Unit 42：AI加速恶意软件开发，405样本仅12个命中端点

资讯专家

Palo Alto Networks旗下Unit 42团队近期分析了405个与AI相关的恶意软件样本，范围涵盖借助LLM编写的勒索软件，到仅借用热门AI应用名称的安装器。研究显示，约97%的样本从未离开沙箱、研究仓库或内部测试环境，最终只有12个样本出现在真实终端上。

未进入真实环境的样本大致可分为三类：一是概念验证代码，通常只针对本地或私有网络，内部留有大量调试输出，多为研究机构或大学上传；二是安全团队为验证自身防御能力而反复上传已知AI恶意软件，特征是在短时间内从同一来源多次提交同一文件；三是纯粹以AI品牌为诱饵，将普通载荷伪装成知名AI产品的安装器，背后并不存在实际AI功能。

真正抵达真实终端的12个样本分属5个恶意软件家族，分布在三个国家，未出现针对特定行业或地区的集中趋势。最常见的家族是FunkSec勒索软件，已有多个研究人员认为其编写过程借助了LLM。样本内嵌的项目文件名显示，开发者曾为同一勒索软件更换多个名称，Unit 42认为这种节奏更符合提示词驱动的生成模式，而非传统开发流程。

传播范围最广的样本是一个伪装成菜谱应用Recipe Lister的安装器，携带数字签名，安装后静默启动后门。该文件出现在超过50家组织中，产生约6500条终端记录和约9600条安全告警。其签名初看正常，但签名者身份异常且文件内容加壳严重，最终被识别。另有Oyster后门伪装成Dropbox安装器，签名中的发布者为Dropbox；一个Windows可执行程序投放了Rhadamanthys信息窃取器，并带有活跃的命令与控制（C2）通信；还有一个样本伪装成奇虎360 Total Security的组件，使用COM劫持实现持久化，因伴随AI品牌诱饵一同传播而被纳入数据集。

Unit 42强调，现有防御体系通过沙箱引爆、行为检测、数字签名异常分析和文件加壳/加密程度测量等常规手段即可捕获所有样本，无需针对AI相关恶意软件引入新的检测方法。报告认为，AI当前在恶意软件领域的主要作用，是帮助攻击者更快地构建和变种工具，而不是让这些工具更难被发现。