Các cuộc tấn công mạng ngày càng được xây dựng dựa trên các hành động quen thuộc như đăng nhập, phê duyệt thanh toán hoặc sử dụng một ứng dụng đáng tin cậy. Trí tuệ nhân tạo (AI) có thể hỗ trợ kẻ tấn công lặp lại các hành động này với tốc độ cao, làm cho hành vi gian lận tài chính và xâm nhập mạng trở nên khó phát hiện hơn trước khi thiệt hại xảy ra.
Sự Công Nghiệp Hóa của Lừa Bịp và Mối Đe Dọa Tăng Cường bởi AI
Các mối đe dọa này có nhiều hình thức khác nhau. Một số tự động hóa các phần của quá trình đột nhập mạng, trong khi những kẻ khác bắt chước các giám đốc điều hành trong các cuộc gọi video, ẩn mình bên trong các ứng dụng di động hoặc đặt các biểu mẫu thanh toán giả mạo lên trên các trang thanh toán hợp pháp. Điểm yếu chung là sự tin tưởng đặt nhầm vào một tương tác có vẻ bình thường.
Những cuộc tấn công này đòi hỏi việc kiểm tra liên tục danh tính và hành vi, không chỉ dựa vào sự tin tưởng vào một lần đăng nhập. Báo cáo của Trellix tổng hợp các hoạt động gián điệp, mã độc di động, gian lận và tống tiền thay vì chỉ mô tả một họ mã độc mới. Hậu quả có thể từ việc đánh cắp dữ liệu điện thoại và chi tiết thanh toán đến các giao dịch gian lận lớn và thiệt hại về danh tiếng.
Trellix cho biết trong một báo cáo rằng kẻ tấn công sử dụng tự động hóa để điều chỉnh phương pháp của họ, một màn hình thuyết phục hoặc giọng nói quen thuộc có thể không còn cung cấp đủ sự đảm bảo rằng một yêu cầu là hợp lệ. Báo cáo này có thể được tham khảo chi tiết tại Trellix.
AI Trong Các Chiến Dịch Gián Điệp
Trong chiến dịch gián điệp GTG-1002 có liên quan đến Trung Quốc, các tác nhân AI được cho là đã xử lý từ 80% đến 90% các nhiệm vụ hoạt động. Các nhà điều hành con người đã đưa ra khoảng bốn đến sáu quyết định quan trọng, bao gồm lựa chọn mục tiêu và phê duyệt việc đánh cắp dữ liệu, trong khi phần mềm thực hiện phần lớn công việc giữa họ. Trường hợp này minh họa cách thức một cuộc xâm nhập có thể diễn ra nhanh hơn khi kẻ tấn công ủy quyền các bước thông thường cho phần mềm.
Các báo cáo trước đây về hoạt động gián điệp được điều phối bởi AI mô tả cách chiến dịch sử dụng tự động hóa để thu thập thông tin, thu hoạch thông tin xác thực và phát triển mã khai thác để theo đuổi mục tiêu trên nhiều lĩnh vực. Điều này cho thấy rõ ràng về mối đe dọa mạng ngày càng tinh vi.
PromptSpy: Mã Độc Di Động Lợi Dụng AI
Trên điện thoại, PromptSpy cho thấy việc sử dụng AI hẹp hơn nhưng thiết thực. Mã độc Android này đọc những gì xuất hiện trên màn hình thiết bị và yêu cầu hướng dẫn để tương tác với nó. Thay vì dựa vào các vị trí nút cố định, nó có thể điều chỉnh hành động của mình cho phù hợp với giao diện mà nó nhìn thấy.
Nó sử dụng các quyền trợ năng để giữ cho ứng dụng của mình hiển thị và đặt các lớp phủ vô hình lên các điều khiển có thể ngăn chặn hoặc gỡ bỏ nó. Báo cáo về mã độc di động PromptSpy giải thích cách nó cũng có thể chụp hoạt động màn hình và thông tin màn hình khóa, cung cấp cho kẻ tấn công một con đường dẫn đến dữ liệu cá nhân nhạy cảm.
Trellix khuyên nên hạn chế quyền trợ năng và sử dụng Chế độ An toàn để gỡ bỏ ứng dụng khi các lớp phủ của nó chặn việc gỡ cài đặt thông thường. Đối với các tổ chức, bài học rộng hơn cho các nhóm bảo mật là xem xét hành vi bất thường của thiết bị thay vì giả định một giao diện quen thuộc có nghĩa là bản thân thiết bị đó an toàn.
Tấn Công Lừa Đảo Tinh Vi Sử Dụng Deepfake và Gian Lận Thanh Toán
Các cuộc gọi deepfake có thể biến một yêu cầu phê duyệt thông thường thành một sai lầm tốn kém. Trellix mô tả một trường hợp mà video và âm thanh giả mạo của các nhà lãnh đạo công ty đã thuyết phục một nhân viên tài chính ủy quyền chuyển khoản 25 triệu đô la. Kẻ gọi lại xuất hiện phù hợp với chuỗi lệnh dự kiến. Những trò lừa đảo như vậy khai thác áp lực phải phản hồi nhanh chóng với nhân viên cấp cao.
Các báo cáo trước đây về gian lận kinh doanh deepfake cho thấy tại sao một khuôn mặt trên cuộc gọi hoặc một giọng nói quen thuộc không nên, tự nó, quyết định liệu yêu cầu thanh toán có thực sự hay không. Điều này nhấn mạnh sự cần thiết của các biện pháp xác minh mạnh mẽ hơn.
Double-Tap Skimming và Rủi Ro Đánh Cắp Dữ Liệu
Các cuộc tấn công vào trang thanh toán trực tuyến sử dụng một loại sự quen thuộc khác. Trong kỹ thuật double-tap skimming, một biểu mẫu thanh toán giả mạo đầu tiên thu thập chi tiết thẻ, sau đó dường như thất bại và gửi người mua đến biểu mẫu thực tế. Giao dịch mua cuối cùng vẫn có thể thành công, khiến việc đánh cắp trước đó dễ bị bỏ qua.
Mô hình này được khám phá trong các báo cáo về double tap skimming, nơi một lớp phủ thanh toán giả chuyển hướng người mua trở lại một luồng thanh toán hợp pháp. Trellix khuyến nghị các bài kiểm tra thanh toán mô phỏng và kiểm toán cửa hàng thường xuyên để phát hiện sự gián đoạn hoặc các biểu mẫu trái phép trước khi khách hàng gặp phải chúng. Điều này là cực kỳ quan trọng để ngăn chặn các vụ tấn công mạng và bảo vệ dữ liệu người dùng.
LunaLock và Tống Tiền Dựa Trên Dữ Liệu Bị Đánh Cắp
Báo cáo cũng thảo luận về LunaLock, một công cụ mà nó cho rằng sử dụng AI để tìm vật liệu nhạy cảm trong dữ liệu bị đánh cắp và tinh chỉnh các yêu cầu tống tiền. Trellix báo cáo rằng nhóm đã xâm phạm hơn 95.000 tài khoản liên kết với một thị trường nghệ sĩ, nhấn mạnh cách các tệp bị lộ có thể vẫn là một vấn đề sau khi hệ thống được khôi phục.
Khuyến Nghị Bảo Mật Tăng Cường
Đối với các khoản thanh toán giá trị cao, Trellix khuyến nghị kiểm tra các yêu cầu thông qua một kênh riêng biệt, đã được thiết lập, chẳng hạn như gọi lại hoặc mã được thỏa thuận trước. Điều này giúp xác minh yêu cầu một cách độc lập, giảm thiểu rủi ro bị lừa đảo.
Nó cũng kêu gọi xác thực chống phishing, kiểm tra phơi nhiễm liên tục và mã hóa các tài liệu nhạy cảm. Các bước đó kiểm tra chính hành động, không chỉ danh tính có vẻ yêu cầu nó. Việc áp dụng các biện pháp này là rất cần thiết để tăng cường an ninh mạng và phòng chống các rủi ro bảo mật.
Các tổ chức có thể tham khảo thêm thông tin về cách tăng cường khả năng phòng thủ của họ thông qua các giải pháp như tích hợp Dữ liệu Tình báo về Đ mối đe dọa (TI Lookup) vào Trung tâm Điều hành An ninh (SOC) của họ, giúp giảm thời gian điều tra cảnh báo và phản ứng tức thì.
