Идентифицирана е рязка структурна промяна в пейзажа на ботнет мрежите. Изследователи по сигурността от XLab откриха NadMesh – ботнет, базиран на Go, който се разпространява бързо от началото на юли 2026 г.

Този зловреден софтуер бележи ясна еволюция от опортюнистично поведение на компютърен червей към индустриална платформа за атаки, ориентирана към възвръщаемост на инвестициите (ROI), насочена директно към инфраструктурата за изкуствен интелект (AI) и протокола за контекст на модели (Model Context Protocol - MCP).

За разлика от традиционните червеи, които се разпространяват безразборно, NadMesh комбинира автономно сканиране, над 20 уникални вектора за експлоатация и събиране на разузнавателни данни с помощта на Shodan в единна затворена система, която неговият оператор нарича „n4d mesh controller“.

NadMesh използва Shodan за откриване и компрометиране на уязвим AI

Най-отличителната черта на NadMesh е специализиран разузнавателен модул, наречен ai_harvest.py. Този скрипт програмно извлича заявки от Shodan API за открити AI и автоматизирани услуги, като конкретно профилира приложения като ComfyUI, Ollama, n8n, Open WebUI, Langflow и Gradio.

След като уязвимите услуги бъдат картографирани, зловредният софтуер автоматично инжектира откритите IP адреси в опашката си за сканиране с най-висок приоритет.

Тази методология отразява по-широка тенденция на заплахи, която вече се наблюдава в облачните среди, където автоматизираните скенери проверяват облачните IP диапазони за неавтентифицирани инстанции, уязвими към отдалечено изпълнение на код.

Чрез изнасяне на първоначалните разузнавателни задачи към Shodan, вместо да разчитат единствено на бавно и ресурсоемко сканиране на интернет, операторите на NadMesh могат незабавно да се насочат към активни AI имплементации, вместо да хабят трафик за неактивни адресни пространства.

Киберпрестъпниците непрекъснато оптимизират тези работни процеси за сканиране на инфраструктурата, което напомня за многоетапни операции като кампанията EncryptHub, които систематично се насочват към вътрешни корпоративни мрежи.

Изчерпателни подробности относно фунелите за конверсия, моделите на компилация на двоични файлове и активните огнища на инфекция могат да бъдат прегледани в пълния доклад за анализ на ботнета NadMesh.

Работата на ботнета преминава през пет тясно координирани етапа: събиране на разузнавателна информация, централизиран контрол, автономно подаване на задачи, изграждане на полиморфни двоични файлове и активно доставяне. Централният контролер слуша на портове 80 и 8443, като използва HMAC-автентифицирани сигнали (beacons) за управление на флотилията си от компрометирани ботове.

Той също така разполага с усъвършенстван уеб панел за управление, оборудван с анализи на фунела за конверсия, автоматизирани „канарски“ актуализации и оперативна видимост в реално време – функции, които са много по-типични за търговски софтуер за предприятия, отколкото за традиционен зловреден код.

След като крайна точка бъде инфектирана, бот агентите изграждат дублиращи се слоеве за устойчивост, използвайки SSH задни врати с оторизирани ключове, множество скрити копия на двоичния файл и watchdog процеси, базирани на cron, за да гарантират, че премахването на единичен компонент няма да изчисти инфекцията.

Зловредният софтуер активно сканира 30 отделни порта, обхващащи корпоративни уеб услуги, Kubernetes клъстери, системи за управление на бази данни, API за контейнери и вътрешни инструменти за мониторинг. Портовете на AI услугите получават строг приоритет при тези сканирания, по-конкретно:

Неговият арсенал от експлоатиране обхваща над 20 вектора, насочени към MCP JSON-RPC повиквания на инструменти, създаване на злонамерени Kubernetes подове, бягство от Docker API контейнери, неавтентифицирани Redis инстанции, отдалечено изпълнение на код (RCE) в Elasticsearch, компоненти на Jenkins Script Console и стари уязвимости като десериализация в WebLogic.

Освен установяването на първоначален достъп, компрометираните хостове се проучват щателно за ценни архитектурни данни.

Зловредният софтуер активно извлича ключове за достъп до AWS, идентификационни данни за Amazon Bedrock, Kubernetes ServiceAccount токени с права на cluster-admin, локални конфигурации на Docker и пълни списъци с локално хоствани AI модели (включително Llama2, Mistral и активни токени за GPT-4 API). Той също така събира конфигурации за достъп за уязвими вътрешни MCP инструменти като execute_sql и execute_shell.

Всички възстановени данни се изпращат обратно към централно табло, което проследява общия брой сертификати, активните MCP уязвимости и Docker хостовете, позволяващи бягство от контейнера – разузнавателна информация за заплахите, която се оказва много по-доходоносна за оператора от самите компрометирани изчислителни ресурси.

За да избегне механизмите за откриване, базирани на сигнатури, NadMesh прилага Garble обфускация и UPX компресия, гарантирайки, че всеки динамично внедрен двоичен файл носи напълно уникален криптографски хеш.

Освен това, той разполага с автоматизиран механизъм за избягване на примамки (honeypots), който поставя в черен списък всеки IP адрес, който не успее да даде успешни резултати от инфектирането след десет последователни опита за внедряване.

Администраторите, работещи с активни конвейери за машинно обучение, трябва непрекъснато да внедряват съвременни инструменти за симулация на кибератаки, за да оценят излагането на своите модели на тези автоматизирани архитектурни промени.

Индикатори за компрометиране (IOCs)

  • IP възел за командване и управление (C2): 209.99.186.235
  • C2 CDN домейн за доставка на съдържание: cdnorigin.net