Pojavljuje se nova vrsta ransomware prijetnje

Ransomware operatori tradicionalno idu za onim što mogu brzo unovčiti: bazama podataka, financijskim evidencijama, datotekama kupaca. No, akter prijetnje poznat kao JADEPUFFER preusmjerio je svoj fokus na nešto specijaliziranije i, na neki način, štetnije: AI modele i podatke za treniranje na koje se tvrtke sve više oslanjaju za vođenje poslovanja.

Prema nedavnim izvješćima, JADEPUFFER je eskalirao s automatizirane iznude baza podataka na namjensko uništavanje AI modela, koristeći prilagođeni ransomware pisan u Go-u nazvan ENCFORGE. Umjesto da jednostavno zaključa datoteke radi otkupnine, ovaj je zlonamjerni softver dizajniran za šifriranje i učinkovito uništavanje treniranih modela i skupova podataka o kojima organizacije ovise za operacije strojnog učenja. Ta je razlika važna. Baza podataka se često može relativno brzo obnoviti iz sigurnosnih kopija. Trenirani AI model, izgrađen na mjesecima ili godinama brižljivo prikupljenih podataka i računalnog ulaganja, puno se teže zamjenjuje.

Zašto je AI infrastruktura nova meta

Ono što ovu kampanju čini značajnom nije samo teret (payload), već i mehanizam isporuke. Dokumentirano je da JADEPUFFER koristi automatizirani pristup upadu vođen agentima, a ovo nije prvi put da je njegov alat izravno pogodio AI infrastrukturu. Povezana kampanja već je iskoristila ranjivost u Langflowu, platformi otvorenog koda koja se koristi za izgradnju i orkestraciju radnih procesa AI agenata, kako bi se učvrstila prije implementacije ransomwarea. Taj raniji incident, detaljno opisan u članku o Encforge ransomwareu koji pogađa AI poslužitelje putem ranjivosti Langflow CVE-2025-3248, pokazuje dosljedan obrazac: napadači aktivno love AI razvojne alate i cjevovode kao ulazne točke, a ne samo usputno.

To je važno svakome čiji podaci dotiču AI sustav, bilo da se radi o tvrtki koja pokreće interne ML cjevovode ili potrošaču čije su osobne informacije korištene za treniranje preporučiteljskog sustava ili chatbota. AI cjevovodi često unose i pohranjuju osjetljive podatke, od zapisnika ponašanja korisnika do vlasničkih poslovnih evidencija, tijekom procesa treniranja i finog podešavanja modela. Kada ransomware cilja taj cjevovod, rizik nije samo da operacije stanu. Postoji opasnost da temeljni podaci, koji potencijalno uključuju osobne ili osjetljive informacije, budu izloženi, eksfiltrirani ili potpuno izgubljeni čak i prije nego što dođe do šifriranja.

Evolucija od generičke iznude baza podataka do ciljanog uništavanja AI modela također signalizira širi trend vrijedan praćenja: napadači tretiraju AI infrastrukturu kao mete visoke vrijednosti i velike poluge pritiska. Podaci za treniranje i modeli predstavljaju značajno ulaganje i često su slabije zaštićeni tradicionalnim procesima sigurnosnog kopiranja i oporavka od konvencionalnih baza podataka, što ih čini privlačnom metom za iznudu.

Što to znači za vas

Ako ste tvrtka ili razvojni programer koji radi s AI alatima, ovaj razvoj događaja signal je da ponovno procijenite kako su ti sustavi osigurani. Platforme poput Langflowa i slični alati za orkestraciju sve su više dio produkcijskih okruženja, a ne samo eksperimentalni pješčanici, te ih je potrebno zakrpati i nadzirati s istom strogošću kao i svaki sustav okrenut korisnicima. Ranjivosti poput CVE-2025-3248 pokazuju da jedna nezakrpana mana u alatu za AI radne procese može postati ulazna točka za punu implementaciju ransomwarea.

Za svakodnevne korisnike i potrošače, pouka je neizravnija, ali još uvijek važna. Kako sve više usluga ovisi o AI modelima treniranim na korisničkim podacima, napad koji uništava ili eksfiltrira te podatke za treniranje mogao bi se odraziti na privatnost i dostupnost usluga koje redovito koristite. To je još jedan podsjetnik da je sigurnost AI sustava iza aplikacija i platformi koje koristimo jednako važna kao i sigurnost samih aplikacija.

Izgradnja obrambenog stava protiv ransomwarea usmjerenog na AI

Organizacije koje vode AI infrastrukturu trebale bi tretirati datoteke modela i skupove podataka za treniranje kao kritične resurse koji zahtijevaju namjenske planove sigurnosnog kopiranja i oporavka, odvojene od općih IT sigurnosnih kopija. Segmentacija mreže između AI razvojnih okruženja i produkcijskih sustava može ograničiti koliko daleko napadač može napredovati nakon početnog kompromitiranja. Redovito zakrpavanje AI platformi za orkestraciju, brzo planiranje odgovora na incidente specifično za ML cjevovode i šifriranje podataka u mirovanju praktični su koraci koji smanjuju izloženost ovakvim kampanjama.

JADEPUFFER-ov prelazak na ENCFORGE ransomware jasan je znak da se napadači prilagođavaju onome gdje sada leži vrijednost: ne samo u korisničkim bazama podataka, već i u AI sustavima izgrađenim na njima. Biti korak ispred tog pomaka znači tretirati sigurnost AI infrastrukture kao temeljni prioritet, a ne kao nešto usputno.

Provedivi zaključci:

  • Pravovremeno zakrpajte AI platforme za orkestraciju i radne procese, posebno poznate ranjivosti poput CVE-2025-3248 u Langflowu.
  • Održavajte odvojene, testirane sigurnosne kopije za trenirane modele i skupove podataka za treniranje, a ne samo za opće baze podataka.
  • Segmentirajte AI razvojna i trening okruženja od produkcijskih mreža kako biste ograničili lateralno kretanje napadača.
  • Izradite plan odgovora na incidente koji posebno uzima u obzir kompromitiranje ML cjevovoda, a ne samo tradicionalne povrede podataka.
  • Šifrirajte osjetljive podatke za treniranje u mirovanju i nadzirite zapise pristupa radi neobičnih aktivnosti oko AI infrastrukture.