OpenAI 行動 ScopeCreep：阻止俄語惡意軟體開發

惡意軟體的散佈與執行

ScopeCreep 透過冒充一款名為「Crosshair-X」的熱門遊戲工具，並利用公共程式碼倉庫散佈其惡意軟體。下載惡意版本的使用者會觸發一個載入器，該載入器會從攻擊者的基礎設施下載並執行額外的惡意檔案。

一旦執行，惡意軟體會遵循多階段流程，旨在達成以下目標：

• Privilege Escalation: 增加系統權限以取得更深層的存取。
• Persistence: 建立隱蔽機制以持續留在系統上。
• Exfiltration: 竊取敏感資料並透過 Telegram 通知攻擊者。
• Evasion: 透過各種技術手段避免被偵測。

技術能力與規避技術

雖然 OpenAI 指出 ScopeCreep 的能力並非特別新穎，惡意軟體仍使用了一系列複雜的規避與執行技術：

• DLL Side-loading: 用於隱蔽執行。
• Custom Packing: 使用 Themida 進行混淆。
• C2 Payloads: 設計以避免基於簽名的偵測。
• Network Obfuscation: 透過 HTTPS（使用 80 埠）與代理方式混淆流量。
• Credential Theft: 針對會話與憑證資料進行竊取。

LLM 輔助開發模式

威脅行動者以迭代方式使用 ChatGPT，請求特定功能實作與除錯協助。為了維持作業安全，該行動者使用臨時電子郵件地址為每一次程式碼的增量改進建立新帳號，並在一次對話後即棄用該帳號。

OpenAI 將這些活動映射至 LLM ATT&CK 框架，辨識出五個模型輔助開發的關鍵領域：

• LLM Aided Development: 編譯 python310.dll 以確保每次執行 python.exe 時能執行程式碼；排除 HTTPS（使用 80 埠）流量的 SSL/TLS 憑證問題；以及將基於 Flask 的 C2 伺服器遷移至可投入生產的 WSGI 伺服器。
• LLM-Enhanced Anomaly Detection Evasion: 在 Go 中開發 PowerShell 指令，以程式化方式將防毒（AV）排除項目加入 Windows Defender 設定。 -- LLM-Assisted Post-Compromise Activity: 除錯用於在新受害者被妥協時通知攻擊者控制的 Telegram 頻道的程式碼。

偵測與緩解

OpenAI 透過其大規模網路濫用偵測流程發現此活動。此威脅透過與程式碼託管服務提供者協調，移除惡意倉庫並封禁所有相關的 ChatGPT 帳號而得到緩解。

雖然惡意軟體樣本已在 VirusTotal 上出現，OpenAI 報告稱未見廣泛散佈或關注的證據。該行動者嘗試利用 LLM 加速開發，反而為 OpenAI 提供了一個矛盾的機會，使其能在早期階段識別並阻斷此行動。