помощи, были показатели ЭКГ, видеозаписи с машин скорой помощи, показатели жизненно важных функций пациентов, сведения о диспетчеризации и другие медицинские записи. В Мексике автоматизированный сбор принёс около 206 800 записей о жилых телефонных номерах. Отдельная кампания по сбору данных из справочников позволила получить около 124 000 записей.
Методы атак и результаты работы ИИ
В ходе кампании оператор также предпринимал попытки подбора паролей и подстановки украденных учётных данных, перечислял API, проверял системы на SSRF и отражённый XSS, искал криптографические уязвимости, проводил фаззинг JWT и механизмов аутентификации. Кроме того, применялись попытки установить веб-шеллы и реверс-инжиниринг приложений на Angular и клиентского шифрования.
Результаты, сгенерированные с помощью ИИ, часто содержали ложные срабатывания и галлюцинированные уязвимости. По имеющимся данным, более половины результатов HalberdStrike с высокой и критической степенью серьёзности были ошибочно классифицированы. Коммерческие модели, как правило, отказывались выполнять запросы наступательного характера, поэтому оператор полагался на локально размещённые модели с ослабленными механизмами защиты и ограниченной надёжностью.
Атрибуцию подкрепляли повторное использование идентификаторов, SSH-идентификаторов, API-ключей, элементов брендинга и скомпрометированных учётных данных, а также инфраструктура, связанная с домашней сетью оператора и его легальными бизнес-активами.
Отчет получен из сервиса CTT Report Hub. Права на отчет принадлежат его владельцу.
Ознакомиться подробнее с отчетом можно по ссылке.
