بدافزار ENCFORGE
متن گزارش
محققان Sysdig Threat Research از شناسایی باجافزار جدیدی با نام ENCFORGE خبر دادهاند که برخلاف باجافزارهای سنتی، بهصورت اختصاصی برای هدف قرار دادن زیرساختهای هوش مصنوعی (AI Infrastructure) طراحی شده است. این بدافزار توسط اپراتور JADEPUFFER پس از نفوذ به یک سرور آسیبپذیر Langflow مستقر شده و فایلهای حیاتی محیطهای AI شامل وزن مدلها (Model Weights)، ایندکسهای برداری (Vector Indexes)، دیتاستهای آموزشی و فایلهای مدلهای یادگیری ماشین را رمزگذاری میکند. ENCFORGE نشاندهنده یک تغییر مهم در مسیر تکامل باجافزارها است؛ مهاجمان دیگر فقط اسناد سازمانی یا پایگاههای داده سنتی را هدف نمیگیرند، بلکه داراییهای اصلی چرخه توسعه هوش مصنوعی را بهعنوان هدف ارزشمند شناسایی کردهاند.
مشخصات
مشخصات فنی بدافزار
سیستمهای هدف
جوامع هدف
انواع تهدید
سطوح گسترش
انواع پیچیدگی
نوع پیچیدگی ثبت نشده است.
قابلیتها
قابلیتهای اصلی:
رمزگذاری فایلهای AI
هدفگیری مستقیم Model Artifactها
رمزگذاری: Model Weights / Training Dataset / Vector Database Indexes
پشتیبانی از حدود ۱۸۰ پسوند فایل مرتبط با AI
استفاده از: AES-256-CTR برای رمزگذاری داده / RSA-2048 برای محافظت از کلید رمزگذاری
تغییر پسوند فایلها به: locked.
ایجاد فایلهای باجخواهی: README / HOW_TO_DECRYPT / README_DECRYPT
روش انتشار
زنجیره حمله:
شناسایی سرورهای Langflow در معرض اینترنت
سوءاستفاده از آسیبپذیری اجرای کد از راه دور: CVE-2025-3248
اجرای کد Python بدون احراز هویت روی سرور Langflow
جمعآوری اطلاعات محیط AI و Credentialها
دسترسی به فایلها و منابع زیرساخت
دانلود Payload باجافزار ENCFORGE
رمزگذاری فایلهای حیاتی AI
آسیبپذیری CVE-2025-3248 در نسخههای قدیمی Langflow امکان اجرای کد از راه دور از طریق Endpoint آسیبپذیر /api/v1/validate/code را فراهم میکرد و دارای امتیاز CVSS برابر 9.8 است.
میزان تاثیرگذاری
در صورت موفقیت حمله:
نابودی مدلهای آموزشدیده
از کار افتادن سرویسهای AI
از دست رفتن دیتاستهای ارزشمند
تخریب Pipelineهای یادگیری ماشین
هزینه سنگین بازسازی مدلها
توقف پروژههای تحقیقاتی
احتمال افشای Credentialهای مرتبط با AI
بدافزار ENCFORGE نشان میدهد که مدلهای هوش مصنوعی به داراییهای راهبردی جدید در جنگ سایبری تبدیل شدهاند و مهاجمان به جای سرقت صرف داده، اکنون به دنبال فلج کردن توانمندی AI سازمانها هستند.
مکانیزم پایداری
روشهای مشاهدهشده:
سوءاستفاده از دسترسی Langflow
استفاده از محیط Container
بهرهگیری از Credentialهای کشفشده
دسترسی به Docker Socket
یکی از نقاط خطرناک، وجود دسترسی var/run/docker.sock/ است که میتواند امکان کنترل Containerها را برای مهاجم فراهم کند.
نشانههای شناسایی
اطلاعاتی ثبت نشده است.
راهکارهای پیشگیری
اقدامات فوری
بروزرسانی Langflow
حذف دسترسی مستقیم اینترنتی به سرویسهای AI
محدودسازی Docker Socket
Rotate کردن: API Keys / Cloud Credentials / Database Secrets
جداسازی شبکه محیطهای AI
اقدامات راهبردی
پیادهسازی AI Security Framework
استفاده از: EDR/XDR // CNAPP // CWPP
پایش: دسترسی به Model Files / تغییرات ناگهانی Dataset / عملیات غیرعادی Containerها
ایجاد Backup غیرقابل تغییر از: Model Weights / Training Data / Vector Indexes
Threat Hunting برای: ENCFORGE / JADEPUFFER / Langflow RCE Abuse / AI Infrastructure Attacks
وضعیت وصله امنیتی
اطلاعاتی ثبت نشده است.
منابع
- The Hacker News
لینکهای منابع
لینک منبعی ثبت نشده است.
