Sự phát triển của các công cụ AI đang tạo ra các biến thể mã độc AI có khả năng thay đổi hình dạng liên tục, gây khó khăn cho việc phát hiện dựa trên chữ ký truyền thống. Thay vì duy trì mã nguồn giống nhau trong thời gian đủ dài để các công cụ chống virus nhận diện, những chương trình độc hại này có thể biến đổi hình thức lặp đi lặp lại nhưng vẫn giữ nguyên mục đích phá hoại.
AI Hỗ trợ Tạo Mã Độc Tự Biến Đổi
Mô hình mới nổi sử dụng các mô hình ngôn ngữ lớn (LLM) như một nhà máy sản xuất mã tự động. Một mã độc dạng dropper có thể yêu cầu một phiên bản che giấu mới của chính nó theo các khoảng thời gian đều đặn. Song song đó, các công cụ liên quan có thể tạo ra các lệnh ngắn để thu thập tài liệu.
Điều này làm giảm đáng kể thời gian và kỹ năng chuyên môn cần thiết để tạo ra các mẫu mã độc mới. Một báo cáo từ Morphisec nhấn mạnh rằng, mối lo ngại trước mắt không phải là một chiến dịch quy mô lớn đã được xác nhận, mà là áp lực mà nó đặt lên các biện pháp kiểm soát dựa trên chữ ký. Các mối đe dọa mạng ngày càng trở nên tinh vi.
Các giá trị băm tĩnh (static hashes) và mẫu tệp đã biết trở nên kém hiệu quả khi mỗi bản sao của mã độc đều khác nhau. Rủi ro gia tăng khi mã tự thay đổi được kết hợp với hoạt động chỉ diễn ra trong bộ nhớ (memory-only activity), một phương pháp đã được khám phá chi tiết trong các hướng dẫn về cách thức hoạt động của mã độc fileless.
Trong khi các loại mã độc đa hình (polymorphic malware) truyền thống thường mã hóa hoặc che giấu một phần payload nhưng vẫn giữ lại một phần logic cốt lõi không thay đổi, thì mã độc được hỗ trợ bởi AI có thể đi xa hơn bằng cách thay thế hoàn toàn các khối mã. Điều này khiến chúng gần giống với hành vi của mã độc biến hình (metamorphic malware), nơi các nhà phòng thủ có thể không tìm thấy một điểm chung đáng tin cậy nào để nhận dạng giữa các mẫu khác nhau.
Các Ví dụ Về Mã Độc Sử Dụng AI
PROMPTFLUX là ví dụ rõ ràng nhất được trích dẫn trong báo cáo, nhưng nó là một phần của xu hướng rộng lớn hơn. PROMPTSTEAL có thể sử dụng một mô hình để tạo các lệnh Windows chỉ một dòng cho việc thu thập tài liệu. Trong khi đó, PromptLock và BlackMamba được mô tả là sử dụng các mô hình ngôn ngữ để thay đổi payload trong quá trình hoạt động.
Các báo cáo trước đây về mã độc AI có khả năng né tránh các công cụ bảo mật cho thấy lý do tại sao khả năng này lại thu hút sự chú ý ngày càng tăng. Khả năng này đã dẫn đến việc tăng vọt các công cụ AI độc hại và các cuộc thảo luận về việc vượt qua các biện pháp bảo vệ.
Thách Thức Đối Với Hệ Thống Phát Hiện Dựa Trên Chữ Ký
Đối với một đội ngũ an ninh, vấn đề thực tế là tốc độ. Một quy tắc phát hiện thường được viết sau khi các nhà phân tích xác định được một tệp, lệnh hoặc hành vi đáng ngờ. Nếu mã độc thay đổi trước khi quy tắc đó được triển khai đến các điểm cuối, quy tắc đó có thể chỉ phát hiện được một mẫu cũ và bỏ qua phiên bản tiếp theo.
Điều này không có nghĩa là chữ ký trở nên vô dụng. Chúng vẫn quan trọng đối với các mối đe dọa đã biết, quá trình điều tra và chặn các hoạt động lặp đi lặp lại. Tuy nhiên, các nhà phòng thủ nên tránh coi một bản quét sạch là bằng chứng cho thấy một chương trình mới được cung cấp là an toàn, đặc biệt là khi nó thực thi các tập lệnh, sử dụng các công cụ tích hợp sẵn hoặc chạy chủ yếu trong bộ nhớ.
Một cách tiếp cận ưu tiên phòng ngừa là cần thiết bởi vì mã độc hại vẫn phải thực thi, bất kể nó thay đổi bao nhiêu lần. Mô hình được khuyến nghị tập trung vào việc chặn các điều kiện thực thi thay vì chỉ xác định một biến thể cụ thể. Báo cáo mô tả việc thay đổi môi trường bộ nhớ thời gian chạy khi khởi chạy tiến trình và trình bày các yếu tố đánh lừa (decoys) tại nơi mà kẻ tấn công mong đợi tìm thấy tài nguyên.
Nhà cung cấp cho rằng điều này có thể làm gián đoạn một payload chưa biết trước khi mã hóa, đánh cắp dữ liệu hoặc di chuyển sang các hệ thống khác. Các tổ chức nên tự kiểm tra các biện pháp kiểm soát như vậy song song với các công cụ điểm cuối hiện có của họ. Đây là một ví dụ về cách các mối đe dọa an ninh mạng đang tiến hóa.
Giải Pháp Phòng Ngừa và Phát Hiện Hiệu Quả
Một phản ứng cân bằng cũng bắt đầu bằng việc giảm thiểu phơi nhiễm cơ bản. Cần giữ cho các hệ thống điều hành và ứng dụng tiếp xúc với internet được cập nhật bản vá, hạn chế các tập lệnh và tiện ích quản trị không cần thiết, đồng thời điều tra các tiến trình con hoặc lệnh bất thường truy cập vào một lượng lớn tài liệu.
Các hướng dẫn về việc phát hiện các cuộc tấn công mạng dạng fileless cung cấp ngữ cảnh hữu ích để giám sát các hoạt động có thể không để lại tệp thực thi thông thường. Các nhóm cần bảo toàn dữ liệu đo lường từ điểm cuối và lập kế hoạch ứng phó sự cố để tính đến các biến thể tồn tại trong thời gian ngắn.
Các nhà phân tích cần tìm kiếm hành động cơ bản, chẳng hạn như truy cập thông tin xác thực đáng ngờ, tạo kho lưu trữ không mong muốn, các kết nối đi ra, hoặc việc sử dụng các công cụ đáng tin cậy một cách bất thường, thay vì chỉ dựa vào tên tệp hoặc băm. Các bài tập ứng phó tình huống định kỳ nên bao gồm một trường hợp mà mẫu gốc biến mất trước khi được phân tích chi tiết. Điều này giúp những người ứng phó ưu tiên việc ngăn chặn, thu thập bằng chứng và phục hồi, thay vì chạy đua để dán nhãn cho mã độc.
Lưu ý: Địa chỉ IP và tên miền được làm mờ một cách có chủ ý (ví dụ: [.]) để ngăn chặn việc phân giải hoặc tạo siêu liên kết vô tình. Chỉ sử dụng lại trong các nền tảng tình báo mối đe dọa được kiểm soát như MISP, VirusTotal hoặc SIEM của bạn. Tăng tốc độ điều tra mọi cảnh báo SOC lên 21 phút. Cung cấp cho SOC của bạn bối cảnh IOC tức thì để phản ứng ngay lập tức: Tích hợp tra cứu TI trong SOC của bạn.
Tin tức bảo mật liên quan đến sự phát triển của mã độc AI cho thấy tầm quan trọng của việc cập nhật các biện pháp phòng vệ. Các tổ chức nên xem xét các giải pháp phát hiện và ngăn chặn tiên tiến để đối phó với các mối đe dọa ngày càng phức tạp này.
