Виникає новий вид загрози від програм-вимагачів

Оператори програм-вимагачів традиційно полюють на те, що можна швидко монетизувати: бази даних, фінансові записи, файли клієнтів. Але зловмисник, відомий як JADEPUFFER, зосередився на чомусь більш спеціалізованому і, у певному сенсі, більш руйнівному: моделях штучного інтелекту та навчальних даних, від яких компанії дедалі більше залежать у своїй діяльності.

Згідно з останніми звітами, JADEPUFFER перейшов від автоматизованого вимагання баз даних до цілеспрямованого знищення моделей ШІ, розгортаючи власний шифрувальник на Go під назвою ENCFORGE. Замість того, щоб просто блокувати файли заради викупу, це шкідливе ПЗ створене для шифрування та фактичного знищення навчених моделей і наборів даних, на які організації покладаються в операціях машинного навчання. Ця відмінність має значення. Базу даних часто можна відновити з резервних копій відносно швидко. Навчену модель ШІ, створену за місяці чи роки ретельно підібраних даних та обчислювальних інвестицій, замінити набагато складніше.

Чому інфраструктура ШІ стала новою ціллю

Цю кампанію вирізняє не лише корисне навантаження, а й спосіб доставки. Задокументовано, що JADEPUFFER використовує автоматизований, агентно-орієнтований підхід до вторгнення, і це не перший випадок, коли його інструментарій безпосередньо вражає інфраструктуру ШІ. Пов’язана кампанія вже експлуатувала вразливість у Langflow, платформі з відкритим кодом для створення й оркестрування робочих процесів агентів ШІ, щоб закріпитися перед розгортанням програми-вимагача. Той попередній інцидент, описаний у матеріалі про шифрувальник Encforge, що атакує сервери ШІ через вразливість CVE-2025-3248 у Langflow, демонструє стійку схему: зловмисники активно шукають інструменти й конвеєри для розробки ШІ як точки входу, а не просто як другорядні цілі.

Це важливо для всіх, чиї дані потрапляють до системи ШІ, незалежно від того, чи це компанія, що запускає внутрішні ML-конвеєри, чи споживач, персональні дані якого використовувалися для навчання рекомендаційного двигуна або чат-бота. У процесі навчання та тонкого налаштування моделей конвеєри ШІ часто поглинають і зберігають конфіденційні дані — від журналів поведінки користувачів до власних бізнес-записів. Коли шифрувальник націлюється на цей конвеєр, ризик полягає не лише в зупинці операційної діяльності. Існує загроза, що базові дані, включно з персональними або конфіденційними відомостями, можуть бути розкриті, викрадені або повністю втрачені ще до самого шифрування.

Еволюція від загального вимагання баз даних до цілеспрямованого знищення моделей ШІ також сигналізує про ширшу тенденцію, за якою варто стежити: зловмисники розглядають інфраструктуру ШІ як ціль із високою цінністю та великим важелем впливу. Навчальні дані та моделі є значними інвестиціями і часто менш захищені традиційними процесами резервного копіювання та відновлення, ніж звичайні бази даних, що робить їх привабливим об’єктом для вимагання.

Що це означає для вас

Якщо ви бізнес або розробник, який працює з інструментами ШІ, ця подія є сигналом переоцінити, як ці системи захищені. Такі платформи, як Langflow, та подібні інструменти оркестрування дедалі частіше стають частиною промислових середовищ, а не лише експериментальними пісочницями, і потребують такого ж суворого патчингу та моніторингу, як і будь-яка клієнтоорієнтована система. Вразливості на кшталт CVE-2025-3248 показують, що одна непропатчена вада в інструменті робочого процесу ШІ може стати точкою входу для повноцінного розгортання програми-вимагача.

Для звичайних користувачів і споживачів висновок більш опосередкований, але не менш важливий. Оскільки дедалі більше сервісів покладаються на моделі ШІ, навчені на користувацьких даних, атака, яка знищує або викрадає ці навчальні дані, може мати ширші наслідки, впливаючи на конфіденційність і доступність сервісів, якими ви регулярно користуєтеся. Це чергове нагадування, що безпека систем ШІ, які стоять за застосунками та платформами, важлива так само, як і безпека самих застосунків.

Побудова захисної позиції проти програм-вимагачів, націлених на ШІ

Організації, які використовують інфраструктуру ШІ, повинні ставитися до файлів моделей і навчальних наборів даних як до критичних активів, що потребують окремих планів резервного копіювання та відновлення, відокремлених від загальних ІТ-резервних копій. Мережева сегментація між середовищем розробки ШІ та промисловими системами може обмежити, наскільки далеко зможе просунутися зловмисник після початкового компрометації. Регулярне оновлення платформ оркестрування ШІ, завчасне планування реагування на інциденти, специфічне для ML-конвеєрів, та шифрування даних у стані спокою — це практичні кроки, які зменшують схильність до подібних кампаній.

Перехід JADEPUFFER до шифрувальника ENCFORGE є чітким знаком того, що зловмисники адаптуються до того, де зараз зосереджена цінність: не лише в базах даних клієнтів, але й у системах ШІ, побудованих на їхній основі. Випередження цього зсуву означає ставлення до безпеки інфраструктури ШІ як до ключового пріоритету, а не як до другорядної думки.

Практичні висновки:

  • Вчасно оновлюйте платформи оркестрування та робочих процесів ШІ, особливо з урахуванням відомих вразливостей, таких як CVE-2025-3248 у Langflow.
  • Підтримуйте окремі, перевірені резервні копії для навчених моделей і навчальних наборів даних, а не лише для загальних баз даних.
  • Сегментуйте середовища розробки та навчання ШІ від промислових мереж, щоб обмежити горизонтальне переміщення.
  • Створіть план реагування на інциденти, який спеціально враховує компрометацію ML-конвеєра, а не лише традиційні витоки даних.
  • Шифруйте конфіденційні навчальні дані у стані спокою та відстежуйте журнали доступу на предмет незвичної активності навколо інфраструктури ШІ.