Агентные LLM в кибероперации против госструктур: разбор кампании Hunt.io
Hunt.io раскрывает, как китайские хакеры использовали Claude Code и DeepSeek в агентных LLM для фишинга, SQL‑инъекций и эксплуатации TencShell‑инфраструктуры против правительственных систем.
Что случилось
В конце 2025 года исследовательская платформа Hunt.io опубликовала подробный отчёт о масштабной кибероперации, направленной на правительственные структуры в нескольких странах. По их данным, атакующие использовали агентные большие языковые модели (LLM) – в частности Claude Code от Anthropic и DeepSeek – для автоматизации фишинга, поиска уязвимостей и написания эксплойтов.
Подтверждённые факты
- TencShell‑инфраструктура – собственный набор скриптов и контейнеров, разработанный в Китае, использовалась как «операционная система» для управления агентами.
- SQL‑инъекции в публичные порталы государственных органов позволили получить доступ к внутренним базам данных.
- Фишинговые кампании: более 12 000 целей получили поддельные письма, сгенерированные LLM, содержащие ссылки на вредоносные загрузки.
- Claude Code и DeepSeek применялись для генерации кода‑payload’ов в реальном времени, адаптируя их под конкретные уязвимости.
Атрибуционные гипотезы
Hunt.io связывает кампанию с государственными киберподразделениями Китая, однако прямых доказательств пока нет. Аналитики отмечают, что использование китайских облачных сервисов и характерные языковые шаблоны усиливают вероятность такой атрибуции.
Как проходил атаку
- Сбор разведданных – LLM сканировали открытые источники (OSINT) и генерировали списки потенциальных целей.
- Фишинг – автоматическое написание писем, подгонка под стиль получателя.
- Эксплуатация – после перехода по ссылке LLM генерировал скрипты для SQL‑инъекции и загрузки бекдоров.
- Командный‑и‑контроль – TencShell‑контейнеры обеспечивали связь между заражёнными системами и центральным сервером.
Рекомендации по защите
- Внедрить многофакторную аутентификацию и ограничить привилегии сервисных аккаунтов.
- Регулярно проводить пентесты на наличие SQL‑инъекций и использовать WAF.
- Обучать сотрудников распознавать LLM‑сгенерированные фишинговые письма.
- Мониторить аномальную активность в облачных средах, особенно связанной с TencShell.
Источники
Для разработчиков AI это сигнал, что агентные LLM уже становятся инструментом киберпреступников. При создании и развертывании таких моделей необходимо внедрять строгие политики доступа, аудит запросов и механизмы детекции злоупотреблений. Студентам стоит изучать не только возможности генерации кода, но и способы защиты от его злоупотребления.
