SANSAR: linuxowy malware do cryptojackingu ukrywa użycie GPU przez zmodyfikowaną bibliotekę NVIDIA - Security Bez Tabu

SANSAR: linuxowy malware do cryptojackingu ukrywa użycie GPU przez zmodyfikowaną bibliotekę NVIDIA

Cybersecurity news

Wprowadzenie do problemu / definicja

SANSAR to zestaw narzędzi wykorzystywany w kampanii cryptojackingu wymierzonej w systemy Linux wyposażone w akceleratory GPU. Operacja wyróżnia się nie tylko użyciem klasycznych komponentów do wydobywania kryptowalut, ale również zaawansowanymi technikami ukrywania aktywności, w tym modyfikacją biblioteki odpowiedzialnej za telemetrię kart NVIDIA oraz wdrożeniem rootkita jądra.

To istotna zmiana jakościowa w krajobrazie zagrożeń. Atakujący nie ograniczają się już do uruchomienia koparki i utrzymania dostępu, lecz aktywnie manipulują danymi monitorującymi, aby utrudnić administratorom i zespołom SOC szybkie wykrycie nadużycia zasobów.

W skrócie

  • Atak rozpoczynał się od przejęcia hostów Linux przez publicznie dostępny i niezabezpieczony komponent Ray job agent.
  • Po uzyskaniu dostępu napastnicy instalowali zestaw SANSAR do zarządzania koparkami CPU i GPU.
  • Kluczowym elementem unikania detekcji była podmieniona biblioteka NVML, która fałszowała wskaźniki użycia GPU.
  • Dodatkowo wdrażano rootkita jądra ukrywającego procesy, pliki i połączenia sieciowe.
  • Kampania pokazuje, że środowiska AI, HPC i serwery GPU stają się coraz atrakcyjniejszym celem dla operatorów cryptojackingu.

Kontekst / historia

Opisana aktywność została powiązana z klastrem działań śledzonym jako REF3364. Badacze zaobserwowali incydent pod koniec października 2026 roku na hostach Linux wykorzystywanych do pracy z GPU. Według ustaleń wektorem wejścia był niezabezpieczony Ray job agent, który umożliwiał zdalne uruchamianie zadań bez wymaganego uwierzytelnienia.

Sekwencja działań wskazuje na dobrze uporządkowany scenariusz kompromitacji środowiska obliczeniowego. Najpierw napastnicy rozpoznawali dostępny sprzęt przy użyciu narzędzi administracyjnych GPU, następnie uruchamiali reverse shell w Pythonie, a później dopisywali własny klucz SSH do pliku authorized_keys w celu utrzymania dostępu. Po uzyskaniu uprawnień roota wdrażali kolejne komponenty malware odpowiedzialne za ukrywanie obecności i zarządzanie wydobyciem kryptowalut.

Analiza techniczna

SANSAR został opisany jako orkiestrator napisany w języku Rust. Jego zadaniem było odbieranie poleceń przez sieć Tor, zbieranie informacji o hoście i akceleratorach GPU oraz uruchamianie odpowiedniego minera zależnie od wybranego trybu działania. W kampanii wykorzystywano również znane publicznie narzędzia do kopania, w tym XMRig dla CPU oraz SRBMiner-MULTI dla GPU.

Najbardziej charakterystycznym elementem operacji była modyfikacja biblioteki NVIDIA Management Library. Zmieniony wrapper przechwytywał wywołania używane przez narzędzia monitorujące, takie jak nvidia-smi, i zwracał sfałszowane dane telemetryczne. W praktyce oznaczało to ukrywanie rzeczywistego obciążenia GPU przez raportowanie zerowego wykorzystania zasobów, a także podstawianie losowych wartości temperatury i poboru mocy.

To szczególnie niebezpieczne w środowiskach, gdzie monitoring wydajności GPU jest podstawowym źródłem wykrywania nieautoryzowanych obciążeń. Jeśli administrator opiera ocenę stanu hosta głównie na standardowej telemetrii, może błędnie uznać system za nieobciążony, mimo że karta aktywnie wykonuje zadania związane z cryptojackingiem.

Drugim filarem ukrywania aktywności był rootkit jądra acpi_thermal_mgr.ko. Moduł wykorzystywał mechanizmy ftrace do przechwytywania wybranych operacji systemowych i ukrywania procesów, katalogów oraz wpisów dotyczących połączeń sieciowych. Taka technika znacząco utrudnia analizę incydentu na zainfekowanym hoście, ponieważ standardowe narzędzia administracyjne nie pokazują pełnego obrazu aktywności.

Wdrożono także osobny backdoor o nazwie netns. Komponent ten miał działać jako usługa systemd i pobierać adres serwera sterującego z kontraktu smart contract w sieci Ethereum. Dopiero po ustaleniu tego adresu inicjował połączenie TCP i przygotowywał kanał umożliwiający wykonanie reverse shell, co zwiększało odporność infrastruktury C2 na proste blokowanie oparte na statycznych wskaźnikach.

Badacze wskazali również na funkcje antyanalityczne. SANSAR sprawdzał parametr TracerPid w celu wykrywania debugowania procesu, nadzorował pracę koparek oraz obsługiwał dodatkowe komendy związane z konfiguracją minera i utrzymaniem mechanizmu hooków NVML.

Konsekwencje / ryzyko

Najbardziej bezpośrednim skutkiem infekcji jest nieautoryzowane zużycie zasobów obliczeniowych, zwłaszcza kosztownych akceleratorów GPU używanych w środowiskach AI, HPC i uczenia maszynowego. Dla organizacji oznacza to wzrost kosztów energii, obniżenie dostępności infrastruktury dla legalnych zadań oraz ryzyko przyspieszonej degradacji sprzętu wskutek długotrwałego obciążenia.

Ryzyko operacyjne wykracza jednak poza sam cryptojacking. Obecność reverse shelli, rootkita i trwałych mechanizmów dostępu sugeruje, że przejęte hosty mogą zostać wykorzystane również do dalszych działań, takich jak ruch boczny, ukrywanie aktywności po kompromitacji czy uruchamianie kolejnych ładunków.

Szczególnie groźne jest fałszowanie telemetrii GPU, ponieważ może ono opóźnić wykrycie incydentu przez zespoły bezpieczeństwa. W środowiskach chmurowych i klastrowych zagrożenie rośnie dodatkowo z powodu współdzielonych zasobów oraz częstego wystawiania usług zarządzających do sieci. Jeśli komponenty orkiestracji zadań są błędnie skonfigurowane lub pozbawione uwierzytelniania, atakujący mogą szybko przejąć węzły o wysokiej wartości biznesowej.

Rekomendacje

Organizacje korzystające z Linuxa i serwerów GPU powinny w pierwszej kolejności zweryfikować ekspozycję usług typu Ray job agent, paneli zarządzających oraz interfejsów służących do zdalnego uruchamiania zadań. Dostęp do takich komponentów powinien być ograniczony sieciowo, zabezpieczony silnym uwierzytelnianiem i stale monitorowany pod kątem nietypowych zleceń.

W obszarze detekcji warto porównywać dane telemetryczne z wielu źródeł. Jeżeli narzędzia NVIDIA raportują niskie użycie GPU, a jednocześnie system wskazuje oznaki intensywnego obciążenia, może to sugerować manipulację biblioteką NVML. Niezbędna jest również okresowa weryfikacja integralności bibliotek systemowych i sterowników, zwłaszcza plików powiązanych z obsługą kart NVIDIA.

  • Monitorowanie nieautoryzowanych wpisów w authorized_keys.
  • Analiza nowych lub nietypowych usług systemd.
  • Weryfikacja obecności niestandardowych modułów jądra.
  • Kontrola zmian w initramfs oraz konfiguracji DKMS.
  • Wykrywanie koparek, klientów Tor i nietypowych procesów uruchamianych z katalogów tymczasowych lub niestandardowych ścieżek.

Dodatkowo zalecane jest wdrożenie mechanizmów EDR lub XDR dla serwerów Linux, kontroli integralności plików, inspekcji ruchu wychodzącego do sieci anonimizujących oraz segmentacji środowisk GPU od systemów o niższym poziomie zaufania. W środowiskach DevOps i AI warto także regularnie audytować ścieżkę dostępu do zasobów GPU oraz polityki uruchamiania zadań przez użytkowników i aplikacje.

Podsumowanie

Kampania z użyciem SANSAR pokazuje ewolucję operacji cryptojackingowych w kierunku większej skrytości i specjalizacji pod środowiska GPU. Podmiana biblioteki NVML, wdrożenie rootkita jądra oraz użycie backdoora korzystającego z mechanizmu odczytu adresu C2 z Ethereum wskazują na wysoki poziom dojrzałości operacyjnej napastników.

Dla organizacji rozwijających infrastrukturę AI i obliczeń akcelerowanych to wyraźny sygnał, że ochrona samych workloadów nie wystarczy. Równie ważne staje się zabezpieczenie warstwy zarządzania, integralności bibliotek monitorujących oraz pełnej widoczności telemetrycznej hostów Linux.

Źródła