因服务于政治或商业目的,世界各国存在多个知名的APT组织,例如方程式组织、索伦之眼、APT28等。APT攻击往往具有隐蔽性、针对性、攻击手段高明等特点,所以不易被发现,并且带来的危害极大。
近日,360宣布捕获一个连续8年攻击中国大陆地区的APT网络间谍组织——蓝宝菇,该组织主要关注核工业和科研等相关信息,并对我国政府、军工、科研、金融等重点单位和部门进行了持续的网络间谍活动。在由360追日团队、360安全监测与响应中心与360威胁情报中心发布的《蓝宝菇(APT-C-12)核危机行动揭露》报告中,揭示了其攻击手段、攻击目的、攻击的时间历程等。
一场针对中国大陆的“核危机行动”
由于该组织相关恶意代码中出现特有的字符串(Poison Ivy密码是:NuclearCrisis),结合该组织的攻击目标特点,360威胁情报中心将该组织的一系列攻击行动命名为核危机行动(Operation NuclearCrisis)。
目前,360已经监测到核危机行动攻击的境内目标近30个。其中,教育科研机构占比最高,达59.1%,其次是政府机构,占比为18.2%,国防机构排第三,占9.1%。其他还有事业单位、金融机构制造业等占比为4.5%。
据悉,360追日团队捕获的首个蓝宝菇组织专用木马出现在2011年3月左右。目前已总共捕获该组织恶意代码670余个,这些恶意代码可分为4类RAT,细分版本为7种。其中,还包括60余个专门用于横向移动的恶意插件,从功能区分来看也至少有5种。目前已经发现该组织相关的C&C域名、IP数量多达40余个。
根据攻击活动特点,360将蓝宝菇核危机行动分为三个阶段:2011-2012年,核危机行动所使用的主要攻击木马是Poison Ivy,这是一款远程控制木马程序;而到了2013-2014年,Poison Ivy虽然仍在继续使用,但被升级到了几个全新的版本;2014年三季度--2015年,核危机行动开始大量进行横向移动攻击,并从2014年底开始,使用Bfnet后门。
蓝宝菇核危机行动的对抗术与伪装术
据介绍,核危机行动中所使用的专用木马,采用了一定程度的对抗技术。主要表现在两个方面:一方面是杀软对抗技术,一个是反虚拟机技术。例如在杀软对抗技术方面,Poison Ivy母体会判断系统中是否有360、卡巴斯基、瑞星、金山的进程,从而采取不同的后续应对措施。
并且在蓝宝菇的初始攻击中采用了特别针对性的伪装,360发现早期其采用鱼叉邮件携带二进制可执行文件这种攻击方法。攻击者仿冒官方邮件向受害者发送鱼叉邮件,诱导受害者点击邮件所携带的恶意附件。
例如下图为核危机行动鱼叉邮件压缩包中的一个伪装成Word文件的专用木马的图标和文件名截图。该文件伪装成一份通信录文件,当受害者点击打开这个伪装成Word文档的专用木马后,木马会在释放攻击代码的同时,释放一个真正的Word文档。然而该诱饵Word文档打开后的信息内容,其中信息确实是一份详细的通讯录。可见,该组织在文件伪装方面确实下足了功夫。
所以,APT所具备的一系列特点导致对其难以防御,360行业安全研究中心主任裴智勇表示,除了此案中蓝宝菇所采用的攻击手法外,实际上APT还具备多种攻击战术,例如反侦查术、疲劳战术、诱惑战术、假旗行动等。如果攻击者再利用0day漏洞,再加之周密的计划与组织架构保障行动,APT更是难以甚至无法防御。所以这时,APT的发现比防御更重要。
据了解,自2015年5月,360截获并披露针对我国的首个APT组织海莲花以来,截至2018年6月底,360威胁情报中心已累计截获38个针对中国的APT组织,有力地维护了国家与企业的信息安全。
在如今设备多样化、系统复杂化、攻击多元化的时代,裴智勇表示,360正在利用大数据、威胁情报等方法进行高级威胁的发现、检测与防御。
好文章,需要你的鼓励
AI能让够更早,更准确的发现并预测癌变的发生,这也是目前AI医疗的的一个主流发展方向,更早的发现,更准确的预测。最近一项来自美国国立卫生研究院(NIH)的研究就在对肺癌精准预测方向上取得了重大突破
耶鲁大学研究团队开发了SCIVER评估工具,专门测试AI验证科学论文声明的能力。通过3000个专家标注例子的测试,发现即使最先进的AI模型在复杂科学推理任务上仍远不如人类专家,主要存在信息检索不全、图表误读和逻辑推理断裂等问题,为AI科研应用发展指明了改进方向。
Salesforce发布Agentforce 3平台重大升级,新增指挥中心提供AI智能体实时性能监控,支持MCP开放标准实现与数百种企业工具无缝集成。数据显示AI智能体使用量六个月内激增233%,超8000家客户部署该技术。百事可乐等全球企业已将其深度集成到业务运营中。新版本还提供50%更低延迟、增强安全性和200多个预配置行业操作模板,帮助企业快速部署功能性AI智能体。
马里兰大学团队开发出PrefBERT智能评价系统,解决了AI在开放性写作任务中缺乏有效质量评判标准的问题。该系统通过学习人类专家评分标准,能准确评判文章质量,显著提升AI生成内容的质量和人类偏好一致性,为AI训练提供了新的质量导向解决方案。