APT-группу ChamelGang интересуют секреты энергетики и авиапрома России

APT-группу ChamelGang интересуют секреты энергетики и авиапрома России

APT-группу ChamelGang интересуют секреты энергетики и авиапрома России

По данным Positive Technologies, отличительной чертой новой APT-группы является проведение атак типа trusted relationship — через взлом инфраструктуры организаций, состоящих в доверительных отношениях с намеченной жертвой. Злоумышленники также широко используют поддельные сайты и SSL-сертификаты известных ИТ-компаний.

Атаки на цепочку доверия, как пояснили эксперты, отличаются от supply chain (атак на цепочку поставок) тем, что позволяют обходиться без заражения. Чтобы получить доступ к ресурсам целевой организации, участники объявившейся полгода назад группировки (в PT ее именуют ChamelGang) взламывают системы другой компании — партнера или дочки — и используют права сотрудников на прямую связь с мишенью.

Хакерская активность ОПГ нацелена на кражу информации из скомпрометированных сетей. Совокупно исследователи выявили 15 пострадавших организаций в 10 странах, включая Россию и США. В нашей стране круг интересов ChamelGang пока ограничен отраслями экономики, объединенными в топливно-энергетический комплекс, и авиационной промышленностью.

Почти на всех взломанных узлах установлено программное обеспечение Microsoft Exchange Server — по всей видимости, хакеры воспользовались уязвимостями ProxyLogon или ProxyShell. Зафиксирован также случай проникновения в сеть через дыру CVE-2017-12149 в сервере приложений JBoss.

Боевой арсенал ChamelGang включает уникальные разработки: приложение для проверки удаленной связи ProxyT, работающий в памяти загрузчик BeaconLoader, пассивный бэкдор DoorMe. Остальные инструменты новой APT-группы хорошо известны, в том числе Cobalt Strike Beacon, прокси-сервер FRP и утилита Tiny SHell.

«Среди обнаруженных нами образцов ВПО самый интересный — бэкдор DoorMe, — комментирует Денис Гойденко, руководитель отдела PT по реагированию на ИБ-угрозы. — По сути, он является нативным модулем IIS, который регистрируется как фильтр, через который проходит обработка HTTP-запросов и ответов. Его принцип работы нераспространенный: бэкдор обрабатывает только те запросы, в которых задан верный параметр cookie.  На момент расследования инцидента DoorMe не детектировался средствами антивирусной защиты, и хотя техника установки этого бэкдора известна, за последнее время мы впервые видим ее использование».

В Security Vision SOAR появились ИИ-ассистент и ML-отчёты

Security Vision выпустила обновление платформы SOAR, добавив в неё несколько заметных функций — локальный ИИ-ассистент, ML-скоринг инцидентов и автоматические ML-отчёты по итогам расследований. Обновление ориентировано на повседневную работу SOC и обработку инцидентов без выхода за контур заказчика.

Security Vision SOAR используется для управления и автоматизации реагирования на инциденты информационной безопасности на всех этапах их жизненного цикла — от выявления и анализа до восстановления и постинцидентной работы.

В основе платформы лежит объектно-ориентированный подход: каждый элемент инцидента — будь то хост, учётная запись, процесс или артефакт — рассматривается как отдельный объект со своей историей, связями и возможными действиями.

Сценарии реагирования в системе динамические: плейбуки автоматически подстраиваются под развитие инцидента, появление новых данных и техник атак. Дополнительно платформа выстраивает цепочку Kill Chain, показывая, как развивалась атака и какие шаги предпринимал злоумышленник.

Система также предлагает рекомендации по дальнейшим действиям, опираясь на контекст инцидента, накопленный опыт SOC и ML-модели, включая оценку вероятности ложного срабатывания.

 

В новом релизе появился локальный ИИ-ассистент в формате чат-бота. Он работает полностью внутри инфраструктуры заказчика и не обращается к внешним сервисам. Ассистент учитывает контекст конкретного инцидента — его стадию, связанные объекты, историю действий и похожие кейсы — и помогает аналитикам разбираться в событиях, расшифровывать логи, понимать техники атак или формировать команды для диагностики. Модель может дообучаться прямо в SOC на результатах обработки инцидентов и аналитических бюллетенях, при этом все данные остаются внутри контура.

Ещё одно нововведение — ML-скоринг критичности инцидентов. Модель автоматически оценивает приоритет события на основе его масштаба и значимости затронутых активов, что упрощает триаж и помогает быстрее понять, какие инциденты требуют внимания в первую очередь.

Также в платформе появился ML-summary — автоматическое резюме по итогам расследования. При закрытии инцидента система формирует краткий отчёт в едином формате: что произошло, какие действия были выполнены, к какому результату они привели и удалось ли атакующему чего-то добиться. Такое резюме сохраняется в карточке инцидента и отчётности, упрощая передачу дел между сменами и снижая потерю контекста.

В целом обновление направлено на то, чтобы упростить и ускорить рутинную работу SOC: быстрее разбираться в инцидентах, снижать нагрузку на аналитиков и сохранять знания внутри команды без необходимости вручную оформлять каждый шаг расследования.

RSS: Новости на портале Anti-Malware.ru