新たなランサムウェアの脅威が出現

ランサムウェアのオペレーターはこれまで、すぐに収益化できるものを標的にしてきました。データベース、財務記録、顧客ファイルなどです。しかし、JADEPUFFERとして追跡されている脅威アクターは、より専門的で、ある意味ではるかに大きな打撃を与えるものへと標的を変えました。それは、企業が事業運営のためにますます依存するようになっているAIモデルとトレーニングデータです。

最近の報告によると、JADEPUFFERは自動化されたデータベース恐喝から、専用に作られたAIモデル破壊へとエスカレートし、Go言語ベースのENCFORGEと呼ばれるカスタムランサムウェアを展開しています。このマルウェアは、単に身代金目的でファイルをロックするのではなく、組織が機械学習の運用に依存するトレーニング済みモデルとデータセットを暗号化し、事実上破壊するように設計されています。この違いは重要です。データベースは通常、バックアップから比較的迅速に復元できます。しかし、何カ月も何年もかけて厳選されたデータと計算リソースへの投資によって構築されたトレーニング済みAIモデルは、はるかに代替が困難です。

AIインフラが新たな標的となる理由

このキャンペーンが注目に値するのは、ペイロードだけでなく、その配信メカニズムにあります。JADEPUFFERは、自動化されたエージェント主導型の侵入アプローチを使用していることが記録されており、そのツールがAIインフラを直接標的にしたのは今回が初めてではありません。関連するキャンペーンでは、AIエージェントのワークフローを構築・調整するために使用されるオープンソースプラットフォーム「Langflow」の脆弱性を悪用し、ランサムウェアを展開する前に足場を確保していました。その初期のインシデントは、LangflowのCVE-2025-3248脆弱性を介してAIサーバーを攻撃するEncforgeランサムウェアの報道で詳述されており、一貫したパターンを示しています。攻撃者は、AI開発ツールやパイプラインを単なる後付けの標的としてではなく、侵入口として積極的に狙っているのです。

これは、データがAIシステムに触れるすべての人にとって重要です。社内のMLパイプラインを運用する企業であれ、レコメンデーションエンジンやチャットボットのトレーニングに個人情報が使用された消費者であれ、AIパイプラインはモデルのトレーニングやファインチューニングの過程で、ユーザーの行動ログから専有のビジネス記録に至るまで、機密データを取り込み、保存することがよくあります。ランサムウェアがそのパイプラインを標的にした場合、リスクは業務が停止することだけではありません。暗号化が行われる前に、個人情報や機密情報を含む可能性のある基盤データが露出したり、流出したり、完全に失われたりする恐れがあるのです。

一般的なデータベース恐喝から、標的を絞ったAIモデル破壊への進化は、注目すべきより広範なトレンドをも示しています。攻撃者は、AIインフラを高価値かつ高い影響力を持つ標的と見なしているのです。トレーニングデータとモデルは多大な投資を表しており、多くの場合、従来のデータベースよりも従来のバックアップやリカバリプロセスによる保護が手薄なため、恐喝の魅力的な標的となります。

これがあなたにとって意味すること

AIツールを扱う企業や開発者であれば、この動向はそれらのシステムのセキュリティを再評価するシグナルです。Langflowや同様のオーケストレーションツールは、単なる実験用のサンドボックスではなく、ますます本番環境の一部となっており、顧客向けシステムと同様の厳格さでパッチ適用と監視を行う必要があります。CVE-2025-3248のような脆弱性は、AIワークフローツールの単一の未修正の欠陥が、本格的なランサムウェア展開の侵入口になり得ることを示しています。

一般のユーザーや消費者にとっての教訓は、より間接的ですがそれでも重要です。ユーザーデータでトレーニングされたAIモデルに依存するサービスが増えるにつれ、そのトレーニングデータを破壊または流出させる攻撃は波及効果をもたらし、普段利用しているサービスのプライバシーや可用性に影響を与える可能性があります。これは、私たちが使用するアプリやプラットフォームの背後にあるAIシステムのセキュリティが、アプリ自体のセキュリティと同様に重要であることを再認識させるものです。

AI標的ランサムウェアに対する防御態勢の構築

AIインフラを運用する組織は、モデルファイルとトレーニングデータセットを重要な資産として扱い、一般的なITバックアップとは別に専用のバックアップとリカバリ計画を策定する必要があります。AI開発環境と本番システム間のネットワークセグメンテーションは、初期侵入後の攻撃者の水平移動を制限できます。AIオーケストレーションプラットフォームの定期的なパッチ適用、MLパイプラインに特化した迅速なインシデント対応計画の策定、保存データの暗号化は、いずれもこのようなキャンペーンへの露出を減らす実践的なステップです。

JADEPUFFERがENCFORGEランサムウェアへと軸足を移していることは、攻撃者が現在の価値の所在、すなわち顧客データベースだけでなく、その上に構築されたAIシステムに適応している明確な兆候です。この変化の先を行くには、AIインフラのセキュリティを後付けではなく、中核的な優先事項として扱う必要があります。

実行可能な要点:

  • AIオーケストレーションおよびワークフロープラットフォームに速やかにパッチを適用すること。特にLangflowのCVE-2025-3248のような既知の欠陥は早急に対応する。
  • トレーニング済みモデルとトレーニングデータセットのために、一般的なデータベースとは別に、テスト済みのバックアップを維持する。
  • AI開発環境とトレーニング環境を本番ネットワークからセグメント化し、水平移動を制限する。
  • 従来のデータ侵害だけでなく、MLパイプラインの侵害に特化したインシデント対応計画を策定する。
  • 機密性の高いトレーニングデータを保存時に暗号化し、AIインフラ周辺の不審なアクティビティについてアクセスログを監視する。