中国関連の脅威アクターが、自律型AIツールを使った新たな攻撃の波を仕掛け、マイクロプロセッサーメーカーや米国の防衛関連企業などの組織を侵害しました。
この攻撃活動は、Palo Alto NetworksのUnit 42の研究者らが「CL-STA-1238」として追跡しています。中国と関係する攻撃者がオープンソースのAIペネトレーションテスト用フレームワーク「Cairn」を自動化に利用した事例としては、2件目の確認例となります。研究者らはブログ記事で詳細を明らかにしました。ブログによると、今回の攻撃キャンペーンで攻撃者は8月から9月にかけて25回の作戦を実行し、少なくとも19組織を標的にしました。そのうち「10組織で不正アクセスまたはデータの窃取」に成功したということです。
攻撃に成功した事例では、脅威アクターは数十件の有効な認証情報を入手しました。ある組織では100万件を超える個人データが大量に流出し、軍や政府関係者の身元情報も盗まれています。さらに、本番システムに永続的な管理者アカウントを作成し、稼働中の業界標準の投票文書も改ざんしました。
標的となった組織のうち7組織は半導体・先端製造業のサプライチェーンに属し、3組織は米国の防衛・防衛政策分野の組織でした。攻撃者は、さまざまな人権団体や市民社会組織も標的にしていました。
Unit 42の研究者によると、被害に遭ったのは次のような組織です。業界標準化団体はパスワードスプレー攻撃を受けました。半導体企業では、パートナー連携アプリケーションの本番用認証情報がブルートフォース攻撃で破られました。米国の教職員組合では、コンテンツ管理システム(CMS)で認証なしにアカウントを作成できる欠陥を突かれました。防衛政策のシンクタンクでは、ID基盤の公開されたバックエンド登録エンドポイントが狙われました。
中国関連の攻撃者は、半導体リソグラフィー装置メーカー、産業オートメーション機器メーカー、教育関連の非営利団体など、ほかの組織でも、IDや設定の弱点を介してCMSを標的にしていました。
AIを使った攻撃手法の転換
Cairnはこのキャンペーンで重要な役割を果たしました。ブログは、Cairnの利用が「攻撃者による標的型攻撃へのAIの活用方法が変わりつつあることを示している」と指摘しています。
Unit 42の研究者らは「攻撃者が標的と目標を与えると、Cairnが自ら計画を立て、実行し、結果を記録した」と書いています。
CairnはAIモデルを問わず利用できます。今回、攻撃者は中国製の大規模言語モデル(LLM)である Zhipu GLM 5.2と、DeepSeek V4 FlashおよびProを使って悪用していました。ただし研究者らは、各組織のネットワークへの最初の侵入口は、業界を問わず見られる従来型のセキュリティ上の隙だったと指摘しています。
脅威ハンティングプラットフォームを手がけるHuntbaseのCEO兼創設者、Tyler Oliver氏はDark Readingの取材に対し、次のように話します。「被害者にとって、キーボードの向こうにいるのが人間かAIエージェントかは、さほど重要ではありません。人間がツールに任務を与えて立ち去る場合もあれば、一歩ずつ指示する場合もあるでしょう。いずれにせよ、パスワードスプレーはパスワードスプレーとして現れます」
実際、Unit 42によれば、攻撃者が悪用した脆弱性は既知のものでした。具体的には「認証バイパス、安全でない直接オブジェクト参照(IDOR)、マスアサインメントによる権限昇格、脆弱なパスワードやデフォルトのパスワード、公開されたクラウドAPI、そして公開から時間が経ったCVE」などです。
AIエージェントが目標に向けて攻撃
以前のCairnによる攻撃と同様、今回の調査結果も、脅威アクターがこのツールを組織への攻撃にどう悪用できるのか、その内部の仕組みを改めて示しています。今後の攻撃でも使われうる設計図といえます。
オペレーターは攻撃の各段階を手作業で指揮するのではなく、Cairnに標的と大まかな目標を与えていました。フレームワークはそこから独自に計画を立て、偵察を行い、潜在的な脆弱性を特定し、悪用を試み、その結果を記録しました。
ブログは次のように説明しています。「Cairnの各『エージェントワーカー』は、AIモデルが動かしている。Cairnは共有の『ブラックボード』を通じて活動を調整する。エージェントはブラックボードを読み取り、得られた知見を事実と意図のグラフとして書き戻す。一方で人間のオペレーターは、必要に応じていつでも『ヒント』を入力し、作戦の方向づけを支援できる」
AIセキュリティ企業DetectifyのCEO、Rickard Carlsson氏はDark Readingに次のように語ります。「Cairnには、すでに学習した内容の共有記録があります。そのため、人が結果を逐一確認して次の動きを決めなくても、先の成果を土台に作業を進められます」。同氏によれば、こうした限定的な監督で動作できる能力は、すでに複数のツールで見られます。別のAIペネトレーションテスト用フレームワークArtexも、攻撃者に悪用されているといいます。
Unit 42によると、CL-STA-1238の個々の作戦は、短いもので20分、長いものでは50時間を超えました。さらに攻撃者は複数の組織に対して同時並行で作戦を実行できたため、侵入の管理を人間のオペレーターに頼る度合いが下がっていました。
新旧の防御策
Unit 42によれば、AIは攻撃の速度、規模、範囲を変えつつあるものの、攻撃の「複雑さ」は変えていません。前述のとおり、攻撃の多くは既知のセキュリティ上の隙に頼っています。
これは防御側にとって数少ない朗報です。ブログによると、Cairnなど各種のAIツールを使った攻撃に対しても、「IDの衛生管理、攻撃対象領域の縮小、ソフトウェアのパッチ適用は引き続き有効」だからです。
一方で、AI駆動の攻撃に備えるために組織が講じられる対策はほかにもあると、セキュリティコンサルティング企業Black Hills Information Securityのオーナー、John Strand氏は話します。
同氏はDark Readingに対し、次のように述べています。「今すぐすべての組織が取り組むべきことが2つあると考えています。1つ目は、継続的な攻撃対象領域の管理です。インターネットに公開しているサービスやシステムをすべて洗い出し、可能な限りアクセスを制限し始める必要があります」
2つ目の重要な防御策は、サイバーデセプションをできる限り活用することです。偵察や横展開の段階で攻撃者を検知する「トリップワイヤー(罠)」を仕掛けることで、「目的を達成される前に」対処できるとStrand氏は付け加えています。