Şüpheli Rusça konuşan bir siber aktörün, PaperCut NG/MF ürünlerindeki yakın zamanda açıklanan iki güvenlik açığını yapay zeka destekli iş akışlarıyla istismar ederek dünya genelinde en az 440 sistemi ele geçirdiği ortaya çıktı. Blackpoint Cyber ve GreyNoise tarafından bağımsız olarak raporlanan faaliyetin, son haftalarda yetkisiz port taraması ve kaba kuvvet saldırılarıyla ilişkilendirilen 45.142.193[.]132 IP adresinden kaynaklandığı belirtildi. Aynı IP adresi geçen hafta Arctic Wolf tarafından da istismar faaliyetleriyle bağlantılı olarak işaretlenmişti.
Blackpoint'te baş MDR analisti olan Nevan Beal, The Hacker News'e yaptığı açıklamada, kampanyanın nihai hedefinin henüz doğrulanamadığını söyledi. Beal, "Tehdit aktörünün metodolojisi ilk erişim faaliyetiyle tutarlı, ancak ilk erişim komisyoncusu olarak faaliyet gösterip göstermediklerini doğrulamak için henüz yeterli kanıtımız yok" dedi. GreyNoise de aktörün yalnızca erişim geliştirmeye mi odaklandığı yoksa veri hırsızlığı veya fidye yazılımı dağıtımı gibi takip hedeflerine mi yöneleceğinin belirsiz olduğunu aktardı.
Bu ajanlar aracılığıyla 48 ülkede barındırılan en az 440 PaperCut MF/NG örneği ele geçirildi. Bu örneklerin 395'inin belirli kurban kuruluşlarla ilişkilendirildiği, geri kalan kurbanların ise isimlendirilmiş bir kuruluşa atfedilemediği bildirildi. GreyNoise, "Atfedilemeyen başka gerçek kurbanlar da var" ifadesini kullandı.
Saldırıların başta eğitim sektörünü hedef aldığı, hedeflerin yoğunlaştığı ülkeler arasında ABD, Birleşik Krallık, Fransa, İspanya, Kanada, Belçika, Portekiz, Avustralya, Almanya ve İsviçre'nin bulunduğu aktarıldı. Arctic Wolf, gözlemlenen istismar sonrası faaliyetler arasında Windows kayıt defteri kovanı toplama araçlarının teslimi, Metasploit/Meterpreter ile ilgili Java yükleri ve ana bilgisayarları, kullanıcıları, süreçleri ve hassas yapılandırma verilerini tanımlamak için kullanılan komutların yer aldığını kaydetti.
Tehdit istihbarat firmasına göre saldırgan, istismar geliştirme ve test sürecinin bir parçası olarak savunmasız PaperCut yazılımını ve bir Active Directory sunucusunu içeren bir laboratuvar ortamı kurdu ve saldırdı. Paralel iş akışlarında ise Netlas.io adlı internet tarama hizmetini, tespit edilen bir API anahtarını kullanarak hedef listeleri oluşturmak için kullandı.
Bu hazırlık aşamasında elde edilen uzaktan kod yürütme ve kimlik bilgisi toplama yeteneği, gerçek kurbanlara yönelik kitlesel kampanyanın temelini oluşturdu. Saldırıda kullanılan halka açık saldırı araçları arasında Mimikatz, SharpHound, Certipy, Rubeus ve Impacket yer aldı.
Blackpoint'in kurtardığı kaynak koduna göre yapay zeka kullanımı hedefleme hattına da uzanıyor. Kod, bir huni gibi çalışarak birden fazla kaynak listesini birleştiriyor, adayları coğrafi olarak konumlandırıyor, ülkeye göre filtreliyor, hariç tutma politikasını uyguluyor ve bir sonraki aşamaya geçmeden önce canlı PaperCut sistemlerini tespit ediyor.
Son aşamada hedefler işletim sistemi ve ortama göre kategorize ediliyor. Ayrıca aktif olanlar, ulaşılamayanlar, belirli aşamaları eksik olanlar, istismar sonrası eylemler için uygun olanlar ve yeniden deneme bekleyenler için ayrı listeler oluşturuluyor. Böylece her başarısız deneme aynı sorun olarak ele alınmıyor.
GreyNoise'a göre saldırgan, boş bir çalışma alanından gerçek bir kurbana karşı ilk uzaktan kod yürütmeyi elde etmeye kadar dört saatten kısa sürede ilerledi ve kampanya tam anlamıyla başladığında 26 saniye içinde en az 11 kuruluşu ele geçirdi. ABD'deki bir liseye yönelik bir saldırıda ilk erişim ile tam etki alanı yönetici erişimi arasındaki süre yalnızca yedi dakika oldu. Toplamda saldırganın yalnızca 12 kurban kuruluşa karşı etki alanı yönetici erişimi elde ettiği belirtildi.
Python betikleri, sonraki aşamaların gerçekten tamamlanmasını takip ediyor. Bu görevler arasında yönetici erişimi, hesap doğrulama, Active Directory toplama, etki alanı ve ağ keşfi ile proxy kurulumu yer alıyor. Başarısızlıklar kaydediliyor ve saldırı çerçevesinin yaklaşımını uyarlayarak ilerlemesine olanak tanınıyor.
Beal ve güvenlik araştırmacısı Sam Decker tarafından aktarılan bilgilere göre kurtarılan en erken faaliyet 31 Ağustos'ta başladı ve proje, yamalı ve yamasız PaperCut yapımlarını karşılaştırarak güvenlik açığı araştırmasına odaklandı. Saatler içinde bu araştırma, incelenen, test edilen ve giderek büyüyen hedef kümelerine karşı çalıştırılan çok iş parçacıklı bir doğrulama aracına dönüştürüldü.
Proje, yapay zekanın tüm sistem mimarisinin etrafında döndüğü bir dayanak noktası olduğu, güvenlik açığı araştırmasını kalıcı bir geri bildirim döngüsü aracılığıyla bir istismar hattına dönüştürdüğü bir yapı olarak tanımlanıyor. Sistemi destekleyen iki önemli açık kaynak araç bulunuyor:
Şirket, "Bu kampanyadaki en güçlü yapay zeka etkisi yeni bir istismar tekniği değildi. Yüzlerce gerçek sistemde araştırma, geliştirme, hata ayıklama, sınıflandırma, izleme, yeniden deneme ve sürekli iyileştirme için gereken insan çabasının azaltılmasıydı" değerlendirmesini yaptı. Ayrıca operatörün, yapay zeka destekli araştırma, kodlama, test etme, sorun giderme ve kampanya yürütmenin sürekli olarak birbirini bilgilendirdiği yinelemeli bir geliştirme süreci kullandığı ve bağlamın güvenlik açığı araştırmasından istismar doğrulama, araç geliştirme, hedef genişletme ve nihayetinde operasyonel yürütmeye geçerken korunduğu vurgulandı.
Blackpoint'te baş MDR analisti olan Nevan Beal, The Hacker News'e yaptığı açıklamada, kampanyanın nihai hedefinin henüz doğrulanamadığını söyledi. Beal, "Tehdit aktörünün metodolojisi ilk erişim faaliyetiyle tutarlı, ancak ilk erişim komisyoncusu olarak faaliyet gösterip göstermediklerini doğrulamak için henüz yeterli kanıtımız yok" dedi. GreyNoise de aktörün yalnızca erişim geliştirmeye mi odaklandığı yoksa veri hırsızlığı veya fidye yazılımı dağıtımı gibi takip hedeflerine mi yöneleceğinin belirsiz olduğunu aktardı.
440'tan Fazla Örnek ve 395 Kurum Etkilendi
Saldırıların merkezinde CVE-2026-81578 ve CVE-2026-82078 olarak takip edilen, kimlik doğrulama atlatma ve uzaktan kod yürütme zincirinden oluşan iki açığın fırsatçı şekilde istismarı yer alıyor. GreyNoise'a göre tehdit aktörü, kendi barındırdığı laboratuvar ortamında uzaktan kod yürütme ve kimlik bilgisi toplama başarısı elde ettikten sonra, OpenAI Codex, bir DeepSeek modeli ve halka açık saldırı araçlarıyla güçlendirilmiş yüzlerce yapay zeka ajanını devreye soktu.Bu ajanlar aracılığıyla 48 ülkede barındırılan en az 440 PaperCut MF/NG örneği ele geçirildi. Bu örneklerin 395'inin belirli kurban kuruluşlarla ilişkilendirildiği, geri kalan kurbanların ise isimlendirilmiş bir kuruluşa atfedilemediği bildirildi. GreyNoise, "Atfedilemeyen başka gerçek kurbanlar da var" ifadesini kullandı.
Saldırıların başta eğitim sektörünü hedef aldığı, hedeflerin yoğunlaştığı ülkeler arasında ABD, Birleşik Krallık, Fransa, İspanya, Kanada, Belçika, Portekiz, Avustralya, Almanya ve İsviçre'nin bulunduğu aktarıldı. Arctic Wolf, gözlemlenen istismar sonrası faaliyetler arasında Windows kayıt defteri kovanı toplama araçlarının teslimi, Metasploit/Meterpreter ile ilgili Java yükleri ve ana bilgisayarları, kullanıcıları, süreçleri ve hassas yapılandırma verilerini tanımlamak için kullanılan komutların yer aldığını kaydetti.
Saldırının Kaynağı ve Yapay Zeka Destekli Hazırlık Süreci
GreyNoise, söz konusu IP adresinin kötüye kullanımını 2026 Temmuz ayı başından bu yana takip ettiğini açıkladı. Buna göre aktör, Palo Alto, Ubiquiti, Citrix, SonicWall ve Proxmox VE dahil olmak üzere birçok satıcıya ait internete açık sistemleri yokluyordu.Tehdit istihbarat firmasına göre saldırgan, istismar geliştirme ve test sürecinin bir parçası olarak savunmasız PaperCut yazılımını ve bir Active Directory sunucusunu içeren bir laboratuvar ortamı kurdu ve saldırdı. Paralel iş akışlarında ise Netlas.io adlı internet tarama hizmetini, tespit edilen bir API anahtarını kullanarak hedef listeleri oluşturmak için kullandı.
Bu hazırlık aşamasında elde edilen uzaktan kod yürütme ve kimlik bilgisi toplama yeteneği, gerçek kurbanlara yönelik kitlesel kampanyanın temelini oluşturdu. Saldırıda kullanılan halka açık saldırı araçları arasında Mimikatz, SharpHound, Certipy, Rubeus ve Impacket yer aldı.
Hedef Filtreleme ve Hariç Tutulan 28 Ülke
GreyNoise'a göre saldırgan, 28 ülkedeki varlıkları hedef almaktan açıkça kaçınmaya çalıştı. Hariç tutma listesine eklenen ülkeler arasında Rusya, Çin, Hong Kong, Tayland, İran, Venezuela, Endonezya, Pakistan ve Bangladeş bulunuyor. Ancak gözlemlenen kurban dağılımı, bu kısıtlama çabasının bazı durumlarda başarısız olduğunu gösterdi.Blackpoint'in kurtardığı kaynak koduna göre yapay zeka kullanımı hedefleme hattına da uzanıyor. Kod, bir huni gibi çalışarak birden fazla kaynak listesini birleştiriyor, adayları coğrafi olarak konumlandırıyor, ülkeye göre filtreliyor, hariç tutma politikasını uyguluyor ve bir sonraki aşamaya geçmeden önce canlı PaperCut sistemlerini tespit ediyor.
Son aşamada hedefler işletim sistemi ve ortama göre kategorize ediliyor. Ayrıca aktif olanlar, ulaşılamayanlar, belirli aşamaları eksik olanlar, istismar sonrası eylemler için uygun olanlar ve yeniden deneme bekleyenler için ayrı listeler oluşturuluyor. Böylece her başarısız deneme aynı sorun olarak ele alınmıyor.
Dakikalar İçinde Etki: 26 Saniyede 11 Kurum
Bulgular, yapay zeka modellerinin tehdit aktörlerinin saldırı yaşam döngüsünün çeşitli aşamalarına ajan yeteneklerini entegre etmesine ve saldırıları ölçekli şekilde hızlandırmasına olanak tanıdığına dair endişelerin arttığı bir dönemde geldi.GreyNoise'a göre saldırgan, boş bir çalışma alanından gerçek bir kurbana karşı ilk uzaktan kod yürütmeyi elde etmeye kadar dört saatten kısa sürede ilerledi ve kampanya tam anlamıyla başladığında 26 saniye içinde en az 11 kuruluşu ele geçirdi. ABD'deki bir liseye yönelik bir saldırıda ilk erişim ile tam etki alanı yönetici erişimi arasındaki süre yalnızca yedi dakika oldu. Toplamda saldırganın yalnızca 12 kurban kuruluşa karşı etki alanı yönetici erişimi elde ettiği belirtildi.
Python betikleri, sonraki aşamaların gerçekten tamamlanmasını takip ediyor. Bu görevler arasında yönetici erişimi, hesap doğrulama, Active Directory toplama, etki alanı ve ağ keşfi ile proxy kurulumu yer alıyor. Başarısızlıklar kaydediliyor ve saldırı çerçevesinin yaklaşımını uyarlayarak ilerlemesine olanak tanınıyor.
Operatör Altyapısı ve Yapay Zekanın Rolü
Blackpoint, aynı faaliyete ilişkin ek ayrıntıları paylaştı ve faaliyetin açığa çıkan bir operatör altyapısına kadar izini sürdü. Bu altyapı, güvenlik açığı araştırmasından ve istismar geliştirmeden hedef filtreleme, hata analizi, kod değişiklikleri ve tekrarlanan yeniden deneme dalgaları yoluyla yürütmeye kadar yapay zeka destekli iş akışını gözler önüne seriyor.Beal ve güvenlik araştırmacısı Sam Decker tarafından aktarılan bilgilere göre kurtarılan en erken faaliyet 31 Ağustos'ta başladı ve proje, yamalı ve yamasız PaperCut yapımlarını karşılaştırarak güvenlik açığı araştırmasına odaklandı. Saatler içinde bu araştırma, incelenen, test edilen ve giderek büyüyen hedef kümelerine karşı çalıştırılan çok iş parçacıklı bir doğrulama aracına dönüştürüldü.
Proje, yapay zekanın tüm sistem mimarisinin etrafında döndüğü bir dayanak noktası olduğu, güvenlik açığı araştırmasını kalıcı bir geri bildirim döngüsü aracılığıyla bir istismar hattına dönüştürdüğü bir yapı olarak tanımlanıyor. Sistemi destekleyen iki önemli açık kaynak araç bulunuyor:
- Hindsight, yapay zeka ajanları için kalıcı bir bellek hizmeti sağlıyor.
- AionUi, birden fazla yapay zeka ajanını eş zamanlı olarak çalıştırmak ve görüntülemek için birleşik bir grafiksel çalışma alanı sunuyor.
Şirket, "Bu kampanyadaki en güçlü yapay zeka etkisi yeni bir istismar tekniği değildi. Yüzlerce gerçek sistemde araştırma, geliştirme, hata ayıklama, sınıflandırma, izleme, yeniden deneme ve sürekli iyileştirme için gereken insan çabasının azaltılmasıydı" değerlendirmesini yaptı. Ayrıca operatörün, yapay zeka destekli araştırma, kodlama, test etme, sorun giderme ve kampanya yürütmenin sürekli olarak birbirini bilgilendirdiği yinelemeli bir geliştirme süreci kullandığı ve bağlamın güvenlik açığı araştırmasından istismar doğrulama, araç geliştirme, hedef genişletme ve nihayetinde operasyonel yürütmeye geçerken korunduğu vurgulandı.
Siber Güvenlik
Siber Güvenlik
Siber Güvenlik
Yorumlar (0)
Yorum yapmak için giriş yapmalısınız.