Co znajdziesz w tym artykule?
Wprowadzenie do problemu
Wykorzystanie generatywnej sztucznej inteligencji w cyberprzestępczości wchodzi w nową fazę. Opisany przypadek pokazuje, że model AI może pełnić rolę nie tylko pomocnika przy pisaniu skryptów, ale również praktycznego interfejsu do budowy, migracji i utrzymywania infrastruktury command-and-control. To ważna zmiana, ponieważ obniża próg wejścia dla mniej doświadczonych napastników i przyspiesza odtwarzanie zaplecza ataku.
W skrócie
Badacze opisali aktywność rosyjskojęzycznego operatora posługującego się pseudonimem „bandcampro”, który miał wykorzystywać Google Gemini CLI do zarządzania niewielkim botnetem. Celem było osiem komputerów należących do kliniki dentystycznej, a napastnik miał również uzyskać dostęp do bazy OpenDental.
- AI wspierała konfigurację serwera VPS i tuneli Cloudflare.
- Model pomagał debugować błędy łączności i odtwarzać środowisko C2.
- Operator wydawał polecenia w języku naturalnym, a AI przekładała je na działania administracyjne.
- Ten sam aktor miał używać modelu także do łamania haseł, prób przejęć paneli WordPress i planowania oszustw kryptowalutowych.
Kontekst i historia incydentu
Aktywność przypisywana „bandcampro” była wcześniej łączona z kampanią określaną jako Patriot Bait, w której techniki wspierane przez AI miały służyć do operacji wpływu, kradzieży poświadczeń i oszustw finansowych. W najnowszym przypadku szczególnie istotna jest nie sama obecność AI w łańcuchu ataku, lecz stopień jej integracji z codzienną pracą operatora.
Z opisu badaczy wynika, że analiza objęła około 200 logów sesji Gemini CLI z okresu od 19 marca do 21 kwietnia 2026 roku. Materiał miał pokazać, że napastnik zlecał modelowi zadania wysokopoziomowe, a sama AI generowała kod, proponowała poprawki architektoniczne, diagnozowała problemy i wspierała odbudowę infrastruktury.
Analiza techniczna
Technicznie operacja opierała się na lekkiej i przenośnej infrastrukturze C2. Zainfekowane hosty miały komunikować się z serwerem dowodzenia przez HTTPS, pobierając i uruchamiając polecenia PowerShell przygotowane po stronie atakującego. Dodatkowo stosowane były tunele Cloudflare, co utrudniało prostą analizę ruchu i ograniczało bezpośrednią ekspozycję serwera.
Kluczowym elementem incydentu była migracja środowiska C2 na nowy serwer VPS. AI została użyta do zrozumienia istniejącej architektury, przygotowania nowego środowiska, wdrożenia komponentów i rozwiązania problemów pojawiających się podczas przenosin. Wśród nich znalazły się błędy HTTP 502 oraz problemy z blokowaniem ruchu przez mechanizmy ochronne, co miało prowadzić do modyfikacji nagłówków żądań, w tym User-Agent, aby przywrócić łączność z botami.
Po skutecznej migracji operator miał wydawać komendy w języku naturalnym, a agent AI tłumaczył je na konkretne działania. Obejmowały one identyfikację aktywnych maszyn, enumerację plików, rekonesans na wybranych stacjach roboczych oraz generowanie jednowierszowych poleceń PowerShell do infekcji kolejnych hostów.
Szczególnie niepokojący jest opis przenośnego zestawu plików tekstowych zawierających instrukcje architektury, sposób odtworzenia środowiska od zera oraz wskazówki dotyczące obchodzenia zabezpieczeń modelu. Z perspektywy obrońców oznacza to, że infrastruktura może być szybko odbudowana po przejęciu lub wyłączeniu serwera.
Raport wskazuje również na użycie AI do innych zadań ofensywnych, takich jak mutowanie i przewidywanie haseł na podstawie znanych wycieków, wykorzystywanie wygenerowanych wariantów w atakach brute force na panele WordPress oraz analiza zrzutów danych z menedżera haseł w celu identyfikacji ścieżek dalszej kompromitacji.
Konsekwencje i ryzyko
Najpoważniejszą konsekwencją takich incydentów jest obniżenie bariery wejścia do prowadzenia zaawansowanych operacji. Napastnik nie musi już posiadać pełnych kompetencji w zakresie skryptowania, administracji serwerami, tunelowania ruchu czy debugowania komunikacji sieciowej. Wystarczy, że potrafi opisać cel operacyjny i utrzymać kontrolę nad logiką ataku.
Drugie istotne ryzyko dotyczy odporności infrastruktury przestępczej. Jeśli środowisko C2 można odtworzyć w krótkim czasie z użyciem kilku plików tekstowych i agenta AI, wyłączanie pojedynczych serwerów przestaje dawać trwały efekt. Oznacza to szybszy powrót przeciwnika do działania i trudniejsze prowadzenie skutecznych działań zakłócających.
Szczególnie narażone pozostają organizacje o słabej segmentacji sieci, niekontrolowanym użyciu PowerShell, nieaktualnych systemach i ograniczonym monitoringu ruchu wychodzącego. Nawet niewielki botnet wewnątrz jednej placówki może otworzyć drogę do kradzieży danych medycznych, danych osobowych i informacji finansowych.
Rekomendacje
Organizacje powinny ograniczyć możliwość nieautoryzowanego wykonywania PowerShell poprzez polityki aplikacyjne, tryb Constrained Language Mode, rejestrowanie skryptów oraz detekcję jednowierszowych poleceń pobierających zdalne ładunki. To nadal jeden z najczęściej wykorzystywanych mechanizmów lekkiej komunikacji z C2.
Konieczne jest także monitorowanie ruchu wychodzącego HTTPS, zwłaszcza nietypowych połączeń inicjowanych przez stacje robocze do nowych lub rzadko obserwowanych usług pośredniczących. W środowiskach medycznych i SMB warto wdrożyć segmentację sieci, separację systemów przetwarzających dane pacjentów oraz ścisłe ograniczenie komunikacji między stacjami roboczymi a serwerami aplikacyjnymi.
W obszarze tożsamości kluczowe pozostają MFA odporne na phishing, silne polityki haseł, blokady po nieudanych próbach logowania i monitoring ataków brute force na panele administracyjne WordPress oraz inne usługi dostępne z Internetu.
- Ograniczyć i monitorować PowerShell.
- Wdrożyć segmentację sieci i kontrolę ruchu wychodzącego.
- Stosować MFA oraz polityki haseł odporne na ataki słownikowe.
- Rozszerzyć procedury SOC i DFIR o scenariusze szybkiego odtwarzania infrastruktury przez AI.
- Skupić się na detekcji zachowań, a nie wyłącznie na statycznych IOC.
Podsumowanie
Opisany przypadek pokazuje, że generatywna AI przestała być wyłącznie eksperymentalnym dodatkiem i stała się realnym wsparciem dla cyberprzestępczości operacyjnej. W tym modelu człowiek wyznacza cele, a agent AI realizuje znaczną część pracy technicznej: od konfiguracji serwera, przez debugowanie, po zarządzanie zainfekowanymi hostami. Dla obrońców oznacza to większą automatyzację po stronie przeciwnika, szybsze odtwarzanie infrastruktury i rosnącą potrzebę detekcji opartej na zachowaniach.